• 무역학회지
• /
• 제47권5호
• /
• pp.21-37
• /
• 2022

Baltic Dry Index (BDI) is difficult to forecast because of the high volatility and complexity. To improve the BDI forecasting ability, this study apply Bayesian variable selection method with a large number of predictors. Our estimation results based on the BDI and all predictors from January 2000 to September 2021 indicate that the out-of-sample prediction ability of the ADL model with the variable selection is superior to that of the AR model in terms of point and density forecasting. We also find that critical predictors for the BDI change over forecasts horizon. The lagged BDI are being selected as an key predictor at all forecasts horizon, but commodity price, the clarksea index, and interest rates have additional information to predict BDI at mid-term horizon. This implies that time variations of predictors should be considered to predict the BDI.

• 한국항만경제학회지
• /
• 제29권2호
• /
• pp.63-79
• /
• 2013

본 연구는 해운산업의 경기를 나타내는 BDI와 벙커가격의 관계를 비대칭 공적분 모형을 사용하여 분석하였다. 기존연구는 선형의 공적분 모형을 사용하여 BDI와 국제유가의 관계를 분석하였으나, 본 연구는 기존연구들에서 드러난 BDI와 유가의 상승기와 하락기의 비대칭적인 특징을 적절히 포착할 수 있는 비대칭 모형을 사용하여 분석하였다. 그 결과 기존연구에서 제시된 선형모형에 근거한 분석은 두 변수간의 장기균형 관계가 존재하지 않는 것으로 나타난 반면 본 연구에서 제시한 비대칭 모형을 통해 장기균형 관계가 존재하는 것으로 나타났다. 특히, BDI가 벙커가격에 영향을 미치고 있음이 확인되었으므로 두 변수간의 장기균형 관계는 비대칭 모형을 고려하는 것이 적절한 것으로 판단된다.

• 무역학회지
• /
• 제44권2호
• /
• pp.127-141
• /
• 2019

In this study, the relationship between Baltic Dry Index(BDI) and maritime trade volume in the dry cargo market was verified using the vector autoregressive (VAR) model. Data was analyzed from 1992 to 2018 for iron ore, steam coal, coking coal, grain, and minor bulks of maritime trade volume and BDI. Granger causality analysis showed that the BDI affects the trade volume of coking coal and minor bulks but the trade volume of iron ore, steam coal and grain do not correlate with the BDI freight index. Impulse response analysis showed that the shock of BDI had the greatest impact on coking coal at the two years lag and the impact was negligible at the ten years lag. In addition, the shock of BDI on minor cargoes was strongest at the three years lag, and were negligible at the ten years lag. This study examined the relationship between maritime trade volume and BDI in the dry bulk shipping market in which uncertainty is high. As a result of this study, there is an economic aspect of sustainability that has helped the risk management of shipping companies. In addition, it is significant from an academic point of view that the long-term relationship between the two time series was analyzed through the causality test between variables. However, it is necessary to develop a forecasting model that will help decision makers in maritime markets using more sophisticated methods such as the Bayesian VAR model.

• 품질경영학회지
• /
• 제47권3호
• /
• pp.497-508
• /
• 2019

Purpose: The purpose of this study is to overcome limitations of conventional studies that to predict Baltic Dry Index (BDI). The study proposed applications of Artificial Neural Network (ANN) named Long Short-Term Memory (LSTM) to predict BDI. Methods: The BDI time-series prediction was carried out through eight variables related to the dry bulk market. The prediction was conducted in two steps. First, identifying the goodness of fitness for the BDI time-series of specific ANN models and determining the network structures to be used in the next step. While using ANN's generalization capability, the structures determined in the previous steps were used in the empirical prediction step, and the sliding-window method was applied to make a daily (one-day ahead) prediction. Results: At the empirical prediction step, it was possible to predict variable y(BDI time series) at point of time t by 8 variables (related to the dry bulk market) of x at point of time (t-1). LSTM, known to be good at learning over a long period of time, showed the best performance with higher predictive accuracy compared to Multi-Layer Perceptron (MLP) and Recurrent Neural Network (RNN). Conclusion: Applying this study to real business would require long-term predictions by applying more detailed forecasting techniques. I hope that the research can provide a point of reference in the dry bulk market, and furthermore in the decision-making and investment in the future of the shipping business as a whole.

