Hyödykehinnat vaikuttavat oleellisesti makroekonomisten muuttujien, kuten inflaation, korkojen, valuuttakurssien ja bruttokansantuotteen, kehitykseen. Monilla toimialoilla ne vaikuttavat myös yritysten suoriin ja epäsuoriin kustannuksiin sekä investointipäätöksiin. Robustit hyödykehintojen mallit voivat siten toimia perustana luotettavalle riskienhallintastrategialle.

Tämä diplomityö lähestyy hyödykehintojen mallintamista kahden tutkimuskysymyksen kautta. Ensimmäinen tutkimuskysymys on: “Minkälaiset stokastiset prosessit, diskreetit aikasarjamallit ja koneoppimismallit vaikuttavat riittäviltä hyödykehintojen mallintamisessa?” Toinen tutkimuskysymys on: “Miten ehdotetut mallit suoriutuvat hyödykehintojen ennustamisessa?”

Diplomityön data koostuu kuuden hyödykkeen kuukausihinnoista. Hyödykkeet ovat Brent, WTI, kaasuöljy, maakaasu, palmuöljy ja soijapapuöljy. Malleja tutkiessa mitataan valittujen mallien ennustamistarkkuutta ennustettaessa seuraavan kuukauden hintatasoa. Valitut mallit ovat satunnaiskulku, SARIMA, Ornstein-Uhlenbeck, LSTM ja satunnaismetsä. Lisäksi GARCH-mallien tarkkuutta analysoidaan volatiliteetin mallintamisessa.

Numeeristen tuloksien perusteella ARIMA(1,1,0)-malli on tarkin Brent- ja kaasuöljyhinnoissa. WTI-hinnoissa Ornstein-Uhlenbeck suoriutuu muita malleja paremmin. Maakaasu-, palmuöljy- ja soijapapuöljyhinnoissa satunnaiskulku on tarkin malli. Tulokset eivät siten tue sitä, että analysoidut hyödykehinnat, lukuun ottamatta WTI- hintoja, palautuisivat kohti keskiarvojaan. Volatiliteetin mallintamisessa GARCH suoriutuu paremmin kuin vakiovolatiliteetti, jos taustalla oleva hintaa ennustava malli on robusti.

Tuloksien yleistettävyyttä rajoittavat valitut hyödykkeet, hinnat ja mallit. Lisäksi malleja tutkiessa jätetään huomiotta mallien ennustustarkkuus seuraavan kuukauden jälkeistä hintatasoa ennustettaessa. Tulokset vahvistavat kuitenkin näkemystä keskeisten hyödykehintojen käyttäytymisestä ja antavat edellytyksiä hyödykkeiden hintariskejä mittaavan mallin rakentamiselle.