Fluktuacje cen surowców znacząco wpływają na gospodarkę w skali globalnej, m.in. ze względu na istotny udział surowców energetycznych w kosztach transportu. Na poziomie gospodarstw domowych ceny surowców wpływają na koszty życia: bezpośrednio (np. przez ceny paliw) bądź pośrednio (przez wpływ na koszty wytwarzania dóbr konsumpcyjnych). Na poziomie przedsiębiorstw są istotnym czynnikiem determinującym zyski. Przykładowo, w transporcie lotniczym zyski są w ścisłej relacji z cenami paliwa lotniczego i w konsekwencji prognozy cen ropy są wykorzystywane do ustalania taryf i oceny strategii rozbudowy floty.
Podobnie pod wpływem prognoz cen surowców energetycznych producenci samochodów starają się optymalizować zużycie paliwa w projektach nowych pojazdów. Dlatego też dla wielu podmiotów istotne jest zrozumienie dynamiki cen surowców i zdolność do wyznaczania ich dokładnych prognoz. W przypadku przedsiębiorstw pozwala to na lepszą ocenę strategii działania oraz skutków decyzji inwestycyjnych w długim okresie. W krajach, dla których eksport surowców jest ważnym źródłem przychodów, trafne prognozy cen są przydatne przy szacowaniu przyszłych przychodów budżetowych. W przypadku banków centralnych prognozy cen surowców, zwłaszcza ropy naftowej, umożliwiają usprawnienie polityki monetarnej przez lepsze przewidywanie przyszłej ścieżki inflacji, PKB czy salda handlowego.
Metodą referencyjną w prognozowaniu cen surowców jest zazwyczaj prognoza naiwna, która zakłada, że przyszła cena pozostanie na obecnym poziomie. Okazuje się, że zbudowanie modeli ekonometrycznych bądź ekonomicznych, które dostarczałyby lepszych prognoz od prognozy naiwnej, jest niezwykle trudne. W projekcie planujemy poszerzyć wiedzę i przeprowadzić kompleksowe porównanie jakości prognoz dla wielu modeli i metod w celu udzielenia odpowiedzi na pytanie: czy można prognozować ceny głównych surowców (ropa naftowa, złoto, miedź) lepiej niż za pomocą prognozy naiwnej? Wyniki badań pozwolą na wybranie metod generujących trafne prognozy, jak również lepsze zrozumienie dynamiki cen surowców, poza tym mogą być przydatne w praktyce, np. do wsparcia procesów decyzyjnych.