[논문 리뷰] Forecasting Model for Crude Oil Price Using Artificial Neural Networks and Commodity Futures Prices

Siddhivinayak Kulkarni, Imad Haidar|ArXiv.org|2009. 06. 26.

Market Dynamics and Volatility참고 문헌 14인용 수 28

한 줄 요약

이 연구는 1~3일 뒤의 단기 원유 스팟 가격 방향을 예측하기 위해 다층 피드포워드 신경망 모델을 개발한다. 이 모델은 1~4개월 만기의 지연된 스팟 가격과 사전 처리된 선물 가격을 사용한다. 최적의 모델은 13개의 지연된 스팟 가격 입력을 사용하며, 하루 전망에서 78%의 정확도를 달성한다. 이는 선물 가격이 단기 예측에 추가 정보를 제공한다는 것을 보여준다.

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.

연구 동기 및 목표

• 단기 원유 스팟 가격 방향을 예측하기 위한 강력한 인공신경망(ANN) 모델을 개발하기 위해.
• 예측 정확도 향상을 위한 최적의 ANN 아키텍처와 데이터 전처리 기법을 규명하기 위해.
• 상품 선물 가격이 스팟 가격 움직임을 예측하는 데에 포함된 추가 정보의 양을 평가하기 위해.
• 지연된 스팟 가격을 기반으로 기준 모델을 수립하고, 선물 데이터를 포함시킬 경우의 추가 가치를 평가하기 위해.

제안 방법

• 다층 피드포워드 신경망을 사용하여 1, 2, 3일 후의 원유 스팟 가격 방향(상승/하락)을 예측한다.
• 모델 수렴을 향상시키고 분산을 안정화시키기 위해 정규화 및 변환 기법을 포함한 데이터 전처리를 수행한다.
• 기준 모델은 사전 처리된 스팟 가격의 13개 지연값을 사용하여 방향을 예측하며, 이는 기준 성능을 제공한다.
• 1개월, 2개월, 3개월, 4개월 만기의 선물 가격을 순차적으로 입력 특성으로 추가하여 예측 능력을 평가한다.
• 모델 성능은 방향 정확도—정확히 예측된 가격 방향 변화의 비율—를 사용해 평가된다.
• 최적의 모델 구조는 교차검증과 테스트 데이터 성능 기반으로 선정되며, 13개의 지연값이 단기 예측에 최적임이 확인되었다.

실험 결과

연구 질문

• RQ1 인공신경망(ANN) 모델을 사용해 원유 가격 방향을 예측할 때 최적의 지연된 스팟 가격 관측 수는 얼마인가?
• RQ2 다양한 만기의 사전 처리된 선물 가격을 포함시킬 경우 원유 스팟 가격의 방향 예측 정확도는 어떻게 향상되는가?
• RQ3 13개의 지연값을 사용하는 동적 모델은 단순한 정적 모델보다 단기 가격 방향 예측에서 성능이 뛰어나다고 할 수 있는가?
• RQ4 선물 가격은 지연된 스팟 가격에 이미 반영된 정보 외에 추가 정보를 얼마나 포함하고 있는가? 단기 예측에서의 정도는?

주요 결과

• 최적의 모델 아키텍처는 사전 처리된 스팟 가격의 13개 지연값을 사용하며, 모든 테스트 구성 중에서 가장 높은 방향 정확도를 달성한다.
• 하루 전망에서는 방향 예측 정확도가 78%이며, 두 번째 날은 66%, 세 번째 날은 53%이다.
• 1개월, 2개월, 3개월, 4개월 만기의 선물 가격을 포함시킬 경우, 오직 지연된 스팟 가격만을 사용하는 기준 모델보다 예측 정확도가 유의미하게 향상된다.
• 선물 가격은 지연된 스팟 가격에 이미 반영된 정보 외에 추가 정보를 제공하므로, 모델에 추가할 경우 일관된 성능 향상이 관찰된다.
• 결과는 선물 시장이 단기 스팟 가격 움직임에 정보를 제공함을 확인하며, 이는 리스크 관리 및 거래 전략 수립에 활용될 수 있음을 뒷받침한다.
• 본 연구는 데이터 전처리 및 모델 아키텍처 선택이 상품 가격 예측에서 ANN 성능을 극대화하는 데 핵심적이라는 것을 입증한다.