한국해양대학교

Detailed Information

Metadata Downloads

인공신경망(ANN) 모델을 활용한 상해 컨테이너 운임지수 예측

DC Field Value Language
dc.contributor.advisor 류동근 -
dc.contributor.author 조상호 -
dc.date.accessioned 2019-12-16T03:08:42Z -
dc.date.available 2019-12-16T03:08:42Z -
dc.date.issued 2019 -
dc.identifier.uri http://repository.kmou.ac.kr/handle/2014.oak/11873 -
dc.identifier.uri http://kmou.dcollection.net/common/orgView/200000180278 -
dc.description.abstract 세계 컨테이너 해운시장은 과잉선복량 증대로 인한 시장 불균형 현상 및 과점형태의 양상을 나타내는 얼라이언스 개편 등으로 인해 시장의 불균형은 심화되어가고 있다. 또한 컨테이너 해운 시황을 대표하는 컨테이너 운임지수인 SCFI는 급등락을 반복하며 운임시장의 급격한 변동성을 반영하고 있다. 이처럼 컨테이너 해운시장의 불균형과 불확실성은 점차 증대되고 있으며 시장의 변화와 위기에 대한 대응방안 마련을 위해서는 예측에 관한 연구가 필요하다. 본 연구는 2009년 10월부터 2018년 9월까지 대표적인 컨테이너 운임지수인 SCFI의 시계열자료를 활용하여 인공신경망(ANN) 모델을 통해 2018년 10월부터 2019년 1월까지 SCFI를 예측하였다. 또한 SCFI의 예측치와 실측치 비교를 통해 변화 추세를 파악하였다. 인공신경망 예측모델 구축을 위해 독립변수로 HRCI, Bunker 380CST Index, U.S. Dollar Index를 활용하였다. 최적의 인공신경망 예측모델을 구축하기 위해 다양한 Hyper-Parameters를 조정하며 실험적으로 오차를 줄여나가는 시행착오법을 사용하였다. 인공신경망 예측모델의 성능을 평가하기 위한 기준은 RMSE = 0.136, MSE = 0.018, MAE = 0.116, MAPE = 0.272로 평가 되었다 예측 결과 최대 1,010 포인트 최소 992포인트로 일시적인 소폭상승세를 나타내지만 전반적으로 지속적인 하락세를 나타내는 것으로 예측되었다. 2018년 10월 첫째주부터 2018월 12월 둘째주 간의 SCFI 실측치와 예측치를 비교한 결과 상대적인 값의 차이는 존재하나 동일한 하락 추세를 나타내고 있다. 이러한 예측분석 결과는 컨테이너 해운시장의 전통적인 특징인 3/4분기 성수기로 인한 운임 상승세 유지 및 춘절 전 물동량 증가를 가만하더라도 악화된 시장상황을 나타내는 것으로 추정된다.|In the global container shipping market, the market imbalance is worsening due to the market imbalance caused by the increase in excess fleet and the reorganization of the alliance, which shows the form of oligopoly. In addition, the container freight rate index SCFI, which is representative of the container shipping industry, has repeatedly fluctuated and reflects the volatility of the freight market. As such, the imbalance and uncertainty of the container shipping market are gradually increasing, and studies on forecasting are needed to prepare for countermeasures against market changes and crises. This study predicts SCFI from October, 2018 to January, 2019 through an artificial neural network (ANN) model using the time series data of SCFI which is representative container freight index from October, 2009 to September, 2018. In addition, the change trends were identified by comparing SCFI predictions and measured values. For the construction of the artificial neural network prediction model, HRCI, Bunker 380CST Index, U.S. Dollar Index was used. In order to construct an optimal artificial neural network prediction model, trial and error method which adjusts various hyper parameters and experimentally reduces error is used. Predicted results were a slight uptrend of a maximum of 1,010 points, a minimum of 992 points, but an overall slowdown. In this study, SCFI measured and predicted between the first week of October, 2018 and the second week of December, 2018 were compared. There is a difference in relative value but it shows the same declining trend. The results of the forecast analysis are expected to indicate the deteriorating market conditions, even if the freight rate increase due to the high season in the third quarter, which is a traditional characteristic of the container shipping market, and the increase in freight volume before the Lunar New Year. -
dc.description.tableofcontents 제1장 서론 1 1.1 연구의 배경 및 목적 1 1.2 연구의 범위 및 방법 2 1.3 연구의 구성 2 제2장 컨테이너 해운 시장 현황 및 운임지수 4 2.1 컨테이너 해운 시장 현황 4 2.1.1 세계 컨테이너선 선복량 추세 4 2.1.2 세계 컨테이너 물동량 추세 7 2.1.3 세계 주요 선사 얼라이언스 개편 및 M&A 추진 현황 10 2.2 컨테이너 해운시장 관련 지수 14 제3장 선행연구 및 예측방법론 고찰 25 3.1 선행연구 고찰 25 3.2 분석방법론 28 3.2.1 ARIMA(Auto-regressive Integrated Moving Average) 28 3.2.2 자기회귀모형 32 3.2.3 인공신경망 모형 34 3.2.4 이중계절형 Holt-Winters 모형 46 제4장 인공신경망을 활용한 SCFI 예측 모형 구축 49 4.1 예측 요인 선정 49 4.1.1 SCFI(Shanghai containerized Freight Index) 49 4.1.2 HRCI(Howe Robinson Containership index) 50 4.1.3 Bunker 380CST Index 51 4.1.4 U.S. Dollar Index 53 4.2 예측 요인 상관 분석 55 4.3 최적 인공신경망 예측 모형 구축 57 4.3.1 최적 인공신경망 예측 모형 구축 과정 57 4.3.2 최적 인공신경망 모형을 통한 예측 수행 64 제5장 결론 67 5.1 연구결과 및 시사점 67 5.2 연구의 한계점 및 향후 연구방향 69 참고문헌 70 -
dc.format.extent 82 -
dc.language kor -
dc.publisher 한국해양대학교 대학원 -
dc.rights 한국해양대학교 논문은 저작권에 의해 보호받습니다. -
dc.title 인공신경망(ANN) 모델을 활용한 상해 컨테이너 운임지수 예측 -
dc.type Dissertation -
dc.date.awarded 2019-02 -
dc.contributor.alternativeName Cho, Sang Ho -
dc.contributor.department 대학원 해운경영학과 -
dc.contributor.affiliation 한국해양대학교 해운경영학과 -
dc.description.degree Master -
dc.subject.keyword 컨테이너, SCFI, 정기선, 인공신경망, 다층 퍼셉트론, Container, SCFI, Liner, Artificial neural network, Multilayer perceptron -
dc.title.translated A Study on the Forecasting of Shanghai Containerized Index Using Artificial Neural Network -
dc.identifier.holdings 000000001979▲200000001028▲200000180278▲ -
Appears in Collections:
해운경영학과 > Thesis
Files in This Item:
인공신경망(ANN) 모델을 활용한 상해 컨테이너 운임지수 예측.pdf Download

Items in Repository are protected by copyright, with all rights reserved, unless otherwise indicated.

Browse