布蘭特原油歷史價格的問題，透過圖書和論文來找解法和答案更準確安心。 我們找到下列問答集和資訊懶人包

探索預測布蘭特原油價格漲跌的新輔助指標 - 經由商品價格關係的實證結果

為了解決布蘭特原油歷史價格的問題，作者蕭慕俊 這樣論述：

以自行衍生設計的多時段相關係數來檢視原油與78種全球性大宗商品價格關係後，選取了合乎條件的商品，再經由自行設計的兩路徑方法(Two-Paths Method)進行預測成功率的驗證與評估後，研究結果表明：「紐約港超低硫2號柴油現貨價格、紐約港2號取暖油現貨離岸價格等2種商品，可以作為布蘭特原油月度（均）價格漲跌預測的輔助指標。」基於簡單、實用的衡量方法來評估原油與商品價格關係，以創新的觀點與方法來預測布蘭特原油月度價格漲跌，研究結果顯示：「所提出的2種商品模型，即超低硫2號柴油、2號取暖油，可以至少提前三週預測布蘭特原油月度價格的漲跌，預測成功率分別高達81.46% 與81.33%。」另外，還

發現加州洛杉磯超低硫CARB柴油現貨價格商品的預測成功率可達83.56%，這三個商品模型應可為投資者和分析師提供了有用投資與避險的指標。研究還發現：「無論採用世界銀行(World Bank)或美國能源信息署(EIA)的數據作為標的數據來源，所預測的漲跌成功率都可以獲得不錯的成果。」兩者中，世界銀行的預測成功率皆高於EIA。另外，經由集體決策模式以不同門檻條件組合的過程中，以世界銀行為數據源，其預測成功率最高為95.38%，高於以EIA為數據源的最高成功率(92.68%)。本次研究的實證結果顯示：「不論採用集體決策模式或兩路徑方法（含單一路徑方法），所選定或引用的商品作為布蘭特原油月度價格漲跌的

預測指標，可以跨越不同型態的時期與突發事件影響。」研究採用的預測方法，無論是單一路徑、兩路徑或集體決策等方法，皆顯示出：「過去15年以來，全球油價的波動多數是由供需所決定。」另外，在COVID-19疫情期間，以兩路徑方法或集體決策模式所得到的高預測成功率的研究結果，可初步推論：「在COVID-19疫情期間，大多數的原油價格漲跌應是由市場供需所帶動地。」除此之外，在商品價格相關性的檢視分析過程中，發現布蘭特原油與大宗農產品存在弱到中等的價格關係。

機器學習為基礎的現貨與期貨動態採購模型

為了解決布蘭特原油歷史價格的問題，作者薛名皓 這樣論述：

對於需要持續優化獲利的企業而言，能否在原物料價格隨機變動下進行成本最佳化的採購規劃，對其營運和財務績效的管理甚為重要。此決策問題在原物料有現貨和期貨可供選擇時又更為複雜。一般而言，企業可以採用以歷史價格先行預測價格走勢，並依據預測值訂定未來一段期間採購計畫的策略。有別於此種先預測後決策的傳統思維，本研究提出一個新的動態採購最佳化模型，從機器學習觀點運用現貨和期貨的價格數據，以預估最佳採購量而非價格預測為訓練目標，進而求得各個輸入特徵的最佳係數解。模擬分析結果顯示，此動態採購模型的成本表現顯著優於依據價格預測值所做的採購決策。除了模擬實驗，我們使用近兩年的布蘭特原油現貨與期貨價格進行實證分析，

再次驗證本研究提出的模型優於依據價格預測值進行決策的模式。本文提出的理論模型有著線性規劃的高運算效率，並可用在多種須考量現貨和期貨價格的原物料採購情境，如金屬、穀物、原油、天然氣等，故同時具有實務價值。