历史市场油价查询表格_油价历史价格查询
1.每桶石油历史最高价
2.原油价格最高和最低是多少?
3.全球石油价格多维分析
每桶石油历史最高价
2008年7月创下接近150美元/桶的历史最高纪录。
受亚洲金融危机、需求下降以及OPEC不适时宜的增产,布伦特原油价格从1997年1月的24.53美元/桶下降到1998年12月的9.25美元/桶的最低价。然后从1999年3月开始反弹并一路攀升,2000年8月突破30美元/桶,2000年9月7日最高时达到37.81美元/桶,短短18个月涨幅达3倍之多,创“海湾战争” 以来的油价新高。2003年之后,油价更是一路持续上涨,终于在2008年7月创下接近150美元/桶的历史最高纪录,并在5个月之后的2008年底戏剧性地下挫到40美元以下。
原油价格最高和最低是多少?
2008年7月11日,原油最高点达到147.25美元,为历史最高价格。当日纽约能源的开盘价为141.76美元,收盘价为145.78美元,当天交易的最高价是147.25美元,最低价是141.44美元。这个价格是过去最高价格,不过这是不是历史最高价,现在还是个未知数,历史没有最高只有更高。
原油最低价格只有几美元一桶80年代
1972年原油价格大约为3.00美元/桶,不过自从原油进入国际现货和期货市场交易以来,最低价格还在30~40美元左右,08年金融危机过后,随后原油触底反弹
全球石油价格多维分析
传统的数据仓库展现,一般是通过建立数据仓库、设定维度、预先计算,然后向客户端展现多维分析的结果。在本系统中,则采取了与之不同的另一种数据仓库构建的思路,即在系统的数据仓库展现中尝试利用多维数据表之间的关联性来实现实时的多维分析功能。
在多维数据结构中,事实表和维度表之间是通过直接或间接的关系联系在一起的。对于某张表中某条记录的选取,可以在其他相关联表之间查询到与之相关联的数据记录,并可以对选取的数据和相关联的数据进行统计分析,得到这些数据的分布、趋势等分析结果,并且可以在设定了多维分析的维度之后,按照维度之间的层次关系对数据从各个不同的组合角度进行分析,形成实时的多维分析。
数据仓库展现的开发内容一般可以分为数据仓库的设计和多维分析的实现两部分。数据仓库的设计包括星型模式的搭建、数据抽取方式的确定、数据转换净化的实现,以及多维数据的存储等内容。多维分析的实现则包括多维分析维度的选取、度量值的定义、维度变换方式、钻取路径的定义、钻取数据显示方式的确定等内容。
本系统在开发过程中,由于原型系统带来的需求不确定性和数据齐备性等因素的制约,如何设计出良好的结构来更好地进行多维数据展现以及采取何种形式进行展现是一个重点问题。前文已经讨论过系统中数据仓库的架构模式、多维数据结构的定义等内容,讨论了系统原始数据源中存在的复杂性、数据完整性和数据有效性等方面存在的问题及解决办法。多维分析的设计包括维度之间的关联、事实数据展现的内容和形式、数据钻取等内容。
5.3.2.1 维度表关联性分析
数据源表结构中包括一张事实表和数张维度表。针对这些维度表可以设计用于多维分析的维度,分别为油品、交易市场、交易类型、价格单位和价格日期维度。维度数据和中间事实表之间存在直接关联,维度数据之间通过中间事实表而产生简洁的关联关系。从而可以在既有事实数据的基础上,对维度之间的关联关系进行可视化展现。
图5.29中显示了4个维度的内容数据,并列出了各维度中所具有的字段取值,这些字段通过事实表产生关联。在选择了Crude Oil油品之后,其他3个维度中的字段取值背景出现变化。白色背景表示在事实表中存在与Crude Oil相关联的交易市场,分别为Cushing,OK和Europe Brent,这表明事实表中存在有Crude Oil在这两个市场中的价格数据,没有在其他市场上的价格数据。
图5.29 多维分析维度列表
在默认情况下,维度列表显示了全部可能的维度取值。而在选择了某一维度之后,比如选择产品名称中的Crude Oil值,则在其他维度中高亮显示与此维度选中值通过油价数据关联起来的维度值。通过维度之间的关联显示,可以分析出源数据中隐藏的一些分布模式。在本示例中就可以看出系统中具有Crude Oil在Cushing,OK和Europe Brent两个市场的Spot Price FOB价格,而价格时间则从1986年到2008年都存在,油价的单位名称只存在Dollar per Barrel一种形式。多维分析的维度关联性分析,还允许在一次分析基础之上继续缩小选择值的范围。
5.3.2.2 维度表和事实表的关联性分析及展现
在实时多维分析中,除了可以进行维度表之间的关联性分析,也可将维度表和事实表关联起来进行分析。在此类分析中,除了可以在界面左侧展示维度表之间的关联之外,还可以在界面主体部分显示出事实表数据以及以事实表数据为基础的一些统计分析。图5.30中展现的是全球石油价格不同交易类型的对比分析,反映出对各石油品种在现货交易、期货交易等方式下的价格对比情况,分析的结果可以随左侧维度选择的变化实时变动。
图5.30 交易价格比较分析
对于事实表的展现,除了按照默认的维度顺序进行统计分析,维度之间的顺序也可以直接通过在界面中拖动维度的位置来完成维度的变换,实现多维分析旋转功能,在此不再赘述。
5.3.2.3 事实表数据钻取
多维分析另外一个很重要的内容就是数据钻取。在实时多维分析中,数据钻取的功能可以更为丰富。出于分析的目的,我们预先定义了钻取路径:
市场→价格类型→价格年份→产品名称。
这样就可以按照这样的路径对油价进行钻取分析。第一次默认按照市场名称来统计历史油价,在选择了一个市场之后就向下钻取两层,就可以得到按照价格年份来统计的历史油价。这里的钻取分析可以和维度关联性分析结合起来使用,从而更灵活地实现数据钻取(图5.31,图5.32)。
图5.31 数据钻取分析一
图5.32 数据钻取分析二
5.3.2.4 价格趋势分析
价格趋势分析可以作为价格预测的一种补充,它的功能展现过去时间的不同油品、不同交易类型及价格单位等相关信息,以此来直观表达油品的未来走向与趋势。这一块已经有了单独的模型程序模块来完成(图5.33)。
图5.33 多维价格趋势分析
通过在数据仓库展现中利用实时多维分析中的维度表关联性以及维度表和事实表之间的关联性,可以更好地拓展多维分析的功能。而对多维分析的需求确定可以考虑采取原型法来进行,利用数据仓库的实时多维展现来发现数据的内涵和数据之间的关联性,逐步帮助确定需要分析的维度、度量值、展现方式等内容,并反向影响到数据源表结构的设计。
[免责声明]本文来源于网络,不代表本站立场,如转载内容涉及版权等问题,请联系邮箱:83115484@qq.com,我们会予以删除相关文章,保证您的权利。