• 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.

• 품질경영학회지
• /
• 제50권4호
• /
• pp.701-716
• /
• 2022

Purpose: This study aims to predict the dry cargo transportation market economy. The subject of this study is the BDI (Baltic Dry Index) time-series, an index representing the dry cargo transport market. Methods: In order to increase the accuracy of the BDI time-series, we have pre-processed the original time-series via time-series decomposition and data augmentation techniques and have used them for ANN learning. The ANN algorithms used are Multi-Layer Perceptron (MLP), Recurrent Neural Network (RNN), and Long Short-Term Memory (LSTM) to compare and analyze the case of learning and predicting by applying time-series decomposition and data augmentation techniques. The forecast period aims to make short-term predictions at the time of t+1. The period to be studied is from '22. 01. 07 to '22. 08. 26. Results: Only for the case of the MAPE (Mean Absolute Percentage Error) indicator, all ANN models used in the research has resulted in higher accuracy (1.422% on average) in multivariate prediction. Although it is not a remarkable improvement in prediction accuracy compared to uni-variate prediction results, it can be said that the improvement in ANN prediction performance has been achieved by utilizing time-series decomposition and data augmentation techniques that were significant and targeted throughout this study. Conclusion: Nevertheless, due to the nature of ANN, additional performance improvements can be expected according to the adjustment of the hyper-parameter. Therefore, it is necessary to try various applications of multiple learning algorithms and ANN optimization techniques. Such an approach would help solve problems with a small number of available data, such as the rapidly changing business environment or the current shipping market.

• 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.

• 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.

• 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.

• 한국항만경제학회지
• /
• 제29권1호
• /
• pp.67-76
• /
• 2013

해운경기와 밀접한 관계를 갖는 세계 경기가 유럽재정위기와 같은 일련의 사건으로 침체국면에서 벗어나지 못하고 있어 장기적인 해운시황에 대한 우려가 커지고 있으며, BDI 건화물선 종합운임지수가 1000포인트에도 도달하지 못해 해운기업의 어려움을 가중시키고 있다. 본고는 해운경기의 불황탈피가 2013년에 가능한가를 파악하기 위해 BDI를 예측하는데 목적을 둔다. 해상운임에 영향을 미치는 변수들로 구성된 다변량모형 대신 BDI로만 구성된 단일변량모형인 자기회귀-이동평균모형과 장기순환과정을 보여주는 Hodrick-Prescott 필터 기법을 이용하여 2013년의 BDI를 예측한다. 3개의 ARIMA모형과 2개의 개입-ARIMA 모형을 이용하여 2013년에도 지속적으로 BDI가 하락하는 760과 670사이에서 움직인다는 것을 보인다. HP기법을 통한 예측은 750에서 556사이의 변동을 예상하여 ARIMA모형보다 해운경기를 더 비관적이라는 것도 밝힌다. 또한 5개의 ARIMA모형의 예측오류가 RW모형보다 낮을 뿐만 아니라 그 크기가 대단히 작아 예측치가 크게 빗나갈 가능성이 낮다는 것도 보인다.

• 한국항만경제학회지
• /
• 제27권4호
• /
• pp.1-11
• /
• 2011

미국 신용등급 하락 이후 미국의 더블딥 우려와 유럽 재정위기가 세계 경제를 크게 뒤흔들고 있다. 미국의 재정적자가 심각한 수준에 도달하여 재정정책수단이 제대로 작용하지 못하고 유럽의 일부 국가에서도 재정위기 가능성이 상존하여 실물위기로 파급될 가능성이 높다. 이러한 점들은 세계경제가 내년에도 상당한 불확실성을 보일 것이라는 것을 의미한다. 세계경제에 대한 전망이 밝지 못한 가운데 해운경기는 세계 경기와 밀접한 관계가 있기 때문에 어두운 전망의 세계경제는 해운경기 역시 밝지 않을 것이라는 것을 쉽게 예측할 수 있다. 본고는 2012년의 해운경기를 예측하기 위하여 단변량 모형인 4개의 ARIMA 모형과 6개의 개입ARIMA모형을 이용한다. 먼저 사후적 예측을 하여 10개의 모형의 RMSPE가 비교적 높을 뿐만 아니라 일부 모형에서는 상당히 높아 ARIMA모형에 의한 예측이 어려움을 의미한다. 사전적 예측을 통해 모형들의 예측치가 큰 차이를 보이지 않으며 그러나 2012년 예측치가 모형 4개의 최대 2178-2320, 모형 6개의 최대 2071-2533에 불과하여 해운경기가 여전히 불황에서 벗어나기 어려울 것이라는 것을 보인다.

• 한국항만경제학회지
• /
• 제30권2호
• /
• pp.77-92
• /
• 2014

본 연구는 2000~2013년까지의 월별 시계열 자료를 이용하여 실물 금융변수와 해운경기간의 동태적 상관관계를 분석한다. 특히, 2008년 글로벌위기 이후 운임지수의 지속적인 하락국면에서 실물 금융변수가 얼마만큼의 영향을 미쳤는가를 중심으로 분석하였다. 모형의 적합성과 예측력 비교를 위해 기존의 일반적인 VAR 모형과 베이지안 VAR를 비교하였으며, VAR 모형 설정에 있어 외생성을 보다 객관적으로 도출하기 위해 DAG(Directed Acyclic Graph)를 활용하여 충격반응분석을 실시하고 각각의 모형에 대한 예측력을 비교하였다. 분석결과 BDI에 대한 금융 실물 부문의 영향에 대하여 베이지안 VAR 모형의 충격반응분석 결과는 일반적인 VAR 모형보다 명확하게 드러났으며, 두 모형 간의 예측력을 검정한 결과 베이지안 VAR 모형의 예측력이 매우 우월한 것으로 나타났다.