• 한국항해항만학회지
• /
• 제43권2호
• /
• pp.134-141
• /
• 2019

The objective of this study was to establish whether global macroeconomic indicators affect the profitability of Korean shipping companies by using panel regression analysis. OROA (operating return on assets) and ROA (ratio of net profit to assets) were selected as proxy variables for profitability. OROA and ROA were used as dependent variables. The world GDP growth rate, interest rate, exchange rate, stock index, bunker price, freight, demand and supply of the world shipping market were set as independent variables. The size of the firm was added to the control variable. For small-sized firms, OROA was not affect by macroeconomic indicators. However, ROA was affected by variables such as interest rates, bunker prices, and size of firms. For medium-sized firms, OROA was affected by demand, supply, GDP, freight, and asset variables. However, macroeconomic indicators did not affect ROA. For large-sized firms, freight, GDP, and stock index (SCI; Shanghai Composite Index) have an effect on OROA. ROA was analyzed to be influenced by bunker price and SCI.

• 한국항해항만학회지
• /
• 제46권4호
• /
• pp.385-391
• /
• 2022

본 연구에서는 수요 및 공급요인 외 해상운임에 영향을 주는 다양한 변수들을 발굴하고자 다변량 시계열분석을 수행해 보았다. 우선 종속변수에는 해상운임을 대용할 변수로 Shipping Intelligence에서 제공하고 있는 종합운임지수(ClarkSea Index), 벌크선운임(Clarksons Average Bulker Earnings), 탱커선운임(Clarksons Average Tanker Earnings) 등을 활용하였다. 선행연구를 통해 해상운임에 영향을 미칠 것으로 예상되는 세계 해상물동량(World Seaborne Trade), 세계 선복량(World Fleet), 유가(Brent Crude Oil Price), 세계 GDP성장률(GDP World), OECD 산업생산성장률(Industrial Production OECD), 금리(US$ LIBOR 6 Months), OECD 인플레이션(CPI OECD) 등을 독립변수로 설정하여 회귀분석을 수행해 보았다. 데이터는 시계열자료로 1992년부터 2020년까지의 연데이터로 구성하였다. 분석결과 종합운임지수에는 해상물동량과 유가가, 벌크선운임에는 해상물동량만이, 탱커선운임에는 해상물동량, 유가, 산업생산성장률, 인플레이션 등이 통계적으로 유의미한 영향을 미치는 것으로 나타났다.

• 해양환경안전학회지
• /
• 제27권5호
• /
• pp.574-583
• /
• 2021

해운 시황을 예측하는 것은 중요한 문제이다. 투자 방식의 결정, 선대 편성 방법, 운임 등을 결정하기 위한 판단 근거가 되며 이는 기업의 이익과 생존에 큰 영향을 미치기 때문이다. 이를 위해 본 연구에서는 기계학습 모델인 장단기 메모리 및 간소화된 장단기 메모리 구조의 Gated Recurrent Units를 활용하여 컨테이너선의 해상운임 예측 모델을 제안한다. 운임 예측 대상은 중국 컨테이너 운임지수(CCFI)이며, 2003년 3월부터 2020년 5월까지의 CCFI 데이터를 학습에 사용하였다. 각 모델에 따라 2020년 6월 이후의 CCFI를 예측한 후 실제 CCFI와 비교, 분석하였다. 실험 모델은 하이퍼 파라메터의 설정에 따라 총 6개의 모델을 설계하였다. 또한 전통적인 분석 방법과의 성능을 비교하기 위해 ARIMA 모델도 실험에 추가하였다. 최적 모델은 두 가지 방법에 따라 선정하였다. 첫 번째 방법으로 각 모델을 10회 반복 실험하여 얻은 RMSE의 평균값이 가장 작은 모델을 선정하는 것이다. 두 번째 방법으로는 모든 실험에서 가장 낮은 RMSE를 기록한 모델을 선정하는 것이다. 실험 결과 전통적 시계열 예측모델인 ARIMA 모델과 비교하여 딥러닝 모델의 정확도를 입증하였으며, 정확한 예측모델을 통해 운임 변동의 위험관리 능력을 제고시키는데 기여했다. 반면 코로나19와 같은 외부 효과에 따른 운임의 급격한 변화상황이 발생한 경우, 예측모델의 정확도가 감소하는 한계점을 나타냈다. 제안된 모델 중 GRU1 모델이 두 가지 평가 방법 모두에서 가장 낮은 RMSE(69.55, 49.35)를 기록하며 최적 모델로 선정되었다.

