Optimization of Artificial Neural Network for Forecasting Earning of Dirty Tanker Markets

Abstract

Abstract

Shipping companies are looking to minimize losses or maximize profits by accurately predicting the direction and the magnitude of the fluctuations in a constantly changing maritime situation. Therefore, in order to predict the maritime market more precisely, economic model between various variables such as demand, supply and freight rate etc. of shipping service has been established and forecasted. However, the determinants of the maritime markets are very diverse and volatile, and the decision mechanism is complex. The accurate prediction of the direction and the magnitude of the variation remains as a difficult challenge.

So, the purpose of this study is to propose an optimal Artificial Neural Network (ANN) model for dirty tanker markets forecasting through VLCC, SUEZMAX and AFRAMAX tanker market prediction using ANN. The data used in this ANN forecasting are 204 monthly time series data from 2000 to 2016. The ANN training algorithm was applied in two methods, Levenberg-Marquardt algorithm and Bayesian regularization algorithm, to forecast the tanker markets with the multi-step advanced time of one month, 3 months, 6 months, 9 months, 12 months and 15 months. And the performance accuracy of each algorithm was compared with.

In addition, the hidden layer size and the test data size of the Neural Network structure were changed and the predicted results were compared and evaluated to find an optimal ANN model for tanker market prediction. Furthermore, it was investigated the effect of the correlation between input and target variables on the ANN prediction when the size of each input variables change, and ANN forecasts were performed for three types of VLCC, SUEZMAX, AFRAMAX of dirty tankers which have different market fluctuations, and evaluated the accuracy and propriety of the results.

As a result of the study, the predictions results for VLCC, SUEZMAX and AFRAMAX tanker by Bayesian regularization algorithm are more satisfactory than those predicted by the Levenberg-Marquardt algorithm. In the one month, 3 months, 6 months and 9 months ahead predictions, the ANN structure with less number of hidden layer neurons than the number of input variables is more satisfactory than the structure with a larger number of hidden layer neurons. In the 12 months and 15 months ahead predictions, satisfactory results are obtained in the ANN structure with a larger number of hidden layers than the input variables, rather than the structure with fewer neurons than the input variables.

In the correlation between the target variable and the input variable, when the magnitude of the input variable has a strong correlation intensity with the target variable is changed, there is no significant change in the prediction performance error. However, when the size of the input variable with weak correlation strength is changed, the prediction performance error varies greatly. Predictions for the dirty tanker markets using ANN will help to minimize the risk of financial and operational problems.

Also, the forecasting information can be used as a very practical and effective means for establishing financial strategy and risk assessment. However, in order to use the prediction results as reliable information, it is most important to select the optimal artificial neural network model for the object to be predicted.

Keywords : Artificial neural networks, Tanker market prediction, VLCC, SUEZMAX, AFRAMAX

|해운관련 기업들은 끊임 없이 변동하는 해운시항에 대하여 그 변동의 방향과

크기를 정확하게 예측 함으로서 손실을 극소화하거나 이윤을 극대화하려 한다.

따라서 보다 정확히 해운시황을 예측하기 위한 노력으로 해운서비스의 수요와

공급, 운임 등 다양한 변수간의 경제학적 모델을 수립하여 예측을 수행하여

왔으나 해운시황 결정요인이 매우 다양할 뿐 아니라 결정 메커니즘 또한

복잡하고 급격하게 변동하는 만큼 그 변동의 방향과 크기에 대한 정확한

예측은 여전히 어려운 과제로 남아있다.

이 연구는 인공신경망 (Artificial Neural Networks, ANN)을 이용하여 VLCC,

SUEZMAX, AFRAMAX 유조선 시장에 대한 경기 예측을 수행하고 유조선 시장

예측을 위한 최적의 인공신경망 모델을 제시하고자 하였다. 이러한 인공신경망

예측에 사용된 데이터는 2000년부터 2016년까지의 월간 시계열 자료 204개를

사용하였으며, 인공신경망 학습 알고리즘으로 Levenberg-Marquardt algorithm과

Bayesian regularization algorithm의 두 가지 방법을 적용하여 1개월, 3개월, 6개월,

9개월, 12개월, 15개월 앞의 시황을 예측하였다. 이를 통하여 각 알고리즘 간의

예측 정확도를 비교 하였으며, 또한 인공신경망 구조의 Hidden layer의 수와

인공신경망의 학습에 사용되는 데이터의 크기를 변화시켜 예측결과를 비교

분석하고 최적의 인공신경망 모델을 찾고자 하였다. 나아가, 인공신경망을

이용한 예측에 있어 입력 변수의 크기가 변동할 때 입력변수와 목표 변수 간의

상관 관계의 세기가 인공신경망 예측에 미치는 영향을 평가하였으며,

유조선시장 시황 변동이 서로 다른 원유 운반선의 세가지 선종, VLCC,

SUEZMAX, AFRAMAX에 대하여 인공신경망을 이용한 예측을 수행하여 각

선종에 대한 인공신경망 예측의 정확도 등을 평가하였다.

연구 수행 결과로, 유조선의 세가지 선종, VLCC, SUEZMAX, AFRAMAX에 대한

예측은 3가지 선종 모두에서 Bayesian regularization algorithm에 의한 예측이

Levenberg-Marquardt algorithm에 의한 예측보다 만족한 결과를 보이고 있다.

또한, 1개월, 3개월, 6개월 및 9개월 앞선 예측에서는 인공신경망의 입력변수

보다 적은 수의 Hidden layer Neuron을 갖는 인공신경망 구조에서, 입력변수 보다

큰 수의 Neuron을 갖는 구조보다 만족한 결과를 얻을 수 있었으며, 12개월과

15개월 앞선 예측에서는 입력변수보다 많은 수의 Neuron을 갖는 인공신경망

구조에서 입력변수보다 적은 수의 Neuron을 갖는 구조보다 만족한 결과를 얻을

수 있었다. 목표변수와 입력변수 간의 상관관계에 있어, 목표변수와 입력변수

간의 상관관계 세기가 강한 입력변수의 크기가 변동할 경우에는 변동 전과

예측결과의 오차 값에 큰 변화가 없었으나, 상관관계의 세기가 약한

입력변수의 크기가 변동할 경우 예측오차가 크게 발생하였다.

유조선 시장에 대한 수익 예측은 용선가격 협상이나 용선시기의 결정 및

신조선 건조 투자결정 등 선대운영의 최적화와 자금운영의 위험을 최소화 할

수 있을 것이며, 금융전략의 수립이나 리스크 평가 등에 있어 매우 실질적이고

유효한 수단으로 활용될 수 있다. 그러나 이와 같이 인공신경망을 이용한 예측

결과가 신뢰성 있는 정보로 활용되기 위하여는 예측하고자 하는 대상에 맞는

최적의 인공신경망 모델을 선정하는 것이 무엇보다 중요하다.