Kan metallpriser prognostiseres? Empirisk analyse med tidsseriemodeller på kobber, aluminium, nikkel og kobolt, 2010 - 2022
Abstract
Kobber, aluminium, nikkel og kobolt er sentrale metaller i utviklingen av den moderne industrien og har lange røtter tilbake i historien. Metallprisene er kjent for å være volatile og en god prognose vil være et godt verktøy for å redusere usikkerheten. Denne studien forsøker dermed å besvare følgende problemstilling «Kan metallpriser prognostiseres?». Studien benytter ulike tidsseriemodeller i forsøket på å prognostisere prisen og prisendringen en måned frem i tid for metallene kobber, aluminium, nikkel og kobolt. Det benyttes månedlige prisdata fra London Metal Exchange (LME) for perioden juni 2010 til desember 2022.
Studien er gjennomført som en rullerende prognose hvor in sample er 70 % og out of sample er 30 % av datasettet. Dette gir konstant 107 observasjoner in sample og 44 observasjoner i out of sample. Prognosemodellenes resultater rangeres etter root-mean-square error (RMSE).
Studien undersøker prognoseevnen til futureskontraktene gjennom regresjon og basis, videre benyttes Ordinary Least Squares (OLS)-modell for prognose på prisnivå med 3 lags. På endringsnivå undersøkes opptil 6 lags i en Autoregressive (AR)-modell, og avslutningsvis testes Vector Error Correction Model (VECM). I utviklingen av VECM har vi kombinert funn fra tidligere litteratur for å fastsette modellens variabler. Dette har ledet til Baltic Dry indeksen, VIX, US industriell produksjonsindeks, chilenske peso og australske dollar.
Resultatene av studien indikerer at prognosen fra de nevnte tidsseriemodellene ikke presterer bedre enn den naive modellen for verken pris- eller endringsnivå for de fire metallene i perioden 2010-2022. Copper, aluminum, nickel, and cobalt are crucial metals in the advancement of modern industry, and have been far back in history. The prices of these metals are acknowledged for their volatility, and a good forecast can be a useful tool for handling the price uncertainty. The goal of the study is to address the following research question: "Can metal prices be forecasted?". Various time series models are used in an attempt to forecast the price levels and the price changes of copper, aluminum, nickel, and cobalt one month ahead. Monthly price data from the London Metal Exchange (LME) between June 2010 to December 2022 are used.
The study adopts a rolling forecast, where the in-sample is 70% and the out-of-sample is 30% of the dataset. This ensures 107 observations in the in-sample and 44 observations in the out-of- sample dataset. The performance of forecast models is ranked by using the root-mean-square error (RMSE).
This study is researching the predictive capability of futures contracts through regression and basis model. The Ordinary Least Squares (OLS) model is applied for price level forecasting, with a three-lag structure. For price changes, the Autoregressive (AR) model is examined with up to 6 lags, followed by the Vector Error Correction Model (VECM). For making the VECM, insights from prior literature have been used to determine the model's variables. This has led us to include the Baltic Dry Index, VIX, US industrial production index, chilean peso, and australian dollar currency.
The findings of the study indicate that the forecasts generated by the previously mentioned time series models do not outperform the naive model in terms of either price levels or price changes for the four metals during the period 2010-2022.