• 대한교통학회지
• /
• 제24권2호
• /
• pp.53-63
• /
• 2006

본 연구의 목적은 국내 교통산업 서비스 지수를 산정하고 산정된 지수의 활용 가능성을 모색하는 것이다. 교통사업 서비스지수는 도로, 철도, 항공, 해운부문 등 국내의 여객 및 화물운송 서비스 활동수준을 나타내는 월별 지표로서, 개별 여객수송 및 화물운송 실적자료를 이용하여 산정되었다. 구체적으로 1995년 1월${\sim}$2004년 12월까지의 도로, 철도, 항공, 해운부문의 여객수송실적(인-km)과 화물운송실적(톤) 자료들이 이용되었다 국내 개별 교통산업 부문의 여객 및 화물 운송수입 자료들을 활용하여 개별 수송실적지수들의 가중치 자료를 산출하였으며, 개별 교통산업 서비스 지수(여객지수, 화물지수 및 종합지수)는 라스파이레스 지수와 파쉐 지수에서 일반적으로 발생하는 대체편의를 줄일 수 있는 피셔이상지수를 이용하여 산정되었다. 그 결과, 여객지수보다는 화물지수와 종합지수가 경제현황을 보다 잘 설명하는 것으로 분석되었고, 종합지수를 기준으로 할 때 교통산업 서비스 지수는 국내 경기순환주기에 비해 정점에서는 약18개월, 저점에서는 약3개월 후행하는 것으로 분석되었다. 그럼에도 불구하고 교통산업 서비스 지수의 공식적인 산정과 활용을 위해서는 신뢰성 있고 시의성 있는 시계열 자료의 구축이 필수적이며, 다양한 지수 산정 방법론의 개발도 요구된다.

• 한국항만경제학회지
• /
• 제38권4호
• /
• pp.107-118
• /
• 2022

본 연구에서는 원유시장을 대상으로 위험-수익 관계와 시장 공포, 불확실성, 주식시장, 해상운임지수 사이의 연관성을 검증하기 위해 2002년 1월부터 2022년 6월까지 일별자료를 이용하여 분석하였다. 본 연구를 위해 위험-수익 관계는 TVP-EGARCH-M 모형을 적용하였으며, 시장 공포, 불확실성, 주식시장, 해상운임지수와의 관계를 분석하기 위해 웨이블릿 일치성 모형을 이용하였다. 본 연구의 분석결과는 다음과 같다. 첫째, 시간 가변적 위험-수익 관계 결과에 따르면, 원유시장도 높은 수익률과 높은 위험과 관련이 있는 것으로 나타났다. 둘째, 상관관계와 그랜져 인과관계 분석결과, 위험-수익 관계와 VIX, EPU, S&P500, BDI 사이에서 약한 상관관계가 존재하는 것으로 나타났다. 그리고 EPU, S&P500과 위험-수익 관계에서 양방향 인과관계가 존재하지 않는 것으로 나타났지만 VIX와 BDI는 위험-수익 관계에 영향을 주는 것으로 나타났다. 셋째, 웨이블릿 일관성 결과를 보면, 위험-수익 관계와 VIX, EPU, S&P500, BDI 간의 관계 정도는 시간 가변적인 것으로 나타났다. 특히, 위기기간(금융위기, 코로나19) 전후에 서로 간의 관계가 높은 것으로 나타났다. 그리고 장기에 연관성이 높은 것으로 나타났다. 또한 위험-수익 관계는 VIX, EPU와는 양(+)의 관계, S&P500, BDI와는 음(-)의 관계가 있는 것으로 나타났다. 따라서 시장참여자가 의사결정을 할 때 경제적인 환경 변화를 잘 인식해야 할 것이다.

