数据选取

本文选取的解释变量包括原油价格趋势、曲线结构、M1-M3价差绝对数值，目的是为了预测未来原油库存变化。数据选取美国商业原油库存周数据(代表库存变化趋势)和Brent M1-M3价差周数据(代表价格变化，目前市场应用最广泛)。

由于全球库存数据难以收集完整，且不准确，这里用美国商业原油库存数据来代表全球商业原油的库存，并利用ICE Brent价格走势代表一个总体价格和价差的变化趋势。

通过对数据进行观察可以发现，原油库存存在明显的季节性，为了更好地分析价差对库存的影响，这里对库存进行了季节性调整;同时为了剔除单个数据波动的影响，更好地反映决策者的逻辑，一般参考价格取最近4个数据的平均价。

选取2008年1月18日—2017年7月21日的库存数据，是为了覆盖较全面的信息，更好地反映近几年的变化。数据周期太长的话，更多的不定因素会干扰模型。

为了方便描述，这里用M1-M3表示第一个月减去第三个月合约的价差，即行业普遍使用的月差。用MV4代表价差周数据，前4个数据的平均值。6W表示基于现在的库存水平，6周后的变化量。

在选择月差对库存影响的传导周期时候，标准依据有两个：一是C(Contango，升水)结构下，上涨次数最多;二是B(Backwardation，贴水)结构下，上涨次数较少。同时，为了防止结构性影响，本文将时间周期按照上述办法分为3个阶段，最后再统一概括。

历史分段研究

第一阶段(2014年年中—2017年)：C结构

选择6W作为传导周期的原因，统计结果如下表所示：

在C结构下，2014年年中—2017年和2008—2010年这两个阶段，和其他时间相比，6W时间传导最有效。库存6周后变化的情况，在2014年年中—2017年，有153个数据，其中有101个数据是上涨的，上涨对应的价差平均是-1.2。B结构下，2011—2014年这个阶段，6W的上涨周数不是最少，但与其他时间比，差距不大，所以选择6W作为月差的传导时间。

图为2014年年中—2017年Brent价格走势