• 한국항해항만학회:학술대회논문집
• /
• 한국항해항만학회 2017년도 추계학술대회
• /
• pp.50-53
• /
• 2017

장기 해운불황에 따라 불확실성이 증폭되고 있는 상황에서 경기추세의 이해뿐만 아니라 예측 또한 중요해지고 있는 실정이다. 본 논문에서는 최근 특정 복잡한 문제에 대해서 각광받고 있는 인공신경망을 적용하여 BDI 예측을 연구하였다. 사용된 인공신경망은 순환신경망으로 RNN과 LSTM 그리고 비교의 목적으로 MLP를 통해 2009.04.01.부터 2017.07.31.의 기간을 대상으로 연구를 진행하였다. 또한 전통적 시계열 예측방법론인 ARIMA 분석을 실시해 인공신경망들의 예측성능과 비교하였다. 결과로 순환신경망인 RNN의 성능이 가장 뛰어났으며 LSTM의 특정 시계열(BDI)에의 적용가능성을 확인할 수 있었다.

• Journal of Korea Trade
• /
• 제25권4호
• /
• pp.17-36
• /
• 2021

Purpose - This study provides useful information to stakeholders by forecasting the tramp shipping market, which is a completely competitive market and has a huge fluctuation in freight rates due to low barriers to entry. Moreover, this study provides the most effective parameters for Baltic Dry Index (BDI) prediction and an optimal model by analyzing and comparing deep learning models such as the artificial neural network (ANN), recurrent neural network (RNN), and long short-term memory (LSTM). Design/methodology - This study uses various data models based on big data. The deep learning models considered are specialized for time series models. This study includes three perspectives to verify useful models in time series data by comparing prediction accuracy according to the selection of external variables and comparison between models. Findings - The BDI research reflecting the latest trends since 2015, using weekly data from 1995 to 2019 (25 years), is employed in this study. Additionally, we tried finding the best combination of BDI forecasts through the input of external factors such as supply, demand, raw materials, and economic aspects. Moreover, the combination of various unpredictable external variables and the fundamentals of supply and demand have sought to increase BDI prediction accuracy. Originality/value - Unlike previous studies, BDI forecasts reflect the latest stabilizing trends since 2015. Additionally, we look at the variation of the model's predictive accuracy according to the input of statistically validated variables. Moreover, we want to find the optimal model that minimizes the error value according to the parameter adjustment in the ANN model. Thus, this study helps future shipping stakeholders make decisions through BDI forecasts.

• 융합정보논문지
• /
• 제9권12호
• /
• pp.47-53
• /
• 2019

본 연구의 목적은 VECM 모형(Vector Error Correction Model)을 활용해 해운 운임 간 인과관계를 분석하는 것이다. 분석에 사용된 해운 운임은 BDI(Baltic Dry Index), HRCI(Howe Robinson Containership Index), WS(World Scale rate), SCFI(Shanghai Containerized Freight Index)다. 분석 기간은 2013년 8월 2일부터 2019년 9월 6일까지이며 주간 데이터를 활용했다. VECM 모형 분석 결과, BDI는 일주일 전의 BDI에 많은 영향을 받는 것으로 분석되었으며, WS의 1% 상승은 일주일 후의 HRCI를 0.022% 상승시키는 것으로 분석되었다. HRCI 1% 상승은 일주일 후의 SCFI를 0.77% 상승시키며, WS는 일주일 전의 WS에 많은 영향을 받는 것으로 나타났다. 본 연구의 분석 결과는 각 해운시장의 해운 운임 예측에 도움을 주며, 이를 활용하여 의사결정자들이 올바른 의사결정을 할 수 있게 도움을 줄 수 있다고 사료된다.

• 한국항해항만학회지
• /
• 제41권1호
• /
• pp.25-32
• /
• 2017

본 연구는 2000년부터 최근 2016년 6월까지 월별 시계열 자료를 이용하여 대표적 글로벌 운임지수인 발틱 건화물지수(Baltic Dry-bulk Index 이하 BDI)와 중국의 컨테이너 운임지수(China Container Freight Index 이하 CCFI) 간의 동조성을 분석한다. 경기변동모형의 불안정성을 반영한 Engle-Granger 2단계 공적분 검정결과는 두 시장간 동조성이 존재하지 않는 것으로 나타났으나, 인과성 검정결과는 전세계 물동량의 상당부분을 차지하는 중국의 해운시황이 글로벌 운임시장에 통계적으로 유의한 영향이 존재하는 것으로 드러났다. 이러한 실증분석결과는 해운시황 예측에 중국의 CCFI지수를 어떻게 활용하는 것이 적합한가에 대한 답을 제시한다. 즉, 실무에서 중국의 운임지수 CCFI를 글로벌 운임지수 BDI를 대신하여 분석하는 것은 적합하지 않으며, BDI 예측모형에 CCFI를 포함하는 것이 적절함을 의미한다. 이상의 실증분석 결과는 산업간 동조성 분석을 해운산업의 경기변동에 적용한 사례로 향후 불안정한 글로벌 시황 예측에 중국의 경기변동 상황을 어떻게 고려하는 것이 적절한가를 제시한다.

• 한국항만경제학회지
• /
• 제27권2호
• /
• pp.217-240
• /
• 2011

이 연구는 VAR 모형을 이용하여 국제유가가 BDI, 선형에 따라 BCI, BPI 등 3개의 운임 지수에 각각 어떠한 영향을 미치는지와 VECM모형을 이용하여 케이프사이즈와 파나막스 시장 간의 파급효과를 분석하였다. 첫째, VAR모형을 이용하여 국제유가의 변화가 BCI에 미치는 효과는 시차 1기의 경우 통계적으로 정(+)의 유의적인 효과를 갖고, BPI의 경우에는 시차 3기의 경우에만 음(-)의 유의적인 효과를 갖고, BDI 운임지수에 미치는 효과는 시차 1기의 경우 통계적으로 정(+)의 유의적인 효과를 갖는 것으로 나타났다. 충격반응함수 분석의 결과는 국제유가의 충격으로부터 BDI의 반응은 약 3개월 정도 지속적으로 상승하다가 이후로는 감소하는 것으로 나타났다. 둘째, VECM모형을 이용하여 케이프사이즈와 파나막스 시장 간의 파급효과를 분석한 결과는 BCI와 BPI 운임지수 간에 장기적인 균형관계로부터의 이탈이 발생하는 경우 BPI 운임지수가 감소하는 방향으로 조정되었다. 또한 동태적인 상관관계의 경우 시차 1기의 케이프사이즈 시장에서의 운임이 상승하면 금기의 파나막스 시장에서의 운임이 상승하는 것으로 나타났다. BCI와 BPI 운임지수간의 동학적인 충격반응함수의 분석으로부터 BCI 운임지수의 충격으로부터 BPI 운임지수의 반응은 약 3개월 정도 가파르게 상승하다가 5개월 이후로는 변화가 없는 것으로 나타났고, BPI 운임지수의 충격에 대한 BCI 운임지수의 충격반응의 정도는 매우 작게 나타났으며, 약 3개월 정도 완만하게 상승하다가 이후로 거의 변화가 없는 것으로 나타났다.

• 무역학회지
• /
• 제48권2호
• /
• pp.27-43
• /
• 2023

해양 산업은 글로벌 경제 성장에 매우 중요한 역할을 하고 있다. 특히 벌크운임지수인 BDI는 글로벌 상품 가격과 매우 밀접한 상관 관계를 지니고 있기 때문에 BDI 예측 연구의 중요성이 증가하고 있다. 본연구에서는 글로벌 시장 상황 불안정성으로 인한 정확한 BDI 예측 어려움을 해결하고자 머신러닝 전략을 도입하였다. CNN과 LSTM의 이점을 결합한 예측 모델을 설정하였고, 모델 적합도를 위해 27년간의 일일 BDI 데이터를 수집하였다. 연구 결과, CNN을 통해 추출된 BDI 특징을 기반으로 LSTM이 BDI를 R² 값 94.7%로 정확하게 예측할 수 있었다. 본 연구는 해운 경제지표 연구 분야에서 새로운 머신 러닝 통합 접근법을 적용했을 뿐만 아니라 해운 관련기관과 금융 투자 분야의 위험 관리 의사결정에 대한 시사점을 제공한다는 점에서 그 의의가 있다.