기술적 지표와 다변량 Prophet 모형을 활용한 발틱건화물선운임지수 주별 예측
Weekly Forecasting of the Baltic Dry Index with Technical Indicators and a Multivariate Prophet Model
0
조회
0
다운로드
0
인용
0
참고문헌
키워드
초록
본 연구는 발틱건화물선운임지수(BDI) 주간 평균 데이터를 활용하여 1주 후와 5주 후 운임 수준을 예측하고, 기술적 지표의 활용 가능성을 검증하였다. 머신러닝 기반 모델들을 적용한 실증 분석 결과, 기술적 지표를 통합한 다변량 모형이 단변량 모형 대비 유의하게 낮은 예측오차와 높은 방향성 정확도를 보였다. 특히 다변량 Prophet 모형은 두 예측 기간 모두에서 MAPE(Mean Absolute Percentage Error) 5% 이하의 오차를 기록하여 우수한 예측 수준을 달성하였으며, 과적합 위험이 낮아 모형의 안정성이 확인되었다. 본 연구는 BDI 예측 연구에서 상대적으로 미흡했던 기술적 지표의 활용 가능성을 체계적으로 제시하고, 실무적 의사결정 주기에 부합하는 주별 예측 방법론을 제안하였다는 점에서 학문적·실무적 의의가 있다.
Abstract
This study evaluates whether incorporating technical indicators into machine learning models improves weekly forecasts of the Baltic Dry Index (BDI) at one- and five-week horizons. Using weekly average BDI data, we estimate univariate and multivariate specifications of long short-term memory (LSTM) networks, Prophet, Light Gradient Boosting Machine (LightGBM), and a convolutional neural network–bidirectional LSTM (CNN–BiLSTM) model. Multivariate models that integrate technical indicators deliver significantly lower forecast errors and higher directional accuracy than their univariate counterparts. In particular, the multivariate Prophet model achieves mean absolute percentage errors (MAPE) below 5% for both horizons, and generalization gap analysis indicates limited overfitting and stable out-of-sample performance. The study contributes to the BDI forecasting literature by providing systematic evidence on the usefulness of technical indicators, an aspect that has received limited attention to date. It also proposes a weekly forecasting framework aligned with practical decision-making cycles in dry bulk shipping and related investment markets, in contrast to prevailing daily one-step-ahead forecasts.