Comment les entreprises prévoient-elles les prix du pétrole?
Les prix du pétrole brut sont considérés comme l’un des indicateurs les plus importants de l’économie mondiale. Les gouvernements et les entreprises consacrent beaucoup de temps et d’énergie à déterminer où vont les prix du pétrole, mais les prévisions sont une science inexacte. Les techniques standard sont basées sur le calcul (régressions linéaires et économétrie), mais les alternatives incluent les modèles structurels et l’analyse assistée par ordinateur. Il n’y a pas de consensus largement accepté sur la meilleure façon de prévoir les prix du pétrole.
Les entreprises accordent également une attention particulière – et participent souvent – aux marchés à terme du pétrole. Les contrats à terme sur le pétrole brut sont négociés à la New York Mercantile Exchange (NYMEX) et à la Tokyo Commodity Exchange (TOCOM).1
Comprendre les prix du pétrole brut
À un niveau élémentaire, l’approvisionnement en pétrole brut est déterminé par la capacité des compagnies pétrolières à extraire des réserves du sol et à les distribuer dans le monde entier. Il existe trois grandes variables de l’offre: les changements technologiques, les facteurs environnementaux et la capacité des compagnies pétrolières à accumuler et à reconstituer le capital. Les améliorations techniques – en particulier la fracturation hydraulique et le forage horizontal – ont contribué à inonder les marchés mondiaux de pétrole après 2008.
La demande de pétrole brut provient des particuliers, des entreprises et des gouvernements. De manière générale, la demande de pétrole augmente pendant les bonnes périodes économiques et elle diminue pendant les périodes économiques plus lentes. L’augmentation du niveau de vie en Chine et en Inde a été une source majeure de demande mondiale au XXIe siècle.
Les entreprises doivent comprendre ces facteurs avant de faire des prévisions sur les prix du pétrole, mais même cela ne suffit pas. Les prix du pétrole sont fortement influencés par des forces extérieures au marché, notamment l’Organisation des pays exportateurs de pétrole (OPEP), qui agit en fait comme un cartel pétrolier multinational. Les pays membres de l’OPEP prennent des décisions conjointes sur la quantité de pétrole à rejeter sur les marchés mondiaux en fonction de ce qui convient le mieux à leurs gouvernements. Cependant, les fluctuations extrêmes des prix du pétrole entre 2005 et 2015 indiquent que l’influence de l’OPEP est limitée.
Le pétrole est également très réglementé dans la plupart des pays. Les États-Unis, comme de nombreux pays d’Europe, ont des restrictions strictes sur les endroits où le pétrole peut être foré; l’Environmental Protection Agency (EPA) peut avoir autant à dire sur les prix du pétrole qu’Exxon Mobil ou British Petroleum.
La raison pour laquelle les fluctuations du prix du pétrole (ou de tout autre produit) surprennent souvent les analystes est qu’il existe des centaines de variables, chacune d’elles évoluant simultanément de manière imprévisible. Le Conseil des gouverneurs de la Réserve fédérale l’a mieux expliqué dans son document de travail de juillet 2011 «Prévision du prix du pétrole», qui a commencé par identifier «des fluctuations importantes et persistantes inattendues du prix réel du pétrole».
Méthodes quantitatives
Les entreprises engagent des économétriciens et d’autres experts du marché pour faire des prévisions à court et moyen terme sur le marché pétrolier. Ces professionnels utilisent des modèles mathématiques très complexes, qui se concentrent soit sur les finances (en utilisant les prix au comptant et futurs ), soit sur des considérations d’offre et de demande (quantification des variables et test de leur pouvoir explicatif).
