| 论文名称 | 应用ARIMA与CART之混合模型预测波罗的海干散货指数 |
| 年别 | 108 |
| 学位 | 硕士 |
| 学校系所 | 成功大学 交通管理科学系 |
| 作者 | 刘姿妤 |
| 指导教授 | 沈宗纬 |
| 论文摘要 | 国际贸易是以海运为主,其中不定期国际散装海运市场的运费起伏变动大且不易预测,使得投资不定航面临较高的风险与不确定性,而波罗的海干散货指数(Baltic Dry Index , BDI)则是判断不定航市场重要的指标。 在BDI预测方法中,可大致分为两大类,传统时间序列预测与非线性(non-linear)和资料探勘方法预测。因BDI属于非稳定的时间序列资料,而传统时间序列预测虽能准确的进行线性的时间序列预测,但对于拥有经济起伏衰退特征的BDI却无法准确预测。而机器学习方法近年来逐渐应用于非线性及非定态的时间序列资料预测。本研究结合时间序列模型中之 ARIMA (Autoregressive Integrated Moving Average model) 与机器学习方法中的分类回归树 (Classification and Regression Tree, CART) 模型,采用分类回归树可以找出重要的解释变量,补足单纯使用时间序列模型时较为缺乏的变量解释。 本研究先以基于Loess函数的季节与趋势分解方法 (Seasonal and Trend decomposition using Loess, STL)将BDI分解为三部分:趋势、季节、剩馀,以ARIMA校估并预测趋势,以CART校估并预测剩馀部分,并以CART解释影响季节的重要解释变量再以平均绝对百分比误差(Mean Absolute Percentage Error , MAPE)评估其预测准确度。最后比较本研究所提出之混合模型、单一ARIMA模型和单一CART模型对BDI进行预测之结果,结果显示,混合模型的预测准确度较其它两者高,且预测结果能明显的表现出季节性与趋势之特性,研究结果可提供海运业者做为经营与决策不定航市场方针之参考。 |
| 附件下载 | (电子档于113-08-31后开放下载) |
| 张贴日 | 2022/11/28 |
| Hashtags |
查看次数:
6