Bu araşdırma Brent xam neftinin Hindistan rupisi ilə ifadə olunan maya dəyərinin aylıq üfüqlərdə proqnozlaşdırılıb-proqnozlaşdırıla bilməyəcəyini araşdırır. Araşdırmanın mərkəzindəki dəyişən yalnız Brent neftinin dollar qiyməti deyil. Hindistan baxımından əsas iqtisadi risk Brent neftinin dollar qiyməti ilə dollar/rupi məzənnəsinin birləşməsindən yaranan Brent-INR dəyəridir. Çünki Hindistan nefti əsasən dollarla idxal etdiyi halda, neft emalı zavodlarının gəlir və xərcləri yerli valyuta olan rupi ilə bağlıdır.

Adesh Kumar Mishra tərəfindən hazırlanmış araşdırmada 1987-ci ilin mayından 2026-cı ilin mayına qədər olan dövrü əhatə edən 39 illik aylıq Brent-INR sırasından istifadə edilir. Araşdırmada yeddi fərqli proqnozlaşdırma yanaşması müqayisə olunur: təsadüfi gedişə əsaslanan sadə proqnoz modeli, mövsümi sadə model, ARIMA, mövsümi ARIMA, Prophet, xarici dəyişənli Prophet və XGBoost. Modellər 1, 3, 6 və 12 aylıq proqnoz üfüqlərində sınaqdan keçirilir. Nəticə kifayət qədər aydındır: araşdırılan modellərin heç biri “son dəyər nədirsə, gələcək proqnoz da odur” məntiqinə əsaslanan təsadüfi gediş modelini statistik baxımdan əhəmiyyətli şəkildə üstələyə bilmir.

Araşdırmanın nəticəsi yalnız texniki proqnoz göstəricisi deyil. Hindistan kimi neft idxalından asılı iqtisadiyyat üçün bu nəticə neft emalı zavodlarının və siyasət formalaşdıran qurumların neft xərclərini istiqamət proqnozlarına əsaslanaraq idarə edə bilməyəcəyini göstərir. Araşdırmaya görə daha mürəkkəb statistik modellər və ya maşın öyrənməsi alqoritmləri aylıq Brent-INR hərəkətlərində etibarlı istiqamət siqnalı yaratmır. Buna görə tədqiqat proqnoza əsaslanan hedcinq strategiyaları əvəzinə dəyişkənlik rejimi kimi müşahidə edilə bilən bazar şəraitinə söykənən qaydalı risk idarəetməsi yanaşmalarının daha məqsədəuyğun ola biləcəyini müdafiə edir.

Bu araşdırmanın çıxış nöqtəsi çox praktik bir sualdır: Hindistanda neft idxal edən neft emalı zavodları qarşıdakı aylarda Brent neftinin rupi ilə maya dəyərini etibarlı şəkildə proqnozlaşdıra bilərmi?

Bu sual ilk baxışda yalnız neft qiymətinin proqnozlaşdırılması kimi görünə bilər. Lakin araşdırma daha həssas bir dəyişənə yönəlir. Beynəlxalq bazarda Brent xam nefti adətən ABŞ dolları ilə qiymətləndirilir. Ancaq Hindistandakı neft emalı zavodları üçün son iqtisadi yük yalnız Brent-in dollarla qiyməti deyil. Hindistan rupisinin ABŞ dollarına qarşı dəyəri də xərclərə birbaşa təsir göstərir. Buna görə araşdırmada öyrənilən əsas dəyişən belədir:

Brent-INR(t) = Brent-USD(t) × INR/USD(t)

Bu düstur müəyyən zamandakı Brent neftinin Hindistan rupisi ilə bir barelinin maya dəyərini verir. Burada Brent-USD(t)Brent neftinin ABŞ dolları ilə barel qiymətidir. INR/USD(t) isə bir ABŞ dollarının neçə Hindistan rupisinə uyğun gəldiyini göstərən məzənnədir. Bu iki dəyər vurulduqda Hindistanlı alıcı üçün bir barel Brent neftinin rupi ilə maya dəyəri alınır.

Gündəlik bir nümunə ilə izah etsək, məhsulun xaricdəki qiyməti sabit qalsa belə, yerli valyuta dollar qarşısında dəyər itirərsə həmin məhsul yerli istehlakçı üçün bahalaşır. Neft idxalında da eyni məntiq keçərlidir. Brent neftinin dollar qiyməti azalmasa belə, rupi dollar qarşısında dəyər itirdikdə Hindistandakı neft emalı zavodunun ödəyəcəyi rupi məbləği arta bilər. Əks halda isə neftin dollar qiyməti artsa belə, məzənnə hərəkəti bu artımı qismən kompensasiya edə bilər. Buna görə Brent-INR iki ayrı riskin birləşməsidir: neft qiyməti riski və məzənnə riski.

Brent-INR dəyişəni niyə vacibdir?

Araşdırmada Hindistanın dünyanın ən böyük neft istehlakçılarından və idxalçılarından biri olduğu vurğulanır. Hindistanın enerji sistemi baxımından xam neft idxalı yalnız şirkətlərin xərc cədvəllərinə təsir etmir; xarici ticarət kəsiri, inflyasiya, yanacaq qiymətləri, neft emalı zavodlarının gəlirliliyi və dövlət siyasəti üzərində də təsir göstərir.

