Data Science para la optimización de procesos deTrading de Crudos

Abstract

Durante muchos años, incluso en la época de las civilizaciones antiguas, el comercio de commodities y la fijación de precios han sido de gran interés. Debido a que la evolución de una civilización en particular estuvo influenciada por su capacidad de producir bienes valiosos que luego podrían intercambiarse por diferentes productos, estas dos tareas fueron de gran importancia para la prosperidad de la civilización. Con el paso de los años, estos procesos (fijación de precios y comercialización de materias primas) se han vuelto más difíciles. Por lo tanto, la mayoría de las empresas de productos básicos (commodities), desde casas comerciales hasta grandes empresas, han comenzado con la implementación de Inteligencia Artificial (IA) no solo para el mantenimiento predictivo sino también para la predicción de precios de productos básicos con la ayuda de algoritmos de Aprendizaje Automático basados principalmente en datos de series temporales. En este proyecto, no solo se revisaron los diferentes métodos predictivos de series de tiempo disponibles, sino que también se propusieron dos modelos predictivos diferentes para predecir la diferencia de una cotización de un derivado del crudo entre dos ubicaciones geográficas, el EW M1. Esta propuesta podría ayudar a los analistas de Repsol a posicionarse y utilizar la información disponible para identificar oportunidades de negocio. Para ello, se crearon dos DataFrames diferentes, para el EW M1 en niveles y el EW M1 diferenciado, variables objetivo de los dos modelos deseados. A través de un análisis técnico, un análisis fundamental, para explorar las relaciones con otras variables, y basando el paso del modelado en modelos ARIMA y SARIMAX, se crearon dos modelos para cada una de las variables objetivo. Además, se eligió una métrica de evaluación específica, el Error Absoluto Medio Porcentual (MAPE), para medir la precisión de las predicciones realizadas en los conjuntos de validación. De todos los modelos evaluados, un ARIMA(3,0,2) para la variable objetivo EW M1 dio mejores resultados en comparación con los SARIMAX sin estacionalidad explorados variando las variables exógenas. Por el contrario, para la variable objetivo /deltaEWM1, un modelo SARIMA(2,0,0) con la Diferencia de Netbacks diferenciada previamente como variable exógena superó al resto de los modelos. Por lo tanto, estos modelos fueron probados con el conjunto de prueba para medir su desempeño; uno condujo a valores similares del MAPE a los obtenidos para el conjunto de validación y el segundo a un valor ligeramente superior.

For many years, including even ancient civilizations times, commodities trading and price-fixing have been of great interest. Because the evolution of a particular civilization was influenced by its capacity to produce valuable goods that afterward could be exchanged for different products, these two tasks were of high importance for the civilization’s prosperity. With the pass of the years, these processes (price-fixing and commodities trading) have become more difficult. Therefore, most commodity companies ranging from trading houses to big companies, have started with the implementation of Artificial Intelligence (AI) not only for predictive maintenance but also for the prediction of commodity prices with the help of Machine Learning (ML) algorithms mainly based on time series data. In this project, not only the different time series predictive methods available were reviewed, but also two different predictive models were proposed to forecast the difference of a crude derivate quotation between two geographical locations, the EW M1. This proposal could help traders in Repsol take a position and use the available information for identifying business opportunities. To do so, two different DataFrames were created, for the EW M1 at levels and the differenced EW M1, the target variables of the two different desired models. Employing technical analysis, fundamental analysis, to explore the relationships with other variables, and basing the modeling step on ARIMA and SARIMAX models, two models were created for each of the target variables. Besides, an specific evaluation metric, consisting of the Mean Absolute Percentage Error (MAPE), was chosen for measuring the accuracy of the predictions made on the validation sets. From all the models evaluated, an ARIMA(3,0,2) for the target variable EW M1 gave better results in comparison to the SARIMAXs without seasonality explored varying the exogenous variables inserted. On the contrary, for the /deltaEWM1 target variable, a SARIMA(2,0,0) with the differenced Netbacks Difference as exogenous variable outperformed the rest of the models. Therefore, these models were tested on out-of-sample data, the test set, to measure its performance, one leading to similar values of the MAPE as the ones obtained for the validation set and the second one to a value slightly higher.