Journal of Korea Port Economic Association (한국항만경제학회지)

The Korea Port Economic Association (한국항만경제학회)
권호 표지

Forecasting the Seaborne Trade Volume using Intervention Multiplicative Seasonal ARIMA and Artificial Neural Network Model

개입 승법계절 ARIMA와 인공신경망모형을 이용한 해상운송 물동량의 예측

  • 김창범 (전남대학교 지역개발연구소)
  • Received : 2015.02.02
  • Accepted : 2015.03.26
  • Published : 2015.03.31
Download PDF
⟨ Previous Next ⟩

Abstract

The purpose of this study is to forecast the seaborne trade volume during January 1994 to December 2014 using the multiplicative seasonal autoregressive integrated moving average (ARIMA) along with intervention factors and an artificial neural network (ANN) model. Diagnostic checks of the ARIMA model were conducted using the Ljung-Box Q and Jarque-Bera statistics. All types of ARIMA process satisfied the basic assumption of residuals. The ARIMA(2,1,0) $(1,0,1)_{12}$ model showed the lowest forecast error. In addition, the prediction error of the artificial neural network indicated a level of 5.9% on hidden layer 5, which suggests a relatively accurate forecasts. Furthermore, the ex-ante predicted values based on the ARIMA model and ANN model are presented. The result shows that the seaborne trade volume increases very slowly.

본고는 개입 승법계절 ARIMA모형과 인공신경망모형을 이용하여 해상운송 물동량을 추정하고 사전적 예측치를 도출하였다. 개입 ARIMA의 추정결과 오차항에서 자기상관이 존재하지 않고 정규성이 존재함으로써 오차항의 기본가정이 잘 충족되고 있음을 확인하였다. 그리고 개입 승법계절 ARIMA모형과 인공신경망모형에 대해 예측실적 오류를 ME, MAE, RMSE, MSE로 측정한 결과 ARIMA $(2,1,0)(1,0,1)_{12}$이 가장 우수한 예측모형임을 확인할 수 있었다. 2015년부터 2019년까지의 기간에 대해 개입 ARIMA모형을 이용한 해상운송 물동량의 사전적 예측치 결과 4.54%에서 4.99%의 연평균 증가율을 보였고, 인공신경망모형을 이용한 예측결과 2.00%에서 2.44%까지의 연평균 증가율을 나타냈다.

Keywords

References

  1. 김민수.김기웅.박성식(2012), "ARIMA-Intervention 시계열모형을 활용한 제주 국내선 항공여객수요 추정", 한국항공운항학회지, 제20권 제1호, 63-74. https://doi.org/10.12985/KSAA.2012.20.1.063
  2. 김정훈(2008), "전국 컨테이너 항만물동량에 관한 예측", 해운물류연구, 제59호, 175-194.
  3. 김창범(2007), "해상운송의 물동량 예측과 항만물류정책", 한국항만경제학회지, 제23권 제1호, 149-162.
  4. 모수원.김창범(2003), "해상물동량의 추정과 예측", 해운물류연구, 제37호, 1-18.
  5. 이재득(2013), "승법계절 ARIMA 모형에 의한 부산항 컨테이너 물동량 추정과 예측", 한국항만경제학회지, 제29권 제3호, 1-23.
  6. 유상록.김종수.정중식.정재용(2014), "인공신경망과 시계열분석을 이용한 해상교통량 예측", 해양환경안전학회지, 제20권 제1호, 33-41. https://doi.org/10.7837/kosomes.2014.20.1.033
  7. 윤영삼(2008), "국내외 경제환경 변화가 국내 IT산업 수출에 미치는 영향", 산은조사연구, 1-21.
  8. 여운방.손영숙(1985), 승법 계절ARIMA 모형의 구조식별 방법, 한국개발연구원.
  9. 조삼현(2009), "신항과 북항의 철도물동량 예측에 따른 철도운송 활성화 방안에 관한 연구", 한국항만경제학회지, 제25집 제4호, 131-146.
  10. 전찬영(2007), "우리나라 환적물동량 예측에 관한 소고", 월간해양수산, 제272호, 1-22.
  11. 전찬영.송주미(2007), "인공신경망모형의 항만물동량 예측 적용에 관한 연구", 해운물류연구, 제53호, 65-82.
  12. MacDonald, R. and Taylor, M.P.(1983), The Monetary Approach to the Exchange Rate, IMF Staff Papers, 40, 89-107.
  13. MacDonald, R. and Taylor, M.P.(1994), "The Monetary Model of the Exchange Rate; Long-Run Relationships, Short-run Dynamics and How to Beat a Random Walk," Journal of International Money and Finance, 13, 276-290. https://doi.org/10.1016/0261-5606(94)90029-9
  14. Meese, R.A. and Rogoff, K.(1983), "Empirical Exchange Rate Models of the Seventies: Do They Fit Out of Sample?" Journal of International Economics, 14, 3-24. https://doi.org/10.1016/0022-1996(83)90017-X
  15. Pradhan, R.P.(2010), "Forecasting Exchange Rate in India: An Application of Artificial Neural Network Model," Journal of Mathematics Research, 20, 111-117.
  16. https://www.spidc.go.kr:10443(해양수산부 해운항만물류정보센터)