인공신경망을 활용한 발틱운임지수(BDI)예측 모형 연구
저자
발행사항
서울 : 중앙대학교 대학원, 2020
학위논문사항
학위논문(박사) -- 중앙대학교 대학원 , 무역물류학과 국제물류전공 , 2020. 8
발행연도
2020
작성언어
한국어
발행국(도시)
서울
기타서명
(A) study on the baltic dry index prediction model, using artificial neural networks
형태사항
x, 212 p. : 삽화 ; 26 cm
일반주기명
중앙대학교 논문은 저작권에 의해 보호받습니다
지도교수: 박근식
참고문헌수록
UCI식별코드
I804:11052-000000232959
DOI식별코드
소장기관
부정기선 해운 시장은 진입 장벽이 매우 낮아 높은 변동성을 가지는 시장으로, 해운 시장에 참여하고 있는 선사 및 관련 기업들의 의사결정은 이러한 시황 움직임을 기반으로 이루어지므로 시황의 예측과 전망에 매우 민감할 수 밖에 없다. 과거 국내 대표적 해운 1~4위 선사 모두 법정관리, 파산 그리고 채권단 관리 속에 극심한 구조조정을 겪었으며, 이러한 원인으로 향후 시장의 전망과 시황의 예측 실패를 꼽을 수 있다. 따라서 정확도가 높은 BDI를 예측하는 것은 해운기업에 있어서 매우 중요한 부분으로 시황 예측 모델은 기업의 운영과 투자 전략에도 핵심적인 역할을 담당한다.
이러한 시황 예측에 사용되는 대표적인 지수로는 BDI가 있다. BDI는 해운 시황을 나타내는 다양한 지수들 가운데 가장 대표적인 지수이며, BDI의 상승은 해상 운임 등 해운 시황이 상승함과 동시에, 해상 운송 또한 활발하게 이루어지고 있다는 것을 의미한다. 정확한 BDI 예측을 위해 알파고 이후로 큰 주목을 받고 있는 인공신경망 모형을 활용하고자 한다. 왜냐하면 기존 계량경제학에서는 변수에 대한 엄격한 가정이 있는 단점이 있었다면 인공신경망 모형은 자유로운 상황에서 분석 및 예측이 가능하기 때문이다. 따라서 본 연구는 인공신경망 모형 활용을 통해 최적의 모형을 선정하고 해운 시황 관계자들에게 의미있고 유용성 있는 BDI 예측 지표를 제공하는데 목적이 있다.
본 연구의 결과를 요약하면 다음과 같다. 첫째, 인공신경망 모형 중에서도 LSTM의 예측력이 가장 우수함과 일변량보다는 다변량에서 더 나은 예측력을 보임을 확인하였다. 둘째, 본 연구는 선정된 변수의 조합에 따라 예측력에 차이가 있다는 것을 확인하고자 하였다. 인공신경망 각 모형에서 전체 변수가 아닌 변수의 조합을 통한 분석에서 예측력이 달라짐을 알 수 있었다. 셋째, 전체 연구기간에서 이상치 구간으로 볼 수 있는 2007년과 2008년을 학습 기간에서 제외하고 나머지 모든 값은 전술한 방법과 동일하게 하여 분석해보았다. 분석 결과로는 전체 학습기간 대비해서 이상치를 제외한 분석의 예측오차값이 더 낮았다. 이는 안정화 기간인 검증 기간에서는 이상치를 제외했을 때 모형의 예측력이 높아짐을 뜻한다. 마지막으로 본 연구에서 검증된 모델을 가지고 선행연구에서 사용한 모델과 비교했을 때 예측오차값이 낮음을 확인하였다. 다만 동일한 모델에서 2020년 1월~6월까지의 최신값을 검증 데이터로 분석한 결과 전체 기간의 모델은 과적합되지 않았으나, 2007년과 2008년을 제외한 기간에서 사용된 모델은 과대적합되어 모델의 한계점을 제시하였다.
본 연구의 결과는 부정기선 해운시장에서 신조선 발주, 용선 및 대선 의사 결정, 장기 계약 등에 있어 의사결정에 과학적 근거를 제시할 수 있다는 측면에서 상당한 의미가 있다.
