◆과거의 해운시황 예측
해운과 조선에 있어 해운시황의 예측은 선택의 문제가 아니다. 선대의 확보를 위한 투자 의사결정, 용대선 의사결정, 시장위험의 관리 등에 있어 예측은 매우 중요한 역할을 한다. Stopford 박사의 ‘해운경제학’에도 잘 나와 있듯이 지금까지의 예측은 이렇다할만한 성과를 거두지 못하였다. 수시로 등장하는 이례적인 이벤트, 잦은 구조적 변화(structural changes) 등이 해운시장에 대한 예측을 어렵게 만들고 있다.
하지만 해운업계에서는 다양한 방법을 동원하여 예측의 정확도를 높이고자 노력해 왔다. 정성적인 방법으로는 전문가들의 견해에 의존하는 델파이(Delphi)기법, 시나리오 분석 등이 널리 활용되었으며, 정량적인 기법으로는 전통적인 수급모델(supply-demand model)에 더하여 시계열분석 기법인 지수평활법(exponential smoothing), 회귀분석, 자기회귀모형(Autoregressive model), 이분산모형(autoregressive conditional heteroskedastic model) 등이 시도되었다. 하지만 아쉽게도 데이터에 포함된 이전 기간의 변동성과 충격(shock)의 크기에 기초한 시계열예측 모델은 해운에서 큰 성과를 보이지 못했다.
◆새로운 데이터와 분석방법의 등장
4차 산업혁명의 진전으로 다양한 사물인터넷(IoT) 센서가 발달하고 대용량의 데이터를 실시간으로 전달할 수 있는 통신기술, 대용량 데이터를 분산처리할 수 있는 빅데이터 처리기술이 발전하면서 이전에는 활용하지 못했던 새로운 형태의 데이터를 시황의 분석과 예측에 활용할 수 있게 되었다. 이에 더하여 인공지능을 활용한 분석이 저변을 넓혀감으로써 과거의 시계열분석이 가지는 한계를 뛰어넘을 수 있는 가능성이 열렸다.
인공지능을 활용한 분석으로는 인공신경망(ANN: Artificial Neural Networks) 기반의 다양한 기법들이 활용되고 있어 기존의 시계열 데이터에 대한 새로운 접근이 가능하게 되었다. 또한 뉴스나 보고서 등의 텍스트 정보에 시장의 정서를 읽을 수 있는 분석방법(sentiment analysis)을 적용함으로써 지금까지 중개인의 입을 통해 전달되던 시장의 분위기를 정량적으로 측정하는 것도 시도되고 있다. 한편 빅데이터분석으로는 선박의 실시간 동정정보인 AIS(Automatic Identification System) 자료에서 시황분석에 대한 정보를 추출하려는 노력이 이루어지고 있다.
한국해양수산개발원에서는 금년 초부터 '주간시황포커스'에 벌크선에 대한 ANN 기반 주간시황 방향성예측 결과를 시범적으로 게재하고 있으며, 향후 산학연 공동연구를 통하여 텍스트 마이닝, AIS 데이터분석 등 더욱 다양한 예측기법을 적용하고 예측의 성과도 지속적으로 제고할 예정이다. <KMI에서 제공하는 예측자료는 참고치(reference)로서 제공되는 것이며 의사결정에 대한 책임은 전적으로 자료의 사용자에게 있다>