Neftin qiyməti artdıqda və ya yerli valyuta dəyər itirdikdə idxal olunan neftin yerli valyuta ilə maya dəyəri yüksəlir. Bu artım neft emalı xərclərinə, yanacaq qiymətlərinə, nəqliyyat xərclərinə və dolayı olaraq bir çox mal və xidmətin qiymətinə əks oluna bilər. Buna görə Brent-INR-in proqnozlaşdırıla bilib-bilməməsi yalnız akademik model müqayisəsi deyil. Eyni zamanda enerji idxalından asılı ölkələrdə xərc idarəetməsi, qiymətqoyma və riskdən qorunma siyasətləri baxımından çox mühüm məsələdir.

Bu məqamda araşdırma əvvəlki neft qiyməti ədəbiyyatı ilə də əlaqə qurur. Neft qiymətlərinin proqnozlaşdırılmasının son dərəcə çətin olduğu uzun müddətdir məlumdur. Xüsusilə qısamüddətli neft qiyməti proqnozlarında sadə təsadüfi gediş modeli çox vaxt daha inkişaf etmiş modelləri üstələyə bilən güclü müqayisə meyarıdır. Araşdırmanın orijinal töhfəsi bu məlum nəticənin yalnız dollarla Brent üçün deyil, Hindistan baxımından daha mənalı olan rupi ilə Brent maya dəyəri üçün də keçərli olub-olmadığını sınaqdan keçirməsidir.

Təsadüfi gediş nə deməkdir?

Araşdırmada ən mühüm müqayisə modeli random walkyəni təsadüfi gediş modelidir. Bu modelin məntiqi çox sadədir: aktivin gələcək dövrdəki ən yaxşı proqnozu onun bugünkü dəyəridir. Məsələn, Brent-INR bu gün 8.000 rupi/bareldirsə, təsadüfi gediş modeli gələn ay üçün də 8.000 rupi/barel proqnozu verir.

Bu yanaşma ilk baxışda həddindən artıq sadə görünə bilər. Lakin maliyyə və əmtəə bazarlarında qiymətlər çox vaxt mövcud informasiyanı sürətlə özündə əks etdirdiyi üçün daha mürəkkəb modellərin bu sadə proqnozu davamlı şəkildə üstələməsi çətindir. Əgər bazardakı iştirakçılar neft qiyməti, məzənnə, geosiyasi risklər, tələb-təklif tarazlığı və makroiqtisadi məlumatları artıq qiymətlərə daxil ediblərsə, keçmiş məlumatlardan istifadə etməklə növbəti ayın istiqamətini etibarlı şəkildə proqnozlaşdırmaq asan deyil.

Bu tədqiqatın mahiyyəti də məhz buradadır: tədqiqatçı Brent-INR sırasının həqiqətən inkişaf etmiş modellərlə proqnozlaşdırıla bilib-bilmədiyini sınaqdan keçirir. Əgər ARIMA, SARIMA, Prophet və ya XGBoost kimi modellər sadə təsadüfi gediş modelini əhəmiyyətli şəkildə üstələyə bilmirsə, bu, “daha mürəkkəb model daha yaxşı proqnoz verir” fərziyyəsinin bu məlumat dəstində keçərli olmadığını göstərir.

Məlumat dəsti necə yaradılıb?

Araşdırmanın məlumat dəsti açıq istifadədə olan gündəlik maliyyə sıralarından yaradılıb. Tədqiqatda üç əsas gündəlik sıradan istifadə edilir:

• Avropa Brent spot neft qiyməti, ABŞ dolları/barel ilə,
• West Texas Intermediate, yəni WTI spot neft qiyməti, ABŞ dolları/barel ilə,
• Hindistan rupisinin ABŞ dollarına qarşı məzənnəsi.

Bu sıralar Federal Reserve Economic Data, yəni FRED məlumat bazasından götürülüb. Brent sırası, WTI sırası və INR/USD məzənnəsi ortaq ticarət günlərinə uyğunlaşdırılıb. Ortaq gündəlik məlumat nümunəsi 20 may 1987-ci ildən 11 may 2026-cı ilədək olan dövrü əhatə edir və ümumilikdə 10.169 gündəlik müşahidədən ibarətdir.

Tədqiqatçı daha sonra bu gündəlik məlumatları aylıq tezliyə çevirir. Bunun səbəbi neft təchizatı və hedcinq qərarlarının çox vaxt gündəlik deyil, aylıq dövrlərlə qəbul edilməsidir. Neft emalı zavodlarında yük planlaşdırması, qiymətqoyma pəncərələri və hedcinq kitabının yenidən tarazlaşdırılması adətən aylıq məntiqlə aparılır. Buna görə araşdırmada hər ayın gündəlik dəyərlərinin orta qiyməti hesablanaraq aylıq sıra yaradılır. Beləliklə, 1987-ci ilin mayından 2026-cı ilin mayına qədər 469 aylıq müşahidə əldə edilir.

Aylıq orta qiymətdən istifadə vacibdir. Əgər yalnız ayın sonundakı dəyər istifadə edilsəydi, tək bir gündəki kəskin qiymət hərəkəti bütün ayı təmsil edə bilərdi. Halbuki aylıq orta qiymət neft emalı zavodunun ay ərzində qarşılaşa biləcəyi orta maya dəyərinə daha yaxın göstərici verir və bir günlük sıçrayışların təsirini azaldır.

