Satellitendaten verbessern Ölbedarfs-Prognosen deutlich
NO₂-Messungen aus dem All können die Echtzeit-Vorhersage des Ölverbrauchs erheblich verbessern. Eine neue EZB-Studie zeigt, dass Satellitendaten traditionelle Modelle übertreffen.
NO₂-Daten schlagen traditionelle Modelle
Die Studie der EZB-Ökonomen Jean-Charles Bricongne, Joao Macalos, Baptiste Meunier, Julia Milis und Thomas Pical untersucht, wie Satellitenbeobachtungen von Stickstoffdioxid (NO₂) die Vorhersage der Ölnachfrage verbessern.
NO₂, ein kurzlebiges, hauptsächlich durch fossile Brennstoffe emittiertes Gas, wird in verschiedene Nowcasting-Modelle integriert.
Über eine Reihe von Industrie- und Schwellenländern hinweg zeigt sich, dass die Einbeziehung von NO₂ die Prognosegenauigkeit signifikant erhöht.
Die Fehler bei der Vorhersage sinken im Durchschnitt um 25 Prozent gegenüber einfachen autoregressiven Modellen und um etwa 20 Prozent gegenüber komplexeren Benchmarks.
Besonders ausgeprägt sind die Genauigkeitsgewinne in Krisenphasen, bleiben aber auch in stabileren Zeiten bestehen.
Nicht-lineare Modelle, insbesondere neuronale Netze, liefern die größten Verbesserungen, was auf den nicht-linearen Zusammenhang zwischen Energiebedarf und Umweltverschmutzung hindeutet.
Die Daten bieten ein zeitnahes, global konsistentes und frei verfügbares Instrument zur Echtzeitüberwachung der Ölnachfrage.
Vorteile globaler Satellitenüberwachung
Die Bedeutung hochfrequenter Indikatoren für die Echtzeitüberwachung der Wirtschaftstätigkeit wurde durch jüngste Ereignisse wie die COVID-19-Pandemie und geopolitische Spannungen hervorgehoben.
Offizielle Statistiken zum Ölverbrauch werden oft mit einer Verzögerung von drei Monaten veröffentlicht, was politische Entscheidungsträger, Unternehmen und Haushalte in schnelllebigen Zeiten ohne zeitnahe Informationen lässt.
Satellitendaten bieten hier vier entscheidende Vorteile: Sie sind tagesaktuell und innerhalb von Stunden nach der Erfassung verfügbar, bieten eine globale Abdeckung mit einheitlicher Qualität, verfügen über eine hohe räumliche Granularität für nationale und regionale Analysen und sind kostenfrei zugänglich.
Die Rohdaten müssen jedoch aufwendig bereinigt und angepasst werden, um Verzerrungen durch Wolken, Schnee oder Sonnenwinkel zu korrigieren.
Die Forscher testeten die Methode in zehn Industrie- und Schwellenländern, die zusammen rund 60 Prozent des weltweiten BIP und der NO₂-Emissionen repräsentieren, darunter die USA, China, Indien, Japan, Südkorea, Australien und europäische Länder.
Ein vielversprechender, aber komplexer Ansatz
Diese Studie liefert einen wichtigen methodischen Fortschritt für die Echtzeit-Wirtschaftsüberwachung, insbesondere in Regionen mit schwacher Datenlage.
Die aufwendige Datenaufbereitung und die Notwendigkeit nicht-linearer Modelle zeigen jedoch die Komplexität des Ansatzes.
Für die praktische Anwendung ist entscheidend, wie gut diese neuen Indikatoren in bestehende Prognoserahmen integriert werden können.
Quelle: Can satellites predict oil demand?
IN: