000001650 001__ 1650
000001650 005__ 20250211155844.0
000001650 0247_ $$a10.34989/swp-2013-25$$2DOI
000001650 035__ $$a10.34989/swp-2013-25
000001650 041__ $$aeng
000001650 084__ $$aC Mathematical and Quantitative Methods$$02849
000001650 084__ $$aC5 Econometric Modeling$$02889
000001650 084__ $$aC53 Forecasting and Prediction Methods; Simulation Methods$$02893
000001650 084__ $$aG Financial Economics$$03122
000001650 084__ $$aG1 General Financial Markets$$03126
000001650 084__ $$aG15 International Financial Markets$$03131$$03132
000001650 084__ $$aQ Agricultural and Natural Resource Economics; Environmental and Ecological Economics$$o3665
000001650 084__ $$aQ4 Energy$$o3702
000001650 084__ $$aQ43 Energy and the Macroeconomy$$o3706
000001650 245__ $$aAre Product Spreads Useful for Forecasting? An Empirical Evaluation of the Verleger Hypothesis
000001650 269__ $$a2013
000001650 300__ $$a1 online resource (iv, 26 pages plus tables)
000001650 336__ $$aText
000001650 347__ $$bPDF
000001650 520__ $$aNotwithstanding a resurgence in research on out-of-sample forecasts of the price of oil in recent years, there is one important approach to forecasting the real price of oil which has not been studied systematically to date. This approach is based on the premise that demand for crude oil derives from the demand for refined products such as gasoline or heating oil. Oil industry analysts such as Philip Verleger and financial analysts widely believe that there is predictive power in the product spread, defined as the difference between suitably weighted refined product market prices and the price of crude oil. Our objective is to evaluate this proposition. We derive from first principles a number of alternative forecasting model specifications involving product spreads and compare these models to the no-change forecast of the real price of oil. We show that not all product spread models are useful for out-of-sample forecasting, but some models are, even at horizons between one and two years. The most accurate model is a time-varying parameter model of gasoline and heating oil spot spreads that allows the marginal product market to change over time. We document mean-squared prediction error reductions as high as 20 per cent and directional accuracy as high as 63 per cent at the two-year horizon, making product spread models a good complement to forecasting models based on economic fundamentals, which work best at short horizons.$$7Abstract
000001650 520__ $$aMalgré le nouvel intérêt dont a bénéficié ces dernières années la recherche sur la prévision hors échantillon des cours pétroliers, une méthode de projection importante des prix réels de l’or noir reste peu étudiée. Cette méthode découle du postulat voulant que la demande de pétrole brut dépende de la demande de produits raffinés comme l’essence et le mazout. La plupart des analystes de l’industrie pétrolière (à l’instar de Philip Verleger) et des analystes financiers croient au pouvoir prédictif de la marge de prix des produits, définie par l’écart entre une moyenne adéquatement pondérée des prix de marché des produits raffinés et le cours du brut. Les auteurs se proposent d’évaluer cette proposition. Partant du postulat, ils obtiennent pour leurs modèles de prévision une gamme de spécifications différentes liées à plusieurs marges et comparent la capacité prédictive de ces modèles à celle de la marche aléatoire. L’utilité des modèles construits sur les marges de prix n’est pas toujours avérée pour la projection hors échantillon du prix réel du pétrole; certains modèles se révèlent en revanche très utiles, y compris sur les périodes de douze à vingt-quatre mois. Le modèle le plus précis est un modèle à paramètres variables dans le temps fondé sur les écarts des prix au comptant de l’essence et du mazout, et permettant au marché des produits qui détermine les prix à la marge d’évoluer. Avec ce modèle, les auteurs observent à l’horizon de deux ans une baisse de l’erreur quadratique moyenne de prévision allant jusqu’à 20 %, de même qu’un taux de réussite dans la prévision du sens des variations pouvant atteindre 63 %. Ainsi, les modèles basés sur les marges de prix des produits complètent bien ceux construits sur des variables économiques fondamentales, qui donnent de meilleurs résultats aux horizons courts.$$7Résumé
000001650 540__ $$aCreative Commons Attribution 4.0 International$$uhttps://creativecommons.org/licenses/by/4.0/legalcode$$fCC-BY-4.0
000001650 6531_ $$aEconometric and statistical methods
000001650 6531_ $$aInternational topics
000001650 6531_ $$aMéthodes économétriques et statistiques
000001650 6531_ $$aQuestions internationales
000001650 7001_ $$aBaumeister, Christiane
000001650 7001_ $$aKilian, Lutz
000001650 7001_ $$aZhou, Xiaoqing
000001650 789__ $$w1701-9397$$2ISSN$$eIsPartOf
000001650 8301_ $$aStaff Working Paper
000001650 8301_ $$aDocument de travail du personnel
000001650 8564_ $$uhttps://www.oar-rao.bank-banque-canada.ca/record/1650/files/wp2013-25.pdf$$9a52b0e1f-1e83-41e9-9682-fa860b02d878$$s301439$$zFile Source: Bank of Canada website, 2024
000001650 909CO $$ooai:www.oar-rao.bank-banque-canada.ca:1650$$pbibliographic
000001650 980__ $$aStaff Research
000001650 980__ $$aRDM
000001650 991__ $$aPublic