Do High-Frequency Financial Data Help Forecast Oil Prices? The MIDAS Touch at Work

Disponible en format(s) : PDF

La variation considérable des prix réels du pétrole depuis 2003 a ravivé l’intérêt porté aux méthodes de prévision des cours mensuels et trimestriels de ce produit. On a aussi observé un regain d’intérêt pour l’étude du lien entre les marchés financiers et pétroliers : à ce titre, les chercheurs se sont demandé si l’information en provenance des marchés financiers aide à prédire les prix réels du pétrole sur les marchés au comptant. Les données des marchés financiers et énergétiques présentent un avantage évident pour prévoir les cours du pétrole : elles sont accessibles en temps réel selon une fréquence quotidienne ou hebdomadaire. Nous cherchons donc à déterminer le pouvoir de prévision de ces riches ensembles de données en utilisant des modèles avec données à fréquence mixte. Nous montrons que, parmi toute une gamme de prédicteurs de haute fréquence, les variations des stocks de pétrole brut aux États-Unis améliorent de manière appréciable et statistiquement significative, en temps réel, l’exactitude des prévisions. Le modèle d’échantillonnage de données de fréquence mixte (MIDAS) privilégié peut réduire l’erreur quadratique moyenne de prévision dans une proportion allant jusqu’à 16 %, si l’on compare avec la prévision du modèle de marche aléatoire. Il permet également de prévoir avec exactitude le sens des variations dans 80 % des cas, et cela de manière statistiquement significative. Les prévisions établies grâce à ce modèle MIDAS sont également plus justes que celles issues d’un modèle vectoriel autorégressif basé sur des données de fréquence mixte en temps réel, mais elles ne sont pas systématiquement plus exactes que les projections correspondantes fondées sur les stocks mensuels. Nous concluons que, généralement, le fait de ne pas tenir compte des données financières de haute fréquence dans la prévision des prix mensuels réels du pétrole a une incidence négligeable.