[논문 리뷰] Prediction of Brent crude oil price based on LSTM model under the background of low-carbon transition

Yuwen Zhao, Baojun Hu외 1명|arXiv (Cornell University)|2024. 09. 19.

Hydrocarbon exploration and reservoir analysis인용 수 6

한 줄 요약

이 논문은 EIA 현물 데이터를 사용하여 가까운 미래를 예측하기 위해 three-layer LSTM을 활용하고, 저탄소 전환 요인이 가격 역학에 영향을 미치는지 다룬다.

ABSTRACT

In the field of global energy and environment, crude oil is an important strategic resource, and its price fluctuation has a far-reaching impact on the global economy, financial market and the process of low-carbon development. In recent years, with the gradual promotion of green energy transformation and low-carbon development in various countries, the dynamics of crude oil market have become more complicated and changeable. The price of crude oil is not only influenced by traditional factors such as supply and demand, geopolitical conflict and production technology, but also faces the challenges of energy policy transformation, carbon emission control and new energy technology development. This diversified driving factor makes the prediction of crude oil price not only very important in economic decision-making and energy planning, but also a key issue in financial markets.In this paper, the spot price data of European Brent crude oil provided by us energy information administration are selected, and a deep learning model with three layers of LSTM units is constructed to predict the crude oil price in the next few days. The results show that the LSTM model performs well in capturing the overall price trend, although there is some deviation during the period of sharp price fluctuation. The research in this paper not only verifies the applicability of LSTM model in energy market forecasting, but also provides data support for policy makers and investors when facing the uncertainty of crude oil price.

연구 동기 및 목표

• 저탄소 전환과 에너지 정책 변화 속에서 Brent 원유 가격의 예측 동기를 제시한다.
• 에너지 시장 예측을 위한 LSTM 신경망의 적용 가능성을 평가한다.
• 유가 불확실성 하에서 정책 입안자와 투자자에게 데이터 기반 통찰력을 제공한다.

제안 방법

• 다음 며칠 간 Brent 가격을 예측하기 위해 three-layer LSTM 신경망을 구성한다.
• 미국 Energy Information Administration에서 제공하는 European Brent 원유 현물 가격 데이터를 입력으로 사용한다.
• 급격한 변동 시 전반적인 가격 추세와 편차를 포착하는 모델의 능력을 평가한다.

실험 결과

연구 질문

• RQ1 three-layer LSTM이 Brent 원유 가격의 전반적 추세를 정확하게 포착할 수 있는가?
• RQ2 급격한 가격 변동 기간 동안 LSTM 예측이 실제 가격과 얼마나 잘 일치하는가?
• RQ3 저탄소 전환 관련 요인이 Brent 가격 예측 성능에 미치는 영향은 무엇인가?

주요 결과

• LSTM 모델은 Brent 원유 가격의 전반적 추세를 포착한다.
• 급격한 가격 변동 기간에는 예측에 다소 편차가 있다.
• 본 접근법은 에너지 시장 예측에서 LSTM의 적용 가능성을 보여주고 정책 입안자와 투자자에게 데이터 지원을 제공한다.