TorbjørnKjusDNBMarkets
Oljeprisen Anders Lie Brenna Foto: Anders Lie Brenna

Hvorfor er det så vanskelig å spå oljeprisen?

Oljeprisen er særdeles viktig for norsk økonomi og Norges statsbudsjett, men den svinger kraftig og den er notorisk vanskelig å spå.

I statsbudsjettet for 2018 legges det til grunn en pris på 438 norske kroner pr. fat, og ifølge Finansdepartementets tommelfingerregel gir hver tikrone over eller under det nivået et årlig utslag på hele 4,3 milliarder kroner.

I skrivende stund ligger oljeprisen på 63,50 dollar fatet, og med dagens dollarkurs tilsvarer det en pris i norske kroner på 530 kroner. Statsbudsjettet ligger altså godt an med dagens prisnivå.

Det er imidlertid umulig å si hvorvidt prisen vil holde seg jevnt, eller om den ville falle brått eller stige kraftig neste år. enerWE har snakket med to eksperter for å høre hvorfor det er så vanskelig å spå oljeprisen.

Uforutsette hendelser

– Det er ikke bare økonomiske forhold som styrer oljeprisen. Det er vel så mye politikk og uforutsette hendelser, sier Torbjørn Kjus til enerWE.

Kjus er oljeanalytiker i DNB Markets, og en av landets mest anerkjente på dette området. Han forklarer at oljeprisen ikke kan forutsies basert på økonomisk teori alene.

– Hvis alt var styrt av økonomisk teori skulle jo de billigste fatene blitt tatt ut før man går på dyrere fat. Slik har det ikke vært i oljemarkedet. Oljeprisen skal i teorien være omtrent lik kostnaden for det marginale fatet, men slik har det ikke vært i virkeligheten. Oljeprisen overskyter og underskyter konstant på denne teoretiske prisen, sier Kjus.

Når enerWE spør om det er lettere å spå på kort sikt eller lang sikt, er han klar på at det blir vanskeligere å å spå lengre inn i fremtiden, men at det er vanskelig nok på kort sikt.

– Det er lettere med neste år, men politiske forhold og uplanlagte nedstengninger kommer hele tiden inn og «ødelegger» de rene økonomiske betraktningene, sier Kjus.

Kjus forteller at han bruker sin egne egenutviklede modeller når han gjør sine analyser av oljeprisen, og det starter med det grunnleggende forholdet mellom tilbud og etterspørsel.

– Startpunktet er å forsøke å finne ut hva tilbud og etterspørsel blir per land og summere dette til en global balanse, men jeg ser også på mange andre faktorer som politikk, pengestrømmer, raffinerimarginer, værforhold, tekniske charts og lignende, sier Kjus.

I DNB Markets jobber han i utgangspunktet alene med selve oljeprisanalysen, men han støtter seg også på kollegaer som jobber innen analyse på tilstøtende fagfelt.

– Jeg er den eneste analytikeren i DNB som gjør oljemarkedsanalyse, men jeg får hjelp til konkrete analyser av mine kolleger på råvaredesken dersom jeg vil se på spesielle faktorer som jeg ikke har ressurser til å dekke. Vi har en annen analytiker som dekker oljeselskapene. Selv dekker jeg oljemarkedet, men man må også forholde seg til hva som skjer i de store oljeselskapene som oljemarkedsanalytiker, sier Kjus.

Excel-regneark
Ettersom oljeprisen påvirkes av så mange forskjellige faktorer må Kjus og andre oljeanalytikere bruke datasystemer for å holde orden på alt. Det er likevel ikke mer enn at han primært bruker et program som de fleste med et kontoryrke har et visst forhold til.

– Jeg bruker Excel. Ettersom det er så mye politikk og andre faktorer som ulykker, lekkasjer, jordskjelv etc. synes jeg det ikke har noe for seg å bygge multiple regresjonsmodeller basert på mer avanserte IT-systemer, sier Kjus.

Mye av analysen må også baseres på at Kjus selv må gjøre en egen vurdering av hvor viktige forskjellige nyheter og faktorer vil være for oljeprisen.

– Problemet er at en faktor ikke veier like mye på oljeprisen til enhver tid. En type nyhet/faktor kan i ett tilfelle være verdt null dollar bevegelse i pris, men to måneder senere vil samme nyhet kunne være verdt 3 dollar, sier Kjus.

Med tanke på alle de ukjente variablene kunne man kanskje sett for seg at maskinlæring ville vært en interessant og farbar vei for å komme frem til bedre analyser av oljeprisen. Kjus er imidlertid skeptisk til det.

