Dynamic Bayesian Networks for Long-term Forecasting the Crude Oil Price

The price of oil and its future trend is subject to an impassioned global debate in the business world, in the scientific community as well as amongst political decision-makers. The reason originates particularly from the fact, that crude oil is the most important commodity for the global economy. The well-founded prediction of the price of oil is a challenge. This thesis proposes a new approach for forecasting the oil price for up to 60 years. For the first time a full procedure for the usage of the dynamic Bayesian network (DBN) model class together with artificial intelligence and machine learning techniques is provided. Additionally, scenario technique, known from business administration, is applied to the DBN model in order to present possible differing oil price forecasts. This DBN model approach offers accurate, traceable and interpretable results for the future development of the crude oil price and is, by its nature, independently of the purpose of modeling. *** Der Ölpreis und seine zukünftige Entwicklung sind Gegenstand intensiver globaler Debatten in der Wirtschaft und Wissenschaft und bei politischen Entscheidungsträgern. Das liegt vor allem an der Tatsache, dass Erdöl der wichtigste Rohstoff der globalen Wirtschaft ist. Die begründete Vorhersage des Ölpreises ist dabei eine besondere Herausforderung. In dieser Dissertation wird ein neuer mathematischer Ansatz zur Vorhersage des Ölpreises für einen Zeitraum von bis zu 60 Jahren eingeführt. Erstmalig wird eine Methode vorgestellt, welche auf der Modellklasse der dynamischen Bayesschen Netze (DBN) beruht und diese mit Techniken der Künstlichen Intelligenz und des Maschinellen Lernens verbindet. Zusätzlich findet die aus der Unternehmenssteuerung bekannte Szenariotechnik in der Modellierung ihre Anwendung. Mit diesem neu entwickelten Modellansatz werden genauere, nachvollziehbare und interpretierbare Ergebnisse für die Langfristprognose der Ölpreisentwicklung erzielt.