Məlumatın əsas xüsusiyyətləri hansılardır?

Araşdırmadakı xülasə statistikası Brent-INR sırasının nə qədər böyük dəyişiklik keçirdiyini aydın göstərir. 39 illik dövrdə Hindistan rupisi ABŞ dolları qarşısında 12,7 səviyyəsindən 94,7 səviyyəsinə qədər dəyər itirib. Eyni dövrdə Brent neftinin dollar qiyməti təxminən 19 dollardan 109 dollara yüksəlib. Bu iki hərəkət birləşdikdə Brent-INR dəyəri təxminən 236 rupi/barel səviyyəsindən 10.371 rupi/barel səviyyəsinə yüksələrək qırx dəfədən çox artıb.

Cədvəl 1-də verilən xülasə statistikası aylıq Brent-INR sırasının orta qiymətinin 2.923,70 rupi/barel, medianının 2.556,14 rupi/barel və standart sapmasının 2.394,41 rupi/barel olduğunu göstərir. Minimum dəyər 182,56 rupi/barel, maksimum dəyər isə 11.051,45 rupi/bareldir. Bu geniş interval neft qiyməti ilə məzənnənin birləşməsinin uzunmüddətli dövrdə nə qədər güclü xərc dalğalanması yaratdığını göstərir.

Bu cədvəldə diqqət yetirilməli üç əsas məqam var. Birincisi, Brent-INR uzun müddətdə çox güclü şəkildə yüksəlib. İkincisi, sıranın dəyişkənliyi çox yüksəkdir; standart sapma orta qiymətin kifayət qədər böyük hissəsinə bərabərdir. Üçüncüsü, qısamüddətli hərəkətlərdə neft qiyməti məzənnədən daha dəyişkəndir. Araşdırmaya görə aylıq rupi log gəlirlərinin standart sapması %1,8 olduğu halda, dollarla Brent gəlirlərinin standart sapması %9,9-dur. Buna görə qısamüddətli Brent-INR hərəkətlərində neft qiymətinin dəyişkənliyi üstün görünür, uzunmüddətli yüksəlişdə isə rupinin dəyərsizləşməsinin təsiri böyükdür.

Sıra stasionardır, yoxsa təsadüfi gedişə bənzəyir?

Zaman sırası analizində vacib suallardan biri sıranın stasionar olub-olmamasıdır. Stasionar sıra orta qiyməti və dispersiyası zaman ərzində nisbətən sabit qalan quruluş göstərir. Qeyri-stasionar sırada isə səviyyə zaman ərzində qalıcı şəkildə dəyişə bilər. Neft qiymətləri və valyuta məzənnələri kimi maliyyə sıraları çox vaxt stasionar olmur.

Araşdırmada Brent-INR səviyyə sırası üçün genişləndirilmiş Dickey-Fuller testi tətbiq edilir. Test nəticəsi sırada vahid kökün olduğu fərziyyəsini rədd edə bilmir; p dəyəri 0,84-dür. Bu nəticə Brent-INR səviyyəsinin təsadüfi gediş davranışına yaxın olduğunu göstərir. Bunun əksinə, loqarifmik birinci fərqlər güclü şəkildə stasionardır; ADF testində p dəyəri 0,001-dən aşağıdır.

Bu texniki nəticəni sadə şəkildə belə oxumaq olar: Brent-INR-in səviyyəsi zaman ərzində qalıcı dalğalanmalar və trendlər daşıyır. Lakin bir dövrdən digərinə dəyişmə nisbətləri daha təhlil edilə bilən quruluşa malikdir. Bununla belə, bu, sıranın asan proqnozlaşdırıldığı demək deyil. Araşdırmada aylıq log gəlirlərində birinci gecikmədə +0,26 səviyyəsində statistik baxımdan əhəmiyyətli müsbət avtokorrelyasiya müəyyən edilir. Yəni əvvəlki ayın hərəkəti ilə növbəti ayın hərəkəti arasında zəif momentum əlaməti var. Lakin araşdırmanın kritik nəticəsi budur: bu momentum nümunə daxilində görünsə də, nümunədənkənar etibarlı proqnoz üstünlüyünə çevrilmir.

Hansı modellər müqayisə edilib?

Araşdırmada yeddi model müqayisə edilir. Bunlar sadə müqayisə modellərindən klassik zaman sırası modellərinə və maşın öyrənməsi yanaşmasına qədər uzanır.

1. Naive, yəni təsadüfi gediş modeli: Bu model gələcək proqnozu son müşahidə olunan dəyərə bərabər götürür. Əgər bu gün Brent-INR 7.000-dirsə, gələn ay üçün də 7.000 proqnoz verir. Sadə görünməsinə baxmayaraq, proqnozlaşdırma ədəbiyyatında çox güclü müqayisə meyarıdır.

2. Mövsümi naive model: Bu model gələcək proqnoz üçün 12 ay əvvəlki dəyərdən istifadə edir. Məqsəd sırada güclü təqvim mövsümiliyi varsa onu tutmaqdır. Məsələn, bu ilin yanvarını proqnozlaşdırarkən keçən ilin yanvarına baxır.

