[論文レビュー] Forecasting Model for Crude Oil Price Using Artificial Neural Networks and Commodity Futures Prices

Siddhivinayak Kulkarni, Imad Haidar|ArXiv.org|Jun 26, 2009

Market Dynamics and Volatility参考文献 14被引用数 28

ひとこと要約

本研究では、1〜4か月先の満期を持つ先行処理済みの先物価格と遅れ付きスポット価格を用いて、3日先までの短期的な原油スポット価格の予測方向を予測する多層フィードフォワードニューラルネットワークモデルを開発した。最適なモデルは13個の遅れ付きスポット価格入力を使用し、1日先の予測で78％の正確性を達成した。これは、先物価格が短期予測において追加的情報を含んでいることを示している。

ABSTRACT

This paper presents a model based on multilayer feedforward neural network to forecast crude oil spot price direction in the short-term, up to three days ahead. A great deal of attention was paid on finding the optimal ANN model structure. In addition, several methods of data pre-processing were tested. Our approach is to create a benchmark based on lagged value of pre-processed spot price, then add pre-processed futures prices for 1, 2, 3,and four months to maturity, one by one and also altogether. The results on the benchmark suggest that a dynamic model of 13 lags is the optimal to forecast spot price direction for the short-term. Further, the forecast accuracy of the direction of the market was 78%, 66%, and 53% for one, two, and three days in future conclusively. For all the experiments, that include futures data as an input, the results show that on the short-term, futures prices do hold new information on the spot price direction. The results obtained will generate comprehensive understanding of the crude oil dynamic which help investors and individuals for risk managements.

研究の動機と目的

• 短期的な原油スポット価格の予測方向を予測するための頑健な人工ニューラルネットワーク（ANN）モデルの開発。
• 予測精度の向上を目的とした最適なANNアーキテクチャおよびデータ前処理技術の特定。
• 商品先物価格がスポット価格の動きを予測する際に持つ追加的情報内容の評価。
• 遅れ付きスポット価格を用いたベンチマークの確立と、先物データを追加することによる付加価値の評価。

提案手法

• 多層フィードフォワードニューラルネットワークを用いて、1日、2日、3日先の原油スポット価格の変動方向（上昇／下落）を予測する。
• 分散の安定化とモデル収束の改善を目的とした正規化および変換技術を含むデータ前処理。
• ベースラインモデルとして、13個の前処理済みスポット価格の遅れ値を用いた予測を行い、ベンチマークとしての役割を果たす。
• 1か月、2か月、3か月、4か月先の満期を持つ先物価格を順次入力特徴量として追加し、その予測力の評価を行う。
• モデルの性能は、価格の変動方向が正しく予測された割合（方向的正確性）を用いて評価される。
• 最適なモデル構造は、交差検証およびテストデータでの性能に基づき選定され、短期予測において13個の遅れが最適であると特定された。

実験結果

リサーチクエスチョン

• RQ1 人工ニューラルネットワーク（ANN）モデルを用いた原油価格の予測方向を予測する際、最適な遅れ付きスポット価格観測数は何か？
• RQ2 さまざまな満期の前処理済み先物価格を含めることで、原油スポット価格の方向的予測正確性はどの程度向上するか？
• RQ3 13個の遅れを持つ動的モデルは、短期的な価格方向を予測する際、より単純な静的モデルを上回る性能を示すか？
• RQ4 先物価格は、遅れ付きスポット価格にすでに反映されている情報とは異なる新規情報を、短期予測においてどの程度含んでいるか？

主な発見

• 最適なモデル構造は、前処理済みスポット価格の13個の遅れ値を用いており、全テスト構成の中で最高の方向的正確性を達成した。
• 1日先の予測では78％、2日先では66％、3日先では53％の方向的予測正確性を達成した。
• 1か月、2か月、3か月、4か月先の満期を持つ先物価格を含めることで、遅れ付きスポット価格のみを用いたベースラインモデルと比較して、予測正確性が顕著に向上した。
• 先物価格は、モデルに追加された際の一貫した性能向上が確認されたことから、短期的な価格方向予測において追加的情報を提供していることが示された。
• 結果から、先物市場は短期的なスポット価格の動きを予測する上で有用であることが確認され、リスク管理およびトレーディング戦略への応用が支持された。
• 本研究は、データ前処理およびモデルアーキテクチャの選定が、商品価格予測におけるANNの性能を最大化するために極めて重要であることを示した。