На фрахтовые рынки влияет множество факторов, что делает их крайне волатильными и трудно предсказуемыми. К этим факторам относятся, среди прочего, изменения в глобальном спросе и предложении на энергоносители, глобальная и региональная доступность соответствующих судов, политическая и экономическая нестабильность, стихийные бедствия и погодные условия. Кроме того, существуют сложные причинно-следственные связи с другими отраслями, что еще больше усложняет прогнозирование поведения рынка грузовых перевозок.
Для точной оценки цен участникам фрахтового рынка приходилось вручную отслеживать суда по всему миру, делать пометки об их местонахождении и вести базу данных с их конкретными характеристиками. Это было почти невыполнимой задачей, поскольку она требует экстраполяции того, где каждый корабль может находиться до шести недель в будущем.
Модели машинного обучения (ML) могут коренным образом изменить этот сценарий, предоставляя ценное дополнение к людям-экспертам. Модели машинного обучения изучают тенденции и закономерности непосредственно из данных и могут быстро генерировать прогнозы на основе последних наблюдений. В некоторых случаях модели машинного обучения способны прогнозировать с уровнем точности, который находится за пределами человеческих возможностей.
Vortexa Freight Market Outlook — это полностью автоматизированная система для систематического обнаружения прогнозных моделей машинного обучения для цен на перевозки. Он включает модули для создания функций, выбора функций, а также обучения и проверки модели.
Обзор рынка грузоперевозок Vortexa генерирует около 2600 уникальных функций для каждого грузового маршрута, собирая индикаторы спроса и предложения грузов в режиме реального времени из конечной точки Vortexa API. Эти особенности отражают сложный и динамичный характер рынков грузоперевозок. Однако включение слишком большого количества функций может ухудшить производительность модели и привести к переоснащению, когда модель слишком точно адаптирована к обучающим данным и плохо работает с новыми данными. Используя такой метод выбора признаков, как Boruta, Vortexa Freight Market Outlook выбирает только наиболее релевантные признаки для каждого грузового маршрута, что приводит к более точным и эффективным моделям.
Обучение модели и ее проверка являются важными этапами в разработке точных моделей прогнозирования цен на грузовые перевозки. Vortexa Freight Market Outlook использует подход перекрестной проверки временных рядов для обучения и проверки моделей, гарантируя, что обучающие и тестовые наборы разделены и между ними нет утечки данных. Настройка гиперпараметров выполняется для оптимизации производительности моделей, при этом для окончательной модели выбирается наиболее эффективная конфигурация гиперпараметров. Строгий и систематический подход к обучению и проверке модели гарантирует, что Vortexa Freight Market Outlook предоставит точные прогнозы для участников рынка.
На момент написания, клиенты Vortexa могут получить доступ к прогнозам Freight Market Outlook для 28 различных маршрутов, для которых наши обученные модели достигли общей точности 60–89%.
Vortexa Freight Market Outlook добавляет невероятный инструмент в набор инструментов участников рынка грузовых перевозок. Это позволяет судовым брокерам тратить немного времени на оценку того, как форвардная поставка судов и уровни грузопотоков в режиме реального времени повлияют на фрахтовые ставки в краткосрочной перспективе, до четырех дней вперед. Это позволяет им с уверенностью предоставлять критически важную информацию в сложной торговой среде для принятия решений с высокими ставками, подкрепленных точными данными.
В заключение, использование прогнозной аналитики в Vortexa Freight Market Outlook помогает ответить на вопрос, «что произойдет» на рынке грузовых перевозок, используя данные Vortexa в качестве основы и модели машинного обучения в качестве инструментов.
Для получения более подробной информации о Vortexa Freight Market Outlook, включая процесс обучения, архитектуру моделей машинного обучения и используемые функции, см. Белую книгу Vortexa Freight Market Outlook.