3. ARIMA(1,1,1): ARIMA modeli zaman sıralarındakı avtokorrelyasiya quruluşundan istifadə edir. Buradakı (1,1,1) ifadəsi modelin bir avtoreqressiv termin, bir fərqləmə əməliyyatı və bir hərəkətli orta terminindən ibarət olduğunu göstərir. Araşdırmada bu model Brent-INR səviyyəsinin birinci fərqləri üzərində işləyir və proqnozları yenidən ilkin rupi/barel miqyasına çevirir.

4. SARIMA(1,1,1)(1,1,1)₁₂: SARIMA modeli ARIMA-nın mövsümi quruluşu da nəzərə alan formasıdır. Buradakı 12 aylıq dövr illik mövsümi təsiri tutmağı hədəfləyir. Brent-INR-də aydın təqvim nümunələri olsaydı, bu modelin üstünlük verməsi gözlənilə bilərdi.

5. Prophet modeli: Prophet trend və mövsümilik komponentləri ilə işləyən additiv proqnoz modelidir. Araşdırmada Prophet-in sadə versiyası yalnız trend və illik mövsümiliklə qiymətləndirilib.

6. Xarici dəyişənli Prophet: Bu versiyada Prophet modelinə iki xarici dəyişən əlavə edilir: dollarla Brent qiyməti və INR/USD məzənnəsi. Lakin gələcək dövrlər üçün bu xarici dəyişənlərin dəyəri son müşahidə olunan səviyyədə sabit saxlanılır. Bu dizayn modelə gələcək neft qiymətini və ya məzənnəni bilmə üstünlüyü vermədən keçmiş trend və mövsümilikdən siqnal çıxarıb-çıxara bilmədiyini sınaqdan keçirir.

7. XGBoost: XGBoost qərar ağaclarına əsaslanan güclü maşın öyrənməsi üsuludur. Araşdırmada XGBoost-a 23 xüsusiyyət verilib. Bu xüsusiyyətlər arasında Brent-INR, dollarla Brent, WTI, INR/USD məzənnəsi və Brent-WTI fərqinin 1, 3, 6 və 12 aylıq gecikmələri, həmçinin ay, rüb və il dəyişənləri var. Bu xüsusiyyət dəsti maşın öyrənməsi modelinə mümkün qədər geniş informasiya sahəsi vermək üçün hazırlanıb.

Walk-forward backtest üsulu niyə vacibdir?

Araşdırmanın metodoloji baxımdan ən dəyərli tərəflərindən biri modellərin walk-forward yəni irəli addımlayan geriyə dönük sınaq dizaynı ilə qiymətləndirilməsidir. Bu üsul real həyatda proqnoz şərtlərini daha yaxşı təqlid edir.

Model hər proqnoz nöqtəsində yalnız həmin tarixədək məlum ola biləcək keçmiş məlumatlarla öyrədilir. Daha sonra 1, 3, 6 və ya 12 ay sonrakı dövr üçün proqnoz verir. Sonra zaman bir ay irəli çəkilir, model daha geniş keçmiş məlumatla yenidən öyrədilir və yeni proqnoz hazırlanır. Beləliklə, gələcəyə aid məlumat səhvən modelə verilmir. Bu, maliyyə proqnozlaşdırma araşdırmalarında son dərəcə vacibdir. Çünki gələcək məlumatından hətta dolayı şəkildə istifadə etmək modelə real həyatda malik ola bilməyəcəyi üstünlük yaradır.

Araşdırmada qiymətləndirmə 2005-ci ilin yanvarında başlanır. Beləliklə, modellərin öyrədilməsi üçün ən azı 60 aylıq ilkin pəncərə təmin edilir və erkən dövrdəki daha səs-küylü məlumat quruluşu kənarda saxlanılır. Proqnoz üfüqü 1 ay olduqda 257 nümunədənkənar proqnoz mərhələsindən istifadə edilir. Üfüq 12 aya çatdıqda nümunənin sonu daha çox istifadə olunduğu üçün mərhələ sayı 246-ya düşür.

Hansı xəta göstəricilərindən istifadə edilib?

Araşdırma modelləri tək göstərici ilə deyil, dörd fərqli göstərici ilə qiymətləndirir. Bu yanaşma vacibdir, çünki model bir göstəricidə yaxşı görünərkən digərində zəif qala bilər.

MAPEorta mütləq faiz xətasıdır. Proqnoz xətasını faizlə göstərir. Məsələn, %7 MAPE modelin orta xətasının faktiki dəyərin təxminən %7-si səviyyəsində olduğunu bildirir.

MAEorta mütləq xətadır. Bu göstərici xətanı rupi/barel ilə verir. Neft emalı zavodu kimi praktik xərc idarəetməsi aparan qurumlar üçün xətanı birbaşa pul vahidi ilə görmək vacibdir.

RMSEorta kvadrat xətanın kvadrat köküdür. Böyük xətaları daha çox cəzalandırır. Hedcinq və risk idarəetməsi baxımından xüsusilə vacibdir, çünki çox böyük qiymət sapmaları kiçik xətalardan daha baha başa gələ bilər.

İstiqamət dəqiqliyimodelin qiymətin artacağını, yoxsa azalacağını düzgün proqnozlaşdırıb-proqnozlaşdırmadığını ölçür. Xəzinədarlıq və ya risk idarəetməsi komandası üçün səviyyə proqnozundan asılı olmayaraq istiqamət məlumatı da vacibdir. Çünki “indi alaq, yoxsa gözləyək?” sualı çox vaxt istiqamət proqnozuna bağlıdır.