Les modèles de prix au comptant et futurs sont toujours populaires auprès de nombreuses entreprises, mais la tendance est à la disgrâce. Le concept de base est que les marchés à terme – en particulier la relation entre les fluctuations des prix à terme et les fluctuations des prix au comptant – ouvriront la voie aux prix du pétrole de demain. Deux articles académiques influents ont été publiés en 1991 (Bopp et Lady; Serletis) qui suggéraient que les prix futurs du pétrole n’étaient pas impartiaux ou totalement efficients, mais étaient probablement encore meilleurs que tout autre indicateur. Cette conclusion a été tirée au moyen de modèles d’erreur et de correction (MCE), qui permettent aux statisticiens ou aux économétriciens de tenir compte du biais dans les données futures.
Une troisième étude en 1998 (Zeng et Swanson) a examiné le pétrole brut sur le NYMEX, le New York Commodity Exchange, le Chicago Board of Trade et le Chicago Mercantile Exchange entre 1990 et 1995. Elle a révélé que les modèles ECM étaient les plus performants.8
Des études ultérieures ont été moins favorables aux modèles financiers. L’un d’eux a examiné les prix à terme du pétrole brut West Texas Intermediate (WTI) sur le NYMEX entre 1989 et 2003, constatant que les prix à terme et à terme ne sont ni suffisamment efficaces ni impartiaux pour prédire avec précision les prix au comptant futurs (et, curieusement, qu’il y avait « peu de preuves de primes de risque »sur le marché pétrolier). Les auteurs ont plutôt recommandé un processus de marche aléatoire de séries chronologiques;la théorie de la marche aléatoire suggère que les variations du cours des actions ne peuvent être utilisées pour prédire les mouvements futurs.9 (Selon la Chartered Alternative Investment Analyst Association, la modélisation économétrique par séries chronologiques est la méthode de prévision la plus courante des prix du pétrole brut.)
Les modèles d’offre et de demande se concentrent sur des variables macroéconomiques, telles que la production de l’OPEP, l’élasticité-revenu de la demande de pétrole et le produit intérieur brut (PIB) réel. Parce qu’il existe de nombreuses combinaisons possibles de variables, la plupart des entreprises ou des services d’analyse utilisent des calculs propriétaires et modifient fréquemment leurs formules. L’objectif est de trouver les variables les plus significatives sur le plan statistique, puis de trouver les fluctuations graphiques de ces variables et de créer des estimations approximatives pour les futures fourchettes de prix du pétrole.
Méthodes qualitatives ou non linéaires
Les partisans d’approches alternatives, que les statisticiens pourraient qualifier d’approches «non standard» ou «non linéaires», soutiennent que les prix futurs du pétrole sont trop aléatoires et chaotiques pour tout processus traditionnel. Ces méthodes peuvent encore utiliser certaines des mêmes données que les modèles standard, mais les calculs sont basés sur la reconnaissance de formes plutôt que sur des modèles linéaires ou des régressions économétriques.
Le réseau de neurones artificiels (ANN) est un outil populaire de reconnaissance de formes. Le modèle ANN, basé sur la biologie du cerveau humain, permet supposément à la simulation d’apprendre et de généraliser des expériences basées sur de nouvelles données. ANNs sont utilisés pour une variété d’analyses dans les domaines des affaires, de la science et de l’investissement. Une critique standard de la méthode ANN – et une des principales raisons pour lesquelles les ANN ne sont pas populaires auprès des prévisions pétrolières privées est que les entrées intrinsèques utilisées pour évaluer les séries de prix sont souvent subjectives ou arbitraires.
Les investisseurs et analystes fondamentaux ont tendance à éviter les modèles statistiques complexes. Au lieu de cela,les analystes fondamentaux s’appuient sur des facteurs commerciaux agrégés, tels que les niveaux de stocks, les tendances de la production, les catastrophes naturelles et les actions des spéculateurs. Le raisonnement implicite qui sous-tend ces approches fondées sur les connaissances est que les prix du pétrole sont fortement affectés par des événements importants et identifiables. Il est courant pour les entreprises d’employer des analystes de marché qui s’appuient sur des informations provenant d’autres sources, telles que les prévisions sur les produits de la Banque mondiale, plutôt que de créer leurs propres modèles.