– Personlig tror jeg ikke det vil funke med maskinlæringsmodeller for å spå oljepris fordi det stadig kommer inn nye faktorer som aldri har skjedd før. Hvordan skal da maskinen kunne forholde seg til det?

Han trekker frem eksempler som endring i svovelspesifikasjoner (politisk avgjørelse), åpning av nye borelisenser (politisk avgjørelse), økning eller reduksjon av skatt på oljeselskaper (politisk avgjørelse), stor ulykke som skjerper sikkerhetskravene og dermed fordyrer oljeproduksjonen (eksempel Macondo), vulkan går av på Island og gjør det umulig å fly (naturkatastrofe), tsunami treffer Japan og stenger ned landets kjernekraft som dermed øker oljeetterspørselen (naturkatastrofe). Alle disse er eksempler på hendelser som er umulige å forutsi, men som kan gi stort utslag i oljeprisen.

Selv om det er umulig å spå oljeprisen med stor sikkerhet, er Kjus klar på at det har stor verdi å gjøre disse analysene – så lenge man treffer bedre enn hva ren flaks vil tilsi.

– Husk at oljemarkedet er et av de mest analyserte markedene i verden. Det betyr at det kan ses på som et myntkastmarked. Det jeg mener med det er at hvis man har mer enn 50 prosent riktig på retningen av oljeprisen over tid så slår man markedet. Og hvis man slår markedet skulle man tro det har en verdi, sier Kjus.

Kjus mener at han har en trackrecord som er god nok til å forsvare innsatsen.

– Selv har jeg tracket meg til ca 60 prosent, dvs at jeg over tid slår markedet, sier Kjus.

«Idioter» ødelegger for maskinlæring

Kjus får støtte for sitt syn på bruk av maskinlæring til oljeprisanalyser fra ekspertene på området.

– Hadde det vært rasjonelle grunner hadde maskinlæring fint klart å forutse prisene, sier Odd Jostein Svendsli til enerWE.

Han er CEO i kunstig intelligens-selskapet AiaScience. De jobber mye med maskinlæring, men ikke for å spå oljeprisen. Det er et felt som blir for vanskelig for maskinlæringsalgoritmene – nettopp fordi det er så mange usikre variabler som spiller inn.

Odd Jostein Svendsli og Atle Vesterkjær i Aia Science.
Odd Jostein Svendsli og Atle Vesterkjær i Aia Science.

– Problemet er at det finnes irrasjonelle personer som gjør feil, og så påvirker det hele systemet, sier Svendsli.

Maskinlæringsalgoritmer kan egentlig ikke gjøre noe annet enn det et menneske kan gjøre. Forskjellen ligger i at en maskin kan gjøre en regneoppgave millioner og milliarder av ganger istedenfor bare et par ganger. Det gjør at den kan løse problemer som det er tidsmessig upraktisk å sette et menneske til, men maskinlæring kan ikke ta høyde for noe som er helt tilfeldig. Det må være en korrelasjon i datagrunnlaget.

Svendsli forklarer at tatt til det ekstreme kan man si at maskinlæring kunne funnet ut om en irrasjonell idiot av en oljemegler var på jobb eller ikke, og så tatt høyde for usikkerheten personen skaper. Problemet er at det er mange slike «idioter» som påvirker oljeprisen med sine irrasjonelle beslutninger.

Maskinlæring er i praksis avansert statistikk, og den fungerer godt til å gi rasjonelle estimater basert på tidligere erfarte data.

– Så har man ”Black Swan”-hendelser som statistikken har store problemer med å plukke opp, sier Svendsli.

Det betyr ikke at det ikke gjøres forsøk med det. Et par kjappe Google-søk viser at det er flere forskere og andre som prøver å bruke maskinlæring til å forutsi fremtidig oljepris. Hvorvidt de klarer å slå oljeanalytikere som Kjus i DNB Markets gjenstår fortsatt å se.

Enn så lenge må vi derfor fortsatt forholde oss til stor usikkerhet når det gjelder oljeprisen. Så lenge den holder seg over det som ligger til grunn for statsbudsjettet kan vi imidlertid ta det med ro – på kort sikt.

Verre blir det på lengre sikt. Da blir det i stor grad opp til politikerne våre å vedta hvordan Norge skal forholde seg til den langsiktige utviklingen til oljeprisen når de tar sine avgjørelser om oljebransjen og det grønne skiftet.

Les også:

Annonse
Ads banner