Araşdırma həmçinin model cütləri arasında proqnoz dəqiqliyi fərqlərinin statistik baxımdan əhəmiyyətli olub-olmadığını müəyyən etmək üçün Diebold-Mariano testindən istifadə edir. Bu test iki proqnoz modelinin xəta sıraları arasında həqiqətən əhəmiyyətli fərq olub-olmadığını qiymətləndirir. Təkcə bir modelin cədvəldə bir qədər aşağı xəta göstərməsi kifayət etmir; fərq nümunə səs-küyündən ayrılmalıdır.

Bir aylıq proqnoz üfüqündə nəticələr nə göstərir?

Bir aylıq proqnoz üfüqü neft emalı zavodlarının qısamüddətli təchizat və hedcinq qərarları baxımından birbaşa əhəmiyyət daşıyır. Araşdırmanın Cədvəl 2 nəticələri bir ay sonrakı dövr üçün ən aşağı MAPE dəyərinin ARIMA(1,1,1) modelində olduğunu göstərir. ARIMA-nın MAPE dəyəri %6,98-dir. SARIMA %7,05 ilə ikinci yerdədir. Naive, yəni təsadüfi gediş modeli isə %7,29 MAPE ilə üçüncü yerdə gəlir.

Səthi baxışda ARIMA modeli naive modeldən daha yaxşı görünə bilər. Lakin aradakı fərq cəmi 0,31 faiz bəndidir. Yəni ARIMA-nın MAPE dəyəri %6,98, naive modelin MAPE dəyəri isə %7,29-dur. Araşdırmanın Diebold-Mariano testi bu fərqin statistik baxımdan əhəmiyyətli olmadığını göstərir; ARIMA ilə naive arasındakı p dəyəri 0,281-dir. Bu nəticə ARIMA-nın kiçik rəqəmsal üstünlüyünün etibarlı proqnoz üstünlüyü kimi şərh edilə bilməyəcəyini göstərir.

Daha diqqətçəkən məqam daha mürəkkəb modellərin naive modeldən daha zəif nəticə göstərməsidir. XGBoost-un MAPE dəyəri %7,49, xarici dəyişənli Prophet-in MAPE dəyəri isə %8,44-dür. Diebold-Mariano testinə görə naive model Prophet + xarici dəyişənlər modelindən əhəmiyyətli şəkildə daha yaxşıdır; p dəyəri 0,003-dür. Naive model XGBoost-dan da əhəmiyyətli şəkildə daha yaxşıdır; p dəyəri 0,006-dır.

Bu nəticə “daha çox xüsusiyyət və daha mürəkkəb model daha yaxşı proqnoz verir” düşüncəsinin bu məlumat dəstində işləmədiyini göstərir. Maşın öyrənməsi modeli 23 xüsusiyyətdən istifadə etməsinə baxmayaraq, sadə təsadüfi gediş modelindən daha zəif nəticə verib. Bunun səbəbi əlavə dəyişənlərin həqiqi proqnoz siqnalı əlavə etməməsi, əvəzində modelin proqnoz dispersiyasını və mürəkkəbliyini artırması ola bilər.

İstiqamət dəqiqliyi baxımından da güclü model üstünlüyü yoxdur. Naive model %57,4 ilə ən yüksək istiqamət dəqiqliyinə malikdir. ARIMA və SARIMA %56,6, XGBoost isə %56,3 səviyyəsindədir. Bu fərqlər böyük deyil. Daha vacibi, heç bir model həm səviyyə, həm də istiqamət proqnozunda təsadüfi gedişi aydın və statistik baxımdan etibarlı şəkildə üstələyə bilmir.

Bir aylıq proqnoz qrafiki nə göstərir?

Araşdırmanın 1-ci şəkli yeddi modelin bir aylıq proqnozlarını faktiki Brent-INR dəyəri ilə müqayisə edir. Belə qrafiklərdə məqsəd proqnoz xətlərinin faktiki sıra ilə nə qədər birlikdə hərəkət etdiyini görməkdir. Qrafikdə rəqabətçi modellərin əksəriyyəti, xüsusilə ARIMA, SARIMA, XGBoost və naive, ümumi səviyyəni izləyirmiş kimi görünür. Lakin bu izləmə əsasən son müşahidə olunan səviyyəyə yaxın qalma davranışından irəli gəlir. Yəni modellər qiymətin yeni istiqamətini qabaqcadan görməkdən çox, mövcud səviyyəni irəli daşıyır.

Sadə Prophet və mövsümi naive modellərinin isə nəzərəçarpacaq dərəcədə zəif qaldığı görünür. Bu da Brent-INR sırasındakı sadə təqvim mövsümiliyinin güclü proqnoz mənbəyi olmadığını dəstəkləyir. Əgər aylıq Brent-INR-də müntəzəm və etibarlı mövsümi nümunə olsaydı, mövsümi naive və ya Prophet modellərinin daha yaxşı nəticə verməsi gözlənilərdi. Lakin nəticələr bunun əksini göstərir.

Üç, altı və on iki aylıq üfüqlərdə nəticələr necə dəyişir?

