WTI solo nel 2017 stabilmente sopra i 40?

correlation matrixHo importato i dati del post precedente in matlab per fare qualche simulazione.

Ovvero, ho voluto girare la frittata per vedere cosa succedesse se mettessi il prezzo del petrolio come dipendente dai capex dei grandi produttori invece del contrario. Mi piaceva questa idea perché per una volta ho una serie di “predictors” ovvero i capex, piú lunga della serie della variabile da stimare, il prezzo. Di solito dopo la regressione lineare  tocca fare simulazioni monte carlo sopra un modello arima o garch o quant’altro, ed è inutile dire che se funzionassero questi metodi tutti gli econometristi sarebbero miliardari.

Non lo sono, miliardari. Anche se qualceduno si l’è pure presa con me all’osservazione.

Il motivo per cui ho una serie capex più lunga rispetto al prezzo del petrolio (qua WTI) è che tutti i grandi, dalla Exxon alla Total, durante il primo trimestre rilascia le stime di quanto intendono spendere nei prossimi anni. Quindi ho una media annuale per il prezzo del WTI che si ferma al 2015, e dati per il capex che vanno fino al 2017.

Per ricordarci: Userò i capex come predictors, ma eccoli in serie “storica” dal 1999 al 2015:

potenziali predictors

E ovviamente il povero WTI da stimare sul futuro:

WTI.jpg

Si vede ad occhio nudo che i predictors sono tutti altamente correlati, ma in realtà è stupefacente quanto si muovo in tandem queste cinque aziende:

correlation matrix

Quindi ho usato una funzione in matlab per calolcare la regressione lineare dei 5 cinque dataset sul WTI, la quale mi dà un R-squared di 86% e un p-value= 0.000206.  Questo valore indicherebbe che se il livello dei capex non avrebbe nessun effetto sul prezzo, potrei osservare i valori capex vs WTI uguali o migliori nei 0,02% dei casi.  In altre parole, se l’ipotesi nullo è vero, i miei dati sono improbabili.

Con il modello creato vengono poi stimati dei coefficienti che successivament alzano o abbassano la previsione del prezzo, per curiosità, l’unico coefficiente negativo è quello di Chevron con -2.1.

I famosi ultimi datapoint per il capex sembrano indicare un rallentamento del crollo:forward predictors

I coefficienti stimati del modello di regressione vanno poi moltiplicate per gli ultimi due datapoint per ogni serie. Il risultato è un prezzo del WTI di $37 per il 2016 e di $43 per il 2017. Poca roba:

forecast

Il mio forecast è sicuramente sbagliato, ma non meno di tutti gli altri la fuori.

 

 

 

 

Tag:, ,

Rispondi

Inserisci i tuoi dati qui sotto o clicca su un'icona per effettuare l'accesso:

Logo WordPress.com

Stai commentando usando il tuo account WordPress.com. Chiudi sessione / Modifica )

Foto Twitter

Stai commentando usando il tuo account Twitter. Chiudi sessione / Modifica )

Foto di Facebook

Stai commentando usando il tuo account Facebook. Chiudi sessione / Modifica )

Google+ photo

Stai commentando usando il tuo account Google+. Chiudi sessione / Modifica )

Connessione a %s...

%d blogger hanno fatto clic su Mi Piace per questo: