کد مقاله کد نشریه سال انتشار مقاله انگلیسی نسخه تمام متن
5064631 1476719 2014 10 صفحه PDF دانلود رایگان
عنوان انگلیسی مقاله ISI
What do market-calibrated stochastic processes indicate about the long-term price of crude oil?
ترجمه فارسی عنوان
فرایندهای تصادفی تنظیم شده در بازار که حدوداً قیمت بلند مدت نفت خام را نشان می دهند چیستند ؟
کلمات کلیدی
فهرست مطالب مقاله
چکیده
واژگان کلیدی
1. مقدمه
2. مدل های فرایند قیمت کالا
3. شواهد تجربی
شکل 1. میانگین هفتگی قیمت روز برآورد شده(WTI).
جدول 1. آزمونهای رریشه واحد برای مجموعه داده های 2004-1990 و 2013-1990.
شکل 2. نسبتهای واریانس برای دوره های مختلف تاخیر، بصورت هفتگی.
4. پارامتری سازی مدلهای فرایند تصادفی 
4.1  فرمول فضای حالت برای فیلتر کالمن
شکل 3. مجموعه داده های قیمتهای آتی نفت خام
4.2 برآورد پارامترها
جدول 2. برآوردهای پارامتر، خطاهای اندازه گیری، و نمرات لگاریتم احتمال. 
شکل 4. سیر تکاملی متغیرهای حالت.
4.3  اعتبار سنجی فرآیند برآورد با استفاده از داده های شبیه سازی شده
شکل 5. قیمتهای آتی یک ماهه شبیه سازی شده برای نفت خام
جدول 3. برآوردهای پارامتر و خطاهای اندازه گیری برای مجموعه های آتی شبیه سازی شده. 
5. سطح تعادل و پیش بینی قیمتها
جدول 4. برآوردهای پارامتر و خطاهای اندازه گیری برای مجموعه های آتی دراز مدت شبیه سازی شده. 
جدول 5. برآوردهای پارامتر و خطاهای اندازه گیری با سر رسیدهای آتی اضافی.
شکل 6. پیش بینی های مدل دو عاملی
شکل 7. پیش بینی مدل دو عاملی با فرایند کوتاه مدت غیرفعال.
شکل 8. پیش بینی مدل GBM  تک عاملی.
6. نتیجه گیری ها
ضمیمه الف. داده تکمیلی    
ترجمه چکیده
مدل های فرایند تصادفی قیمتهای کالاها ورودیهای مهم در ارزیابی سرمایه گذاری در انرژی و برنامه ریزی مشکلات هستند. در این مقاله، ما روی مدل سازی و پیش بینی سطح قیمت بلند مدت متمرکز می شویم، چون این مقوله عاملی نافذ در بسیاری از این برنامه های کاربردی است. ما برای ارائه مبنای روش مدل سازی خود ابتدا ویژگی های تجربی اطلاعات قیمت نفت خام از سال 1990 تا 2013 را با استفاده از آزمونهای ریشه واحد و نسبت واریانس ارزیابی می کنیم. شواهد آماری بدست آمده از این آزمونها تنها پشتیبانی ضعیفی از بکارگیری فرایندهای ثابت نوع بازگشت به میانگین تا سال 2004 بهمراه فرایندهای متحرک نوع حرکت براونی را نشان می دهند که هنگام افزودن اطلاعات از سال 2005 تا 2013 پذیرفتنی تر شدند. سپس ما از روش فیلترینگ کالمن با رویکرد حداکثر احتمال برای برآورد پارامترهای مدل جهت هر دو فرایند حرکت هندسی براونی (GMB) تک عاملی و همچنین فرایند دو عاملی شوارتز و اسمیت (2000) استفاده می کنیم. فرایند دوم قیمت روز را به ضرایب غیرقابل مشاهده برای سطح تعادل بلند مدت و انحراف کوتاه مدت تقسیم می کند، و جنبه های هر دو فرایند حرکت هندسی براونی و فرایند بازگشت به میانگین را با هم تطبیق می دهد. داده های تجربی و شبیه سازی شده هر دو با این مدلها تحلیل می شوند، و ما افزایشها در هر دو نرخ رانش و نوسان این فرآیندها را تعیین می کنیم که از اواسط دهه گذشته حاصل تحولات در بازارهای نفت خام هستند. ما با مقایسه و مقابله دقت و پیش بینیهای تاریخی بدست آمده از مدلهای پارامتری شده تایجه گیری می کنیم، و نشان می دهیم که وقتی روی پیش بینی های درازمدت تاکید می شود، پیش بینی حرکت هندسی براونی تک عاملی ممکن است کافی باشد.
موضوعات مرتبط
مهندسی و علوم پایه مهندسی انرژی انرژی (عمومی)
چکیده انگلیسی
Stochastic process models of commodity prices are important inputs in energy investment evaluation and planning problems. In this paper, we focus on modeling and forecasting the long-term price level, since it is the dominant factor in many such applications. To provide a foundation for our modeling approach we first evaluate the empirical characteristics of crude oil price data from 1990 to 2013 using unit root and variance ratio tests. Statistical evidence from these tests shows only weak support for the applicability of stationary mean-reverting type processes up through 2004, with non-stationary Brownian motion type processes becoming more plausible when the data from 2005 to 2013 is added. We then apply a Kalman filtering method with maximum likelihood approach to estimate the model parameters for both a single-factor Geometric Brownian motion (GBM) process as well as the two-factor Schwartz and Smith (2000) process. The latter process decomposes the spot price into unobservable factors for the long-term equilibrium level and short-term deviation, and it accommodates aspects of both a GBM process and a mean-reverting process. Both empirical and simulated data are analyzed with these models, and we quantify the increases in both the drift rate and volatility of these processes that result from developments in the crude oil markets since the middle of the last decade. We conclude by comparing and contrasting both historical accuracy and forecasts from the parameterized models, and show that when the emphasis is on the long-term expectations, a single factor GBM forecast may be sufficient.
ناشر
Database: Elsevier - ScienceDirect (ساینس دایرکت)
Journal: Energy Economics - Volume 44, July 2014, Pages 212–221