Araşdırmanın ən mühüm tərəflərindən biri yalnız bir aylıq proqnoza baxmamasıdır. Tədqiqat 3, 6 və 12 aylıq üfüqlərdə də modelləri müqayisə edir. Bu daha uzun müddətlər neft emalı zavodlarının təchizat planlaşdırması və hedcinq strategiyaları baxımından əhəmiyyətlidir.

Nəticələr göstərir ki, üfüq uzandıqca bütün modellərin xəta səviyyəsi yüksəlir. Bir aylıq üfüqdə rəqabətçi modellər təxminən %7 MAPE səviyyəsində olduğu halda, üç ayda xəta təxminən %15-ə, altı ayda %21-ə, on iki ayda isə təxminən %28-ə yüksəlir. Bu, təsadüfi gedişə yaxın sıralarda gözlənilən haldır: proqnoz üfüqü uzandıqca qeyri-müəyyənlik toplanır və xəta artır.

Bu cədvəldə xüsusilə diqqət yetirilməli məqam modellərin bir-birinə çox yaxınlaşmasıdır. Üç aylıq üfüqdə XGBoost baza xəttindən kənar ən yaxşı model kimi görünsə də, MAPE dəyəri %14,87-dir; naive modelin MAPE dəyəri isə %14,78-dir. Yəni XGBoost “qalib” kimi etiketlənsə belə, rəqəmsal olaraq naive modeldən daha zəifdir. Altı aylıq üfüqdə xarici dəyişənli Prophet %20,71 ilə baza xəttindən kənar ən yaxşı model kimi görünür; naive model %21,00-dır. Fərq cəmi 0,29 faiz bəndidir. On iki aylıq üfüqdə ARIMA %28,18, naive model isə %28,19 MAPE verir. Aradakı fərq demək olar ki, yox dərəcəsindədir.

Diebold-Mariano testləri bu mənzərəni daha da gücləndirir. Üç, altı və on iki aylıq üfüqlərdə ümumilikdə otuz model cütü müqayisəsinin heç birində %5 əhəmiyyətlilik səviyyəsində statistik fərq yoxdur. Başqa sözlə, uzun üfüqlərdə bütün rəqabətçi modellər statistik baxımdan bir-birinə bərabərdir. Naive model heç bir üfüqdə əhəmiyyətli şəkildə məğlub edilməyib.

İstiqamət dəqiqliyi də daha uzun üfüqlərdə zəifləyir. Üç, altı və on iki aylıq müddətlərdə modellərin istiqamət dəqiqliyi çox vaxt %50 ətrafında və ya ondan aşağı olur. Bu, modelin qiymətin artacağını, yoxsa azalacağını proqnozlaşdırmaq gücünün yazı-tura səviyyəsinə yaxınlaşdığını göstərir. Neft emalı zavodu baxımından bu çox kritik nəticədir; çünki hedcinq qərarları çox vaxt istiqamət baxışına əsaslanır. Əgər model gələn ay, üç ay və ya altı ay sonrakı istiqaməti etibarlı şəkildə deyə bilmirsə, “qiymət artacaq, indi hedcinq edək” və ya “qiymət düşəcək, gözləyək” kimi qərarları bu proqnoza əsaslandırmaq zəif strategiya olar.

2-ci şəkil nəyi göstərir?

Araşdırmanın 2-ci şəkli MAPE, RMSE və istiqamət dəqiqliyinin proqnoz üfüqlərinə görə necə dəyişdiyini göstərir. Qrafikdə rəqabətçi modellərin xətləri bir-birinə çox yaxın irəliləyir. MAPE və RMSE üfüq uzandıqca yuxarı doğru açılır; bu, proqnoz xətasının zamanla artdığını göstərir. İstiqamət dəqiqliyi qrafiki isə modellərin aydın proqnoz bacarığı yaratmadığını dəstəkləyir.

Bu şəklin sadə şərhi belədir: model seçimi dəyişsə də, nəticə çox dəyişmir. ARIMA, SARIMA, Prophet + xarici dəyişənlər, XGBoost və naive model xüsusilə uzun üfüqlərdə demək olar ki, eyni proqnoz məhdudiyyətinə ilişir. Bu vəziyyət problemin müəyyən bir modelin zəifliyindən deyil, məlumat quruluşunun özünün proqnozu çətinləşdirməsindən qaynaqlandığını düşündürür.

XGBoost modeli daxildə nə öyrənib?

Araşdırmanın çox dəyərli hissələrindən biri XGBoost modelinin xüsusiyyət əhəmiyyətlərini təhlil etməsidir. Bu təhlil maşın öyrənməsi modelinin proqnoz verərkən hansı dəyişənlərə söykəndiyini göstərir. Əgər Brent-INR həqiqətən xarici dəyişənlərlə proqnozlaşdırıla bilsəydi, XGBoost-un dollarla Brent, WTI, məzənnə, Brent-WTI fərqi və ya təqvim dəyişənlərinə güclü çəki verməsi gözlənilərdi.

Lakin nəticə bunun tam əksidir. XGBoost modelinin ümumi bölünmə əhəmiyyətinin %52,0-si Brent-INR-in bir ay gecikmiş dəyərinə düşür. Üç ay gecikmiş Brent-INR dəyəri isə %19,7 əhəmiyyət daşıyır. Bu iki dəyişən birlikdə ümumi əhəmiyyətin %71,7-sini təşkil edir. Yəni modelə 23 xüsusiyyət verilməsinə baxmayaraq, o, əsasən proqnozlaşdırmağa çalışdığı sıranın öz keçmiş dəyərlərinə söykənib.

Bu cədvəl araşdırmanın əsas nəticəsini daxildən dəstəkləyir. XGBoost kimi çevik maşın öyrənməsi modeli belə mürəkkəb xarici dəyişənlərdən etibarlı siqnal çıxara bilməyib; əvəzində demək olar ki, təsadüfi gediş modelinin etdiyini öyrənib: son dəyərə bax və gələcəyi ona yaxın proqnozlaşdır.

Burada “model təsadüfi gedişi yenidən kəşf etdi” demək olar. Çünki naive model də əslində son müşahidə olunan dəyəri proqnoz kimi istifadə edir. XGBoost-un ən böyük çəkini son Brent-INR dəyərinə verməsi məlumat dəstində ən güclü informasiyanın artıq mövcud səviyyə olduğunu göstərir. Məzənnə, WTI, Brent-WTI fərqi və ya təqvim dəyişənləri isə modelin davranışında məhdud yer tutur.

3-cü şəkil nə göstərir?

Araşdırmanın 3-cü şəkli XGBoost modelindəki ən mühüm 10 xüsusiyyəti sütun qrafiki ilə göstərir. Qrafikdə ilk iki sütunun, yəni Brent-INR-in 1 ay və 3 ay gecikmiş dəyərlərinin digər bütün xüsusiyyətlərdən xeyli böyük olduğu görünür. Bu vizual cədvəli daha intuitiv edir: modelin əsas dayağı neft və ya məzənnənin ayrıca mürəkkəb əlaqələri deyil, Brent-INR sırasının öz keçmiş səviyyəsidir.

Qrafikdə ay və rüb kimi mövsümi dəyişənlərin çox aşağı əhəmiyyətə malik olması da diqqət çəkir. Araşdırmaya görə ay və rüb dəyişənləri birlikdə cəmi təxminən %0,23 əhəmiyyət daşıyır. Bu nəticə Brent-INR-də müntəzəm və istifadə edilə bilən təqvim mövsümiliyinin olmadığı şərhini dəstəkləyir.

Araşdırmanın hedcinq siyasəti baxımından mənası nədir?

Bu araşdırmanın nəticəsində ən mühüm praktik çıxarış hedcinq siyasəti ilə bağlıdır. Əgər Brent-INR aylıq üfüqlərdə etibarlı şəkildə proqnozlaşdırıla bilmirsə, Hindistanlı neft emalı zavodlarının hedcinq nisbətlərini “qiymət yüksələcək” və ya “qiymət düşəcək” kimi istiqamət proqnozlarına əsasən müəyyən etməsi elmi baxımdan zəif təmələ söykənir.

Bu, neft emalı zavodlarının hedcinq etməməli olduğu demək deyil. Əksinə, neft və məzənnə riski yüksək olduğuna görə hedcinq hələ də vacib ola bilər. Lakin araşdırmanın dediyi budur: hedcinq qərarı müəyyən modelin gələcək qiymət istiqamətini bildiyi fərziyyəsinə əsaslanmamalıdır. Bunun əvəzinə müşahidə edilə bilən bazar şəraitinə bağlı qaydalı strategiyalar daha uyğun ola bilər.

Məsələn, neft emalı zavodu hedcinq nisbətini qiymət proqnozuna deyil, bazar dəyişkənliyi rejiminə görə müəyyən edə bilər. Dəyişkənlik çox yüksəkdirsə bir, aşağıdırsa başqa hedcinq nisbətləri tətbiq oluna bilər. Eyni şəkildə risk büdcəsi, pul axını ehtiyacı, ehtiyat siyasəti, borclanma quruluşu və makroiqtisadi qeyri-müəyyənlik kimi müşahidə edilə bilən amillər nəzərə alına bilər. Araşdırma proqnoza əsaslanan hedcinq məntiqinin bu məlumat dəstində dəstəklənmədiyini; əvəzində qayda əsaslı və rejim şərtli strategiyaların öyrənilməli olduğunu müdafiə edir.

Bu nəticə gündəlik həyat baxımından necə başa düşülməlidir?

Neftin maya dəyəri yalnız neft emalı zavodlarının balanslarında qalan texniki məsələ deyil. Neft qiyməti ilə məzənnə birləşdikdə nəqliyyat xərclərindən istehsal xərclərinə, inflyasiyadan istehlakçı qiymətlərinə qədər geniş sahəyə təsir göstərə bilər. Buna görə neft maya dəyərinin proqnozlaşdırıla bilib-bilməməsi bütövlükdə cəmiyyəti maraqlandıran məsələdir.

Gündəlik həyatda insanlar çox vaxt “neftin qiyməti artacaq, yoxsa düşəcək?” sualına dəqiq cavab axtarırlar. Lakin bu araşdırma, ən azı Brent-INR xüsusi halında, aylıq üfüqlərdə bu suala etibarlı model cavabı verməyin son dərəcə çətin olduğunu göstərir. Ən inkişaf etmiş görünən modellər belə sadə “son dəyər davam edir” yanaşmasını əhəmiyyətli şəkildə üstələyə bilmir.

Bu nəticə enerji qiymətlərinin tamamilə təsadüfi olduğu demək deyil. Neft bazarında tələb-təklif, geosiyasi risklər, OPEC qərarları, qlobal artım, maliyyə şəraiti və məzənnə kimi çoxsaylı amillər var. Lakin bu amillərin böyük hissəsi artıq qiymətlərdə əks oluna bilər və ya gələcək şokları əvvəlcədən bilmək mümkün olmaya bilər. Buna görə keçmiş məlumatlarla öyrədilmiş modellər növbəti ayın istiqamətini dəqiq şəkildə tuta bilməyə bilər.

Keçmiş, bu gün və gələcək baxımından araşdırmanın dəyəri

Keçmiş baxımından araşdırma neft qiyməti proqnozlaşdırma ədəbiyyatındakı güclü nəticəni Hindistanın yerli valyuta ilə neft maya dəyəri sahəsinə daşıyır. Əvvəlki ədəbiyyatda dollarla neft qiymətlərinin təsadüfi gedişə bənzər davranış göstərdiyi və inkişaf etmiş modellərin sadə no-change proqnozunu üstələməkdə çətinlik çəkdiyi göstərilmişdi. Bu araşdırma oxşar nəticənin Brent-INR üçün də keçərli olub-olmadığını sınaqdan keçirir.

Bu gün baxımından araşdırmanın dəyəri enerji idxalından asılı iqtisadiyyatlarda risk idarəetməsi müzakirəsinə töhfə verməsidir. Neft emalı zavodları, enerji şirkətləri və siyasət formalaşdıran qurumlar mürəkkəb proqnoz modellərinin həmişə daha yaxşı qərar yaradacağını fərz etməməlidir. Əgər modelin proqnoz üstünlüyü statistik baxımdan əhəmiyyətli deyilsə, həmin modelə əsaslanan böyük maliyyə qərarları riskli ola bilər.

Gələcək baxımından araşdırma proqnoz modellərindən tamamilə imtina edilməsini deyil, proqnoza verilən rolun yenidən düşünülməsini təklif edir. Bəlkə qiymət səviyyəsini proqnozlaşdırmaq əvəzinə risk rejimlərini təsnifləşdirmək, dəyişkənlik dövrlərini müəyyən etmək, hedcinq nisbətlərini qaydalara bağlamaq və ya stress ssenariləri yaratmaq daha faydalı ola bilər. Araşdırmanın nəticə bölməsində də bu istiqamətdə companion study, yəni tamamlayıcı araşdırma ideyası qeyd olunur: əgər Brent-INR proqnozlaşdırıla bilmirsə, hedcinq sualı artıq “qiymət hara gedəcək?” deyil, “qeyri-müəyyənlik şəraitində hansı qayda daha yaxşı qoruma təmin edir?” sualına çevrilir.

Araşdırmanın məhdudiyyətləri hansılardır?

Araşdırma öz məhdudiyyətlərini açıq şəkildə göstərir. Birinci mühüm məhdudiyyət modellərin xüsusi olaraq optimallaşdırılmamasıdır. ARIMA parametrləri, Prophet ayarları və XGBoost hiperparametrləri sabit və məqbul standart dəyərlərlə istifadə edilib. Buna görə araşdırma ən yaxşı şəkildə incə sazlanmış modellərlə naive modeli deyil, neft emalı zavodunda və ya tətbiq mühitində asanlıqla istifadə edilə bilən standart modellərlə naive modeli müqayisə edir.

Bu məhdudiyyət vacibdir. Daha geniş hiperparametr optimallaşdırması bəzi modellərin nəticəsini yaxşılaşdıra bilər. Xüsusilə XGBoost kimi maşın öyrənməsi modelləri düzgün sazlandıqda daha yaxşı nəticə verə bilər. Lakin araşdırmada XGBoost yalnız rəqəmsal olaraq deyil, bir aylıq üfüqdə statistik baxımdan da naive modeldən daha zəif çıxıb. Bundan əlavə, modelin xüsusiyyət əhəmiyyəti təhlili xarici dəyişənlərdən güclü siqnal çıxarmadığını göstərir. Buna görə yalnız hiperparametr sazlamasının əsas nəticəni tamamilə tərsinə çevirəcəyini fərz etmək üçün güclü əsas yoxdur.

İkinci mühüm məhdudiyyət Brent-INR-in uzunmüddətli trend komponenti ilə bağlıdır. Rupi uzun müddətdə dollar qarşısında dəyər itirib və buna görə Brent-INR-də zamanla yüksələn meyl yaranıb. XGBoost modelində “il” dəyişəninin %8 əhəmiyyət daşıması bu uzunmüddətli meyli əks etdirir. Lakin bu, hedcinq üçün lazım olan qısamüddətli istiqamət siqnalı ilə eyni şey deyil. Dəyişənin illər ərzində yüksələn meyl göstərməsi onun növbəti ay artacağını etibarlı şəkildə proqnozlaşdıra biləcəyimiz anlamına gəlmir.

Üçüncüsü, araşdırma Hindistan və Brent-INR xüsusi halına aiddir. Bu nəticələr digər ölkələrin valyutalarına və ya Türkiyə kimi fərqli enerji idxalçısı iqtisadiyyatlara birbaşa eyni şəkildə tətbiq edilə bilməz. Lakin məntiq baxımından mühüm dərs verir: yerli valyuta ilə enerji maya dəyərini proqnozlaşdırmaq yalnız əmtəə qiymətini deyil, valyuta