인공신경망을 활용한 중고선가 예측모형 개발에 관한 연구

Forecasting Secondhand Ship Price using Artificial Neural Network Analysis

해운기업은 주요 자산인 선박을 취득할 때 신규로 선박을 건조할 것인지, 중고선박을 구매할 것인지 의사결정을 하게 된다. 해운기업의 리스크요인 중 하나인 선박취득은 해운기업의 장기적인 재무상태에 영향을 미치는 중요한 의사결정이라고 할 수 있다. 따라서 신뢰성 있는 중고선가 예측 모형의 개발이 필요하다. 본 연구는 건화물 중고선가 예측 모형 개발을 목적으로 하며 특히 시장요인을 활용하는 모형과 운임지수를 활용하는 모형을 비교하여 개발하고자 한다. 중고선가 예측 모형의 목적변수는 선박의 규모가 커서 선가가 높고 중고선가의 변동성이 큰 Capesize 선박이다. 시장요인 모형, 지수 모형, 시장요인-지수 모형으로 구분하고 다중회귀 모형과 인공신경망 모형으로 구분하고 예측 오차를 비교한다. 분석 결과, 인공신경망 모형 중 은닉 레이어를 14개 활용하는 경우 예측 성능이 가장 좋은 것으로 나타났으며, LR모형에 비해 ANN 모형의 예측 성능이 더 우수한 것으로 분석되었다. 설명변수가 Capesize 중고선사 예측모형의 예측력에 미치는 영향을 평가하기 위해 시장요인 모형, 지수 모형, 시장요인-지수 모형으로 구분하여 추가 분석한 결과 가장 예측 성능이 뛰어난 모델은 은닉 레이어 14개를 가지는 시장요인-지수 ANN 모형인 것으로 나타났다.

Purpose : The purpose of this study is to develop forecasting model for secondhand drybulk ships using artificial neural network (ANN) model. Research design, data and methodology : Price of capesize bulk ship is target variable since ship price is relatively high with more variability. Multivariate linear regression (LR) and ANN are adopted with market model, index model and market-index model. Forecasting errors are compared to select the best model with better accuracy. Results : ANN outperforms LR analysis in general. It is found that, among the three models, market-index model with ANN is the most accurate. Conclusions : This study is meaningful in that it applies regression model and deep learning model to secondhand ship price forecasting. Public agencies and consulting firms in maritime sector are able to adopt findings from this research.