Modelling and forecasting Brent prices

Abstract

Desde o início dos tempos que o Brent, mais conhecido por petróleo, tem sido utilizado em diversas aplicações, devido à sua elevada densidade energética, facilidade de transporte e relativa abundância. Nos últimos anos, o Brent tornou-se na fonte de energia mais importante, desempenhando um papel preponderante na manutenção da nossa actual sociedade. Neste contexto, o objectivo principal deste trabalho é modelar e prever os preços mensais e diários do Brent, de forma a melhor compreender e antever o seu comportamento. Na modelação e previsão dos preços utilizaram-se duas abordagens diferentes. A primeira baseia-se na análise de séries temporais com memória longa. A presença de memória longa é verificada na média condicional e modelada a partir de modelos ARFIMA. Esta característica é também analisada na volatilidade da série e modelada através de modelos FIGARCH, FIAPARCH ou FIEGARCH. A outra abordagem considera modelos estocásticos de mudança de regime, nomeadamente modelos STAR, SETAR e MS-AR. A modelação dos preços diários de Brent é feita com base em modelos de séries temporais considerando memória longa, uma vez que esta característica foi identificada na volatilidade da série. Modelos de mudança de regime foram também aplicados, no entanto a hipótese de não linearidade foi rejeitada. Relativamente aos resultados obtidos para a série mensal de preços, não foi detectada a presença de heteroscedasticidade condicional nem de memória longa. Os modelos de mudança de regime foram também considerados e, neste caso, foi identificado um modelo de dois estados, verificando-se diferenças significativas entre os regimes identificados.

Since early times, the Brent, usually know as crude oil or petroleum, has been used in several fields due to its high energy density, easy transportability, and relative abundance. During the past years, it has become the most important source of energy in the world, and it plays a prominent part in the maintenance of our modernised and industrialised civilization. Therefore, the aim of this work is to analyse, understand and forecast the Brent prices behaviour, on a daily and monthly basis. To model and forecast Brent prices, two different approaches have been considered. In the first approach, the presence of long memory is tested in the conditional mean and modelled by using long memory time series models, namely ARFIMA models. The long memory characteristic is also checked in the volatility, and it is modelled with FI-GARCH models, or some of their variants, namely FIAPARCH or FIEGARCH models. The alternative approach considers stochastic regime-switching models, namely STAR, SETAR and MS-AR models. The results obtained from the daily Brent prices analysis suggest that the data under investigation should be modelled with long memory time series, as there was evidence of long-range dependence on the volatility of the Brent prices. Regime-switching models were also applied to the daily data, but the hypothesis of non-linearity was rejected. Regarding the monthly Brent prices, neither conditional heteroskedasticity nor long-range dependence were identified. Regime-switching models were also considered, and in this case a two state model was identified, showing clear differences between the achieved regimes.