개입 승법계절 ARIMA와 인공신경망모형을 이용한 해상운송 물동량의 예측 (Forecasting the Seaborne Trade Volume using Intervention Multiplicative Seasonal ARIMA and Artificial Neural Network Model)

서지정보

· 발행기관 : 한국항만경제학회
· 수록지 정보 : 한국항만경제학회지 / 31권 / 1호 / 69 ~ 84페이지
· 저자명 : 김창범

초록

본고는 개입 승법계절 ARIMA모형과 인공신경망모형을 이용하여 해상운송 물동량을 추정하고 사전적예측치를 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)12이가장 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.

영어초록

The purpose of this study is to forecast the seaborne trade volume during January 1994 toDecember 2014 using the multiplicative seasonal autoregressive integrated moving average (ARIMA)along with intervention factors and an artificial neural network (ANN) model. Diagnostic checks ofthe ARIMA model were conducted using the Ljung-Box Q and Jarque-Bera statistics. All types ofARIMA process satisfied the basic assumption of residuals. The ARIMA(2,1,0) (1,0,1)12 modelshowed the lowest forecast error. In addition, the prediction error of the artificial neural networkindicated 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 arepresented. The result shows that the seaborne trade volume increases very slowly.

참고자료

· 없음