연구보고서
보고서명딥러닝 기반의 건화물선 시황예측 연구
보고서명(영문)A Study on the Prediction of Dry Bulk Market based on Deep Learning
원문다운로드 자료활용안내
국가정책연구포털(NKIS)이용에 항상 감사드립니다.
이용하시는 자료는 연구기관의 소중한 연구성과물로 저작권 및 이용조건 등을 준수하여 활용해 주시기 바랍니다.
자료 다운로드를 위해 하단의 자료이용 동의서 및 사용목적 등에 응답 부탁드립니다.
답변하신 내용은 NKIS 정보 활용 현황 및 서비스 분석을 위한 기초자료로 활용됩니다.
감사합니다.
자료 이용 시, 국가정책연구포털(NKIS)에서 제공하는 저작물을 이용하였음을 명시할 것을 동의합니다.
무단으로 연구성과물을 사용하였거나 NKIS에서 제시한 이용조건을 이행하지 않았을 경우,
저작권법에 따라 관련기관에 처벌을 받을 수 있으며, 즉시 저작물의 이용허락을 중지할 수 있습니다.
국문초록
- 1. 연구의 목적
？ 해운업에 있어 예측이 의사결정에서 중요한 역할을 함에도 불구하고 이에 대한 과학적인 접근보다는 직관이나 경험에 의존하는 경향이 있음. 이에 인공지능 기반 시황예측 모델 개발을 통해 해운기업의 의사결정을 지원하고 나아가 정책당국의 정책적 판단 정확도를 높여 해운위기 재발을 막는 것이 본 연구의 목적임
2. 연구의 방법 및 특징
1) 연구방법
2) 연구의 특징
？ 본 연구는 해운시황 예측을 위해 기존 수급구조를 바탕으로 한 계량기법을 활용하지 않고 시장 추세와 변동성을 알 수 있는 기술적 지표를 입력변수로 사용하여 재무나 자원 등의 분야에서 기존 모델 보다 좋은 성능을 기록하고 있는 인공지능 기반 모델을 적용하는 연구임
？ 자료의 가용성과 연속성을 고려하여 벌크선에 한정하여 케이프, 파나막스, 수프라막스 3가지 선형에 한정하여 주간 단위로 방향성 예측을 실시함
？ 모델 성능 평가를 위해 다양한 평가 지표를 활용 하였으며 다양한 문제 해결을 위해 사용되는 머신러닝 모델들과 비교를 통해 모델의 객관적인 성능을 제시함
3. 연구 결과
1) 연구 결과 요약
？ 기술적 지표들과 주간 시황 변동성 상관분석을 실시한 결과 대부분의 기술적 지표와 시황 변동성간에는 통계적으로 유의미한 상관관계가 있는 것으로 나타남
？ 케이프, 파나막스, 수프라막스 선형별로 20회의 파라미터 추정과정을 반복하여 이들의 출력치를 결합한 앙상블 모델을 적용하였음
？ 그 결과 케이프선에서는 정확도가 70.9%, 파나막스에서는 72.3%, 수프라막스에서는 79.7%로 나타남
？ 모델 성능 비교를 위해 서포트 벡터 머신과 랜덤 포레스트를 사용한 결과 케이프 선에서는 각각 61.5%, 64.2%를 기록하였으며, 파나막스에서는 64.2%, 74.3%, 수프라막스는 66.2%, 75.7%를 기록함
？ 세 선형을 종합적으로 살펴보면 딥러닝 모델의 성과가 가장 좋게 나타남
？ 시장의 유동성이 작은 대형선의 경우 운임 변동폭이 크고 단기적인 공급의 쏠림현상이나 기상이변의 영향이 크기 때문에 대형선의 정확도가 상대적으로 낮은 것은 시장참여자의 직관과 일치하는 결과임
2) 연구의 기여
？ 본 연구는 해운 시황의 단기방향성 예측에 대한 기술적 지표를 활용한 인공지능 모델의 유효성을 검증한 데 있음
- 재무나 자원 등 다양한 영역에서 인공지능기반 모델이 기존 계량 분석보다 우수한 성과를 보이는 연구결과가 지속적으로 나오고 있음. 특히, 중장기 예측에 어려움을 보이는 계량분석 모델을 인공지능 기반의 새로운 방법론 예측연구로 확대 가능한 기반을 마련함
？ 해운기업이 용대선 의사결정에 해운 시황의 단기방향성 예측결과를 참고하여 의사결정의 질을 높이고 경영성과를 개선할 수 있을 것임
3) 추가연구
？ 본 연구에서는 벌크선의 단기시황예측으로 범위를 한정하여 진행되었음. 이 연구를 3가지 방향으로 확장하는 것을 고려할 수 있음
？ 첫째, 연구 분야를 탱커와 컨테이너선 까지 확장, 둘째, 모델에 활용 가능한 다양한 입력변수를 확보, 셋째, 예측연구 대상기간의 확장임