国际油价预测对投资者、监管机构、中央银行等利益相关者来说十分重要，但油价波动受到多种风险因素的作用，演变轨迹的不确定性很大，导致油价预测成为一项十分艰难的工作。已经有学者证明原油需求和供应等基本面的变动会引起油价波动，而原油市场金融化程度的提高使其与金融市场、能源市场、其他商品市场以及宏观经济之间的联系相当紧密。因此，除了原油市场基本面因素可能影响油价之外，其他众多因素也可能引起油价波动。然而，现有文献大多数使用石油市场基本面的低频数据来预测油价的月度或季度序列，却忽视了商品市场和金融市场的即时变化对油价的影响。因此，石油市场基本面结合商品市场、金融市场和宏观经济高频信息是否对油价有更加显著的预测能力？这一问题值得进一步探究。
最近，在能源经济管理领域国际权威期刊Energy Economics发表的一篇论文中，来自雅典派迪昂政治经济大学的Stavros Degiannakis和George Filis通过构建MIDAS回归模型考察了金融市场、商品市场和宏观经济的高频信息对月度Brent原油期货价格的可预测性。他们选取了5个反映石油市场基本面的低频数据（月度）和15个非基本面的高频数据，即三种汇率、四种股指数、六种商品近月期货和美国10年期国库券逐笔交易价格以及美国经济政策不稳定性指数（EPU指数），分别构建15个日度实际波动率序列和14个日度收益率序列，共估计了29个MIDAS回归模型，并将预测结果和AR、ARMA以及VAR模型的预测结果进行比较。验证了金融市场、商品市场和宏观经济高频信息对油价的预测效果。
论文研究发现，第一，将石油市场基本面和金融市场、商品市场以及宏观经济高频信息结合起来，使用MIDAS回归模型可以有效地提高油价的预测精度，尤其是6个月内的短期和中期预测。第二，不同资产类别在不同的预测范围内对油价预测的影响不同。股票市场波动、汇率市场波动和商品市场波动分别在短、中、长期预测范围内对油价预测精度的影响最大。第三，利用MIDAS回归模型使用波动率序列进行油价预测的精度高于使用收益率序列和资产组合收益率序列。
论文的主要贡献在于，第一，首次将金融市场、商品市场以及宏观经济高频数据（日度）和石油市场基本面低频数据结合起来预测月度油价序列，验证了高频非基本面信息对油价的可预测性；其次，研究了不同预测范围内不同资产类别对油价预测精度的影响；最后，在方法上该论文应用MIDAS回归模型，利用高频变量预测低频序列，并且模型的预测精度高于VAR等静态模型的预测精度；同时，论文使用逐笔交易数据计算金融市场各变量的日度实际波动率，获得了金融市场最全面的信息。
论文的研究结论为机构投资者、风险管理者以及监管机构和政策制定者等利益相关者提供了重要的投资和政策启示。另外，该文对我们未来的研究也有启发意义，即油价波动不仅受到石油市场基本面的影响，金融市场、商品市场和宏观经济同样会引起油价波动，未来可以考虑用其他非基本面的高频信息或者更先进的模型提高油价在长期范围内的预测精度。
评述文献：
Degiannakis, S., Filis, G., 2018. Forecasting oil prices: High-frequency financial data are indeed useful. Energy Economics 76: 388-402.
