论文部分内容阅读
国际干散货航运市场是国际航运市场中非常重要的一个子市场。由于干散货航运市场运价波动剧烈,走势难以琢磨,受到的影响因素非常复杂,是一个非线性的复杂系统,因而,传统的预测方法并不适合对它进行预测。这给航运经营者和货物托运人决策带来了困难。因此,考察运价指数波动的内在规律和外在影响,并在此基础之上开发新的模型预测运价指数,可以为航运市场经营者和投资者提供把握市场态势、规避价格风险的有力的工具。本文针对巴拿马型干散货船舶,进行基于支持向量机(Support Vector Machines,SVM)模型的波罗的海运价指数预测研究。SVM充分考虑了运价指数的随机性,同时其泛化能力较之神经网络有明显改善,更适用于对非线性时间序列进行预测。首先,分析干散货航运市场的内部供给和需求的运行机制,挖掘运价指数剧烈波动的深层原因。其次,对运价指数的形成过程及计算原理进行阐述,通过分析,运价指数可以准确反映航运市场的变化,本文选取巴拿马型船舶运价指数(Baltic Panamax Index, BPI)指数作为研究对象。论述运价指数波动的外部影响因素,在此基础上,对干散货航运市场的现状和未来走势进行定性分析。接着,本文建立了小波变换-SVM混合预测模型,对小波变换、SVM的理论和适用性进行简要介绍,并且论证了混合预测模型的构建原理。最后,本文针对BPI序列进行实证分析,先用小波变换对运价指数序列进行去噪,消除无规律的突发事件造成的影响;随后用前五个月的BPI值作为输入变量,以第六个月的运价指数作为输出变量,对SVM模型进行训练,得到训练好的预测模型和单步预测结果。通过与ARIMA模型、神经网络模型得到的预测结果进行比较,发现小波-SVM模型具有最高的预测精度。在该模型上加入相关因素作为输入,进行BPI单步预测,取得了更好的预测效果。本文接下来尝试运用此模型进行多步预测,并构建了滞后3期的小波-SVM混合预测模型,可以较为准确的进行BPI的中期预测。