原油价格被认为是全球经济中最重要的指标之一。 政府和企业花费大量时间和精力来确定下一步的油价走势，但是预测是一门不精确的科学。 标准技术基于演算（线性回归和计量经济学），但是替代方法包括结构模型和计算机驱动的分析。 关于预测油价的最佳方法，目前尚无广泛接受的共识。
公司还特别关注并经常参与石油期货市场。 原油期货在纽约商品交易所（NYMEX）和东京商品交易所（TOCOM）上交易。
了解原油价格
从根本上讲，原油的供应取决于石油公司从地下开采储量并将其分布到世界各地的能力。 供应主要有三个变量：技术变化，环境因素以及石油公司积累和补充资本的能力。 技术改进，尤其是水力压裂和水平钻井，在2008年之后帮助全球市场充斥了石油。
原油需求来自个人，公司和政府。 一般而言，石油需求在经济良好时期会增加，而在经济较慢时期会减少。 中国和印度生活水平的提高是21世纪全球需求的主要来源。
公司在做出油价预测之前需要了解这些因素，但这还远远不够。 石油价格受到非市场力量的严重影响，其中包括石油输出国组织（OPEC），该组织实际上是跨国石油卡特尔。 欧佩克成员国根据对本国政府最有利的决定，共同决定向世界市场释放多少石油。 但是，2005年至2015年间油价的剧烈波动表明，OPEC的影响有限。
在大多数国家，石油也受到严格管制。 与欧洲许多国家一样，美国对石油的钻探地点也有严格的限制。 环保署（EPA）关于石油价格的话题可能与埃克森美孚或英国石油一样。
油价（或任何商品）的变动之所以经常让分析师感到惊讶，是因为有数百个变量，每个变量以不可预测的方式同时发生变化。 美联储（Fed）理事会在其2011年7月的讨论文件“预测油价”中表现得最好，该文件首先指出“实际油价出现了意料之外的巨大且持续的波动”。
定量方法
公司聘请计量经济学家和其他市场专家对石油市场进行短期和中期预测。 这些专业人员使用高度复杂的数学模型，这些模型要么专注于财务（使用现货和未来价格），要么专注于供需考虑（量化变量并测试其解释力）。
现货和未来价格模型在许多公司中仍然很受欢迎，但是趋势却不那么受欢迎。 基本概念是，期货市场，尤其是期货价格波动与现货价格波动之间的关系，将为明天的石油价格指明道路。 1991年发表了两篇有影响力的学术论文（Bopp和Lady； Serletis），它们表明未来的石油价格并非无偏或完全有效，但可能仍比任何其他指标都要好。 这个结论是通过误差和修正模型（ECM）得出的，该模型使统计学家或计量经济学家能够解释期货数据中的偏差。
1998年的第三项研究（Zeng和Swanson）研究了1990年至1995年间纽约商品交易所，纽约商品交易所，芝加哥商品交易所和芝加哥商品交易所的原油。该研究发现ECM模型表现最佳。 直到21世纪初，大多数公司都采用ECM方法。
后来的研究对财务模型不太友好。 一位评论家回顾了1989年至2003年纽约商品交易所（NYMEX）的西德克萨斯中质原油（WTI）期货价格，发现远期和期货价格既没有效率也没有偏见，不足以准确地预测未来现货价格（而且奇怪的是，“证据不足”风险溢价”）。 作者建议使用时间序列随机游动过程。 随机游走理论表明，股价变化不能用于预测未来走势。 （葡萄牙大学在2013年进行的研究发现，时间序列计量经济模型是最常用的原油价格预测方法。）
供需模型侧重于宏观经济变量，例如OPEC生产，石油需求的收入弹性和实际国内生产总值（GDP）。 由于变量的组合可能太多，因此大多数公司或分析服务使用专有计算并经常更改其公式。 目标是找到统计上最重要的变量，然后查找这些变量中的图表波动并为未来的油价范围创建粗略估计。
定性或非线性方法
统计学家可能将替代方法的倡导者称为“非标准”或“非线性”方法，他们认为，未来的石油价格对于任何传统流程而言都是过于随意和混乱的。 这些方法可能仍使用与标准模型相同的数据，但是计算基于模式识别，而不是线性模型或计量经济学回归。
一种流行的模式识别工具是人工神经网络（ANN）。 基于人脑生物学的ANN模型可以让模拟根据新数据学习和总结经验。 人工神经网络用于商业，科学和投资领域的各种分析。 对ANN方法的一种标准批评–以及ANN在私人石油预测中不受欢迎的主要原因是，用于评估价格序列的内在输入通常是主观或任意的。
基本面投资者和分析师倾向于避开复杂的统计模型。 相反，基本分析师依赖于总体业务因素，例如库存水平，生产趋势，自然灾害和投机者的行为。 这些基于知识的方法背后的隐含推理是，油价受大型可识别事件的影响很大。 公司聘请依赖于其他来源的信息（例如世界银行的商品预测）的市场分析师，而不是创建自己的模型，这是司空见惯的事情。