• 무역학회지
• /
• 제48권1호
• /
• pp.127-163
• /
• 2023

본문에서는 실증분석 부분을 두 시기로 나누어 COVID-19 전후에 해운지수 간의 변동성 파급효과 차이를 비교 분석하고자 하였다. 코로나19 전후에 해운지수 간의 평균 파급효과 및 지수 관계를 비교하기 위해 VAR 모델에 구축된 공적분 분석과 Granger 인과관계 테스트를 활용하였다. 또한, 본 연구에서는 해운지수가 단기적으로 자신의 충격에 대한 반응과 한 지수가 다른 지수에 대한 충격을어떻게 반영하는지 밝히기 위해서 충격반응함수 및 예측 오차 분산분해를 활용하였다. COVID-19 전염병 이전에는 BDI 해운지수가 CCFI 해운지수에 미치는 관계가 존재하지만 COVID-19 이후에는 BDI지수와 CCFI지수 사이에 뚜렷한 lead-lag 관계가 없다는 것으로 나타났다. COVID-19 전염병 이전에는 BDI지수는 SCFI지수의 변화를 설명하고 있고, 코로나19 확산 이후에는 SCFI 지수가 BDI 지수를 앞서고 있다는 것을 보여주고 있다. 또한 VAR-BEKK-GARCH 모델을 활용하여 COVID-19 전후 벌크 화물 해운시장 및 컨테이너 해운시장 간의 변동성 파급효과를 분석하였을 때 코로나19 이전의 BDI지수는 CCFI지수와 SCFI 지수에 대한 단발성 변동성 파급효과를 보였고 COVID-19 이후에도 BDI 지수의 변동성이 CCFI 지수에 여전히 영향을 미친다는 것을 보여준다. 하지만 코로나19 확산 이후에는 BDI지수와 SCFI지수 간의 변동성 파급 관계가 존재하지 않는 것으로 나타났다.

• 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.

• 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.

• 한국항해항만학회지
• /
• 제48권1호
• /
• pp.62-77
• /
• 2024

해상운송 산업에서는 공급과 수요의 불균형이 지속적으로 증가하면서 세계 주요 해운선사들이 해운 시황에 따른 선복량을 탄력적으로 조절하기 위해 블랭크 세일링을 주요 수단으로 사용하고 있다. 일반적으로 블랭크 세일링은 중국의 춘절 기간에 맞추어 많이 실시되어 왔지만, 2020년부터 시작된 글로벌 팬데믹과 미국·중국 간 무역 전쟁 등과 같은 특수한 상황으로 인해 최근 해운선사들은 기존 대비 큰 규모의 블랭크 세일링을 실시하였다. 이러한 블랭크 세일링은 화물 운송 지연에 직접적 영향을 미치기 때문에 기업과 소비자의 측면에서 부정적인 영향을 초래할 수 있다. 따라서 본 연구는 이에 선제적으로 대응하기 위해 포아송 회귀모형과 음이항 회귀모형을 활용하여 해상운임 결정요인이 해운선사의 블랭크 세일링에 미치는 영향력을 분석하였다. 분석 결과, 포아송 회귀분석의 2M의 경우 유의한 변수로 글로벌 컨테이너 해상물동량, 컨테이너 선복량, 컨테이너선 해체량, 컨테이너선 신조선가지수, OECD 인플레이션을 도출하였고, 음이항 회귀분석의 Ocean Alliance의 경우 글로벌 컨테이너 해상물동량과 컨테이너선 발주량을, THE Alliance의 경우 컨테이너선 선복량과 금리를, Non-Alliance의 경우 국제유가, 글로벌 공급망 압력지수, 컨테이너선 선복량, OECD 인플레이션을, Total Alliance의 경우 컨테이너선 선복량과 금리를 유의한 변수로 도출할 수 있었다.

• 한국컴퓨터정보학회:학술대회논문집
• /
• 한국컴퓨터정보학회 2021년도 제63차 동계학술대회논문집 29권1호
• /
• pp.329-330
• /
• 2021

벌크화물운송은 해상운송시장에서 가장 큰 규모이고 철강 및 에너지 산업을 뒷받침 하는 중요한 시장이다. 또한 운임의 변동성이 가장 큰 시장으로 상당한 수익을 기대할 수 있는 반면에 파산에 이르는 큰 손실이 발생할 수 있기때문에 시장 참여자들은 합리적이고 과학적인 예측을 기반하여 의사결정을 해야 한다. 그러나 해운시장에서는 과학적 의사결정보다는 경험기반의 의사결정에 의존하기 때문에 시황변동성에 취약하다. 본 논문은 벌크운임예측에 신호 분해 방법인 EMD와 인공신경망을 결합한 하이브리드 모델을 적용하여 과학적 예측방법을 제시하고자 한다. 본 논문은 학문적으로 해운시장 운임예측연구에서 거의 시도되지 않았던 시계열분해법과 기계학습기법을 결합한 하이브리드 모델을 제시하였다는데 의미가 있으며 실무적으로는 해운시장에서 빈번이 일어나는 의사결정의 질이 제고되는데 기여할 것으로 기대된다.