본 연구를 통해 해운 시장의 운임 변동성 예측을 통한 대응에 도움이 되길 바라며 지속적으로 해운 시장 변동에 대한 이해를 바탕으로 다양한 변수 발굴과 하이브리드 인공신경망 모델을 통해 끊임없는 연구가 이루어지길 바란다.
Since the decision making of the shipping company is made based on the changes of the market conditions, the tramper shipping market as a market having high variability due to very low entry barrier cannot help but be sensitive to the prediction and prospect of the market conditions. In the past, all the domestic major shipping companies ranked top to 4th position were suffered from the severe reorganization under the legal management, bankruptcy and the creditor management, the cause of which can be considered as the failure of prospect of future market and the prediction of market conditions. Therefore, forecasting BDI with high accuracy is very important for the shipping company and the market forecasting model takes core part of the company operation and the investment strategy.
The representative index used in such market forecasting is BDI (Baltic Dry Index.) BDI is the most representative index out of diverse indices indicating the tramper shipping market conditions, and the rise of BDI means that the tramper shipping market conditions go up and at the same time, the marine transportation is made actively. To forecast the BDI accurately, it is intended to utilize the artificial neural network model, which has received the great attention recently. Because while the existing econometrics has a weakness of having strict assumption on the variable, but the artificial neural network model can analyze and forecast without regarding the circumstance. Therefore, the purpose of this study is to select the optimum model and to provide the meaningful and useful BDI forecasting indicators to shipping market stakeholders.
The results of this study are summarized as follows. First, it was verified that out of the artificial neural network models, the prediction power of LSTM was superior and the better prediction power was shown with the multivariate than the univariate. Second, this study verified that the there is difference in the prediction power according to the combination of selected variables. It was observed that in each artificial neural network model, the prediction power was varied in the analysis through combination of variable not the entire variables. Third, it was analyzed by excluding the 2007 and 2008, when the market condition was changed drastically, from the entire research period and all the remaining values were same as aforementioned method. In the analysis results, the prediction error value of the analysis excluding the extreme period was lower than the entire learning period, which means that the prediction power of the model is increased when excluding the extreme period from the verification period, which was the stabilized period. Finally, since the prediction error value was low when comparing the model tested in this study with the models used in the preceding researches, the excellence of the model was proven. However, in the results of analyzing the latest values from January to June, 2020 with the test data in the same model, the model for entire period was not overfitted but the model used for the period excluding 2007 and 2008 was overfitted suggesting the limitation of the model.
The results of this study has significant meaning in the aspect that it can present the scientific basis for the decision making for the new shipbuilding order, decision making for ship chartering and long-term contract, etc. Through this study, I hope that this will help respond by predicting freight market volatility in the tramper shipping market, and that continuous research will be conducted through various variable discovery and hybrid artificial neural network models.
서지정보 내보내기(Export)
닫기소장기관 정보
닫기권호소장정보
닫기오류접수
닫기오류 접수 확인
닫기음성서비스 신청
닫기음성서비스 신청 확인
닫기이용약관
닫기학술연구정보서비스 이용약관 (2017년 1월 1일 ~ 현재 적용)
| 주요 개정내역 | 변경 사유 |
|---|---|
| · 수탁업체 콘소시엄 기관명 및 위탁기간 명시 | · 제6조(개인정보 처리업무의 위탁) 구체화 |
한국교육학술정보원은 정보주체의 자유와 권리 보호를 위해 「개인정보 보호법」 및 관계 법령이 정한 바를 준수하여, 적법하게 개인정보를 처리하고 안전하게 관리하고 있습니다. 이에 「개인정보 보호법」 제30조에 따라 정보주체에게 개인정보 처리에 관한 절차 및 기준을 안내하고, 이와 관련한 고충을 신속하고 원활하게 처리할 수 있도록 하기 위하여 다음과 같이 개인정보 처리방침을 수립·공개합니다.
