기계학습 모델을 활용한 벌크운임 예측
Forecasting Bulk Freight Rates with Machine Learning Methods
0
조회
0
다운로드
3
인용
0
참고문헌
키워드
초록
본 논문은 건화물시장과 탱커시장의 운임지수 예측에 관하여 머신러닝을 적용하였으며 신호분해법인 웨이블릿 분해와 EMD분해를 데이터 전처리 과정에 반영하여 시간의 영역의 정보와 주파수 영역의 정보를 모두 반영할 수 있는 운임예측모형을 구축하였다. 건화물 시장의 경우 웨이블릿으로 분해한 예측모형이 우수하였으며 탱커시장의 EMD분해로 예측한 모형이 우수하였으며 실무적으로 각 운송시장 참여자들에게 새로운 단기예측 방법론을 제시하였다. 이러한 연구는 운송시장에서 양적으로 가장 중요한 건화물 시장과 탱커시장에 대한 다양한 예측방법론을 확대하고새로운 방법론을 제시하였다는 측면에서 중요하며, 변동성이 큰 운임시장에서 과학적인 의사결정방법에 대한 실무적인 요구를 반영할 수 있을 뿐만 아니라 가장 빈번한 스팟거래에 합리적인 의사결정이 이뤄질 수 있는 기초가 될 것으로 기대된다.
Abstract
This paper applies a machine learning model to forecasting freight rates in dry bulk and tanker markets with wavelet decomposition and empirical mode decomposition because they can refect both information scattered in the time and frequency domain. The decomposition with wavelet is outperformed for the dry bulk market, and EMD is the more proper model in the tanker market. This result provides market players with a practical short-term forecasting method. This study contributes to expanding a variety of predictive methodologies for one of the highly volatile markets. Furthermore, the proposed model is expected to improve the quality of decision-making in spot freight trading, which is the most frequent transaction in the shipping industry.
참고문헌 (16)
- 임상섭, "ARIMA-SVM 하이브리드 모델을 활용한 탱커 운임지수 예측", 金融工學硏究, 17(4), pp.79~98 (2018), 한국금융공학회[DOI]
- 임상섭, "케이프선 시장 운임의 결정요인 및 운임예측 모형 분석", 한국항해항만학회지, 42(6), pp.539~545 (2018), 한국항해항만학회[DOI]
- Jun Li, "Forecasting tanker freight rate using neural networks", Maritime Policy & Management, 24(1), pp.9~30 (1997), Informa UK Limited[DOI]
- D V Lyridis, "Forecasting Tanker Market Using Artificial Neural Networks", Maritime Economics & Logistics, 6(2), pp.93~108 (2004), Springer Science and Business Media LLC[DOI]
- Zhongzhen YANG, "Forecasting Baltic Panamax Index with Support Vector Machine", Journal of Transportation Systems Engineering and Information Technology, 11(3), pp.50~57 (2011), Elsevier BV[DOI]
- Qingcheng Zeng, "An approach for Baltic Dry Index analysis based on empirical mode decomposition", Maritime Policy & Management, 41(3), pp.224~240 (2014), Informa UK Limited[DOI]
- Qingcheng Zeng, "A new approach for Baltic Dry Index forecasting based on empirical mode decomposition and neural networks", Maritime Economics & Logistics, 18(2), pp.192~210 (2016), Springer Science and Business Media LLC[DOI]
- Zhenhai Guo, "Multi-step forecasting for wind speed using a modified EMD-based artificial neural network model", Renewable Energy, 37(1), pp.241~249 (2012), Elsevier BV[DOI]
- Lean Yu, "Forecasting crude oil price with an EMD-based neural network ensemble learning paradigm", Energy Economics, 30(5), pp.2623~2635 (2008), Elsevier BV[DOI]
- Najmul Hasan, "A Methodological Approach for Predicting COVID-19 Epidemic Using EEMD-ANN Hybrid Model", Internet of Things, 11, pp.100228~ (2020), Elsevier BV[DOI]
- "Clarkson Research"[URL]
- 하현수, "인공 신경망과 웨이블릿 변환을 이용한 주가 지수 예측", 정보과학회논문지, 46(12), pp.1249~1261 (2019), 한국정보과학회[DOI]
- Shuangrui Fan, "Forecasting Baltic Dirty Tanker Index by Applying Wavelet Neural Networks", Journal of Transportation Technologies, 03(01), pp.68~87 (2013), Scientific Research Publishing, Inc.[DOI]
- Guoqiang Zhang, "Forecasting with artificial neural networks:", International Journal of Forecasting, 14(1), pp.35~62 (1998), Elsevier BV[DOI]
- P. Flandrin, "Empirical Mode Decomposition as a Filter Bank", IEEE Signal Processing Letters, 11(2), pp.112~114 (2004), Institute of Electrical and Electronics Engineers (IEEE)[DOI]
- 이현욱, "시계열 자료의 단변량 웨이블릿 분석을 위한 모 웨이블릿의 선정", 한국수자원학회 논문집, 52(8), pp.575~587 (2019), 한국수자원학회[DOI]