주요 개인정보 처리 표시(라벨링)
목 차
제1조(개인정보의 처리 목적)
제2조(개인정보의 처리 및 보유 기간)
제3조(처리하는 개인정보의 항목)
제4조(개인정보파일 등록 현황)
제5조(개인정보의 제3자 제공)
제6조(개인정보 처리업무의 위탁)
제7조(개인정보의 파기 절차 및 방법)
제8조(정보주체와 법정대리인의 권리·의무 및 그 행사 방법)
제9조(개인정보의 안전성 확보조치)
제10조(개인정보 자동 수집 장치의 설치·운영 및 거부)
제11조(개인정보 보호책임자)
제12조(개인정보의 열람청구를 접수·처리하는 부서)
제13조(정보주체의 권익침해에 대한 구제방법)
제14조(추가적 이용·제공 판단기준)
제15조(개인정보 처리방침의 변경)
제1조(개인정보의 처리 목적)
제2조(개인정보의 처리 및 보유 기간)
3년
또는 회원탈퇴시까지5년
(「전자상거래 등에서의 소비자보호에 관한3년
(「전자상거래 등에서의 소비자보호에 관한2년
이상(개인정보보호위원회 : 개인정보의 안전성 확보조치 기준)
제3조(처리하는 개인정보의 항목)
제4조(개인정보파일 등록 현황)
개인정보파일 검색(privacy.go.kr)| 개인정보파일의 명칭 | 운영근거 / 처리목적 | 개인정보파일에 기록되는 개인정보의 항목 |
보유기간 | |
|---|---|---|---|---|
| 학술연구정보서비스 이용자 가입정보 | 한국교육학술정보원법 정보추제 동의 | 필수 | ID, 비밀번호, 성명, 생년월일, 신분(직업구분), 이메일, 소속분야, 웹진메일 수신동의 여부 | 3년 또는 탈퇴시 |
| 선택 | 소속기관명, 소속도서관명, 학과/부서명, 학번/직원번호, 휴대전화, 주소 | |||
제5조(개인정보의 제3자 제공)
제6조(개인정보 처리업무의 위탁)
제7조(개인정보의 파기 절차 및 방법)
제8조(정보주체와 법정대리인의 권리·의무 및 그 행사 방법)
제9조(개인정보의 안전성 확보조치)
제10조(개인정보 자동 수집 장치의 설치·운영 및 거부)
제11조(개인정보 보호책임자)
| 구분 | 담당자 | 연락처 |
|---|---|---|
| KERIS 개인정보 보호책임자 | 정보보호본부 안재호 |
- 이메일 : jinuk@keris.or.kr - 전화번호 : 053-714-0158 - 팩스번호 : 053-714-0195 |
| KERIS 개인정보 보호담당자 | 개인정보보호부 송진욱 | |
| RISS 개인정보 보호책임자 | 교육학술데이터본부 정광훈 |
- 이메일 : giltizen@keris.or.kr - 전화번호 : 053-714-0149 - 팩스번호 : 053-714-0194 |
| RISS 개인정보 보호담당자 | 학술진흥부 길원진 |
제12조(개인정보의 열람청구를 접수·처리하는 부서)
제13조(정보주체의 권익침해에 대한 구제방법)
제14조(추가적인 이용ㆍ제공 판단기준)
제15조(개인정보 처리방침의 변경)
자동로그아웃 안내
닫기인증오류 안내
닫기귀하께서는 휴면계정 전환 후 1년동안 회원정보 수집 및 이용에 대한
재동의를 하지 않으신 관계로 개인정보가 삭제되었습니다.
(참조 : RISS 이용약관 및 개인정보처리방침)
신규회원으로 가입하여 이용 부탁 드리며, 추가 문의는 고객센터로 연락 바랍니다.
- 기존 아이디 재사용 불가
휴면계정 안내
RISS는 [표준개인정보 보호지침]에 따라 2년을 주기로 개인정보 수집·이용에 관하여 (재)동의를 받고 있으며, (재)동의를 하지 않을 경우, 휴면계정으로 전환됩니다.
(※ 휴면계정은 원문이용 및 복사/대출 서비스를 이용할 수 없습니다.)
휴면계정으로 전환된 후 1년간 회원정보 수집·이용에 대한 재동의를 하지 않을 경우, RISS에서 자동탈퇴 및 개인정보가 삭제처리 됩니다.
고객센터 1599-3122
ARS번호+1번(회원가입 및 정보수정)