Deniz ticaret endekslerini zaman serisi modelleri kullanarak tahminleme

Abstract

Günümüzde şirketlerin geleceklerine yön verebilmesi, karlılıklarını arttırarak anlamlı bir büyüme ivmesi yakalayabilmeleri, gelir gider dengesini optimum düzeyde tutarak karlılığı maksimize etmeleri, olumsuz koşullarda varlıklarını sürdürebilmeleri ve doğru zamanda doğru kararlar alabilmeleri, sektörlerinde hızlı hareket eden ve yön veren bileşenleri okuma, anlama, doğru yorumlayarak karşılık verebilme kabiliyetlerine bağlıdır. "Veri Bazlı Karar Verme" yaklaşımı bugünün dünyasında kurumların ve kişilerin var olabilmesi için gerekli hale gelmiştir. Eldeki verilerden belli değişkenlerin tahminlenmesi, gelecekte karşılaşılması muhtemel durum ve senaryoları uygun veri ve analiz teknikleri kullanarak öngörmek ve duruma göre önlem almaktır. Denizcilik sektöründe ise özellikle iş zekâsı ve analitiği, raporlama, iş ve süreç geliştirme departmanları ve yöneticiler genellikle navlun oranları, ürün satışları, envanter gereksinimleri, sefer hesapları, sevkiyat oranları hakkında düzenli olarak tahminler yapmakta ve yorumlamaktadırlar. Yapılan analizler doğrultusunda tahmin değerlerine dayalı olarak kısa ve orta vadede operasyonel ve stratejik kararlar alınmaktadır. Denizcilik endüstrileri karmaşık küresel pazarlarda faaliyet göstermekte, işletmeler dış girdilere ve değişken çevre koşullarına karşı oldukça hassastır. Özellikle pandemi ile birlikte küresel çapta değişen yeni dünya ekonomisi ve gelişmeler denizcilik piyasalarını da derinden etkilediği gözlemlenmektedir. Ülkelerin virüse karşı aldığı tedbirler; örümcek ağı gibi birbirine bağlı denizcilik endüstrisi üzerinde Domino (Kelebek) etkisini başlatmıştır. Tedarik zincirindeki bu kırılma, ABD, Avrupa ve Asya' nın diğer limanlarını da etkisi altına alarak zincir boyunca dalgalanma yarattığı açıkça gözlemlendi. Özellikle konteyner piyasasında yaşanan önce azalan taleple düşen navlun oranları ve hemen akabinde boş konteyner ihtiyacı ile sürekli artış eğilimi gösteren taşıma ihtiyacı navlunları agresif şekilde yükseltmiştir. Bu sebeple, denizcilik sektöründe navlun fiyatlarının trendini tahmin etmek ve geleceğe yönelik pozitif değer yaratmaya yönelik stratejiler geliştirmek çok daha önemli hale gelmiştir. Geçmiş ve güncel veriler (veri ambarları) ile yapılacak çalışmalar dijitalleşen piyasalarda geleceği öngörmek için güçlü bir araç olarak karşımıza çıkmaktadır. Covid-19, dijital paralar, Fed faiz politikası, ticaret savaşları, enerji krizleri, enflasyon, web3.0 ve savaşlar gibi dünya küresel piyasalarında dönüm noktası sayılan gelişmelerde önemi daha da artmaktadır. Öngörünün önemi, yalnız kriz zamanlarında değil, tüm şartların uygun olduğu zamanlarda bile kolayca görülebilir. Bu bağlamda kullanabilecek öngörü modellerinden en çok tercih edilen ve başvurulan yöntemlerin başında zaman serisi modelleri gelmektedir. Tahmin için kullanılabilecek birçok zaman serisi tekniği üzerine son yıllarda çalışılmaktadır. Tek ve karmaşık değişkenlere bağlı veri yapılarında tahminleme için ARIMA, Support Vector Regression (SVR), bulanık kümeler, yapay sinir ağları ve makine öğrenimi ön plana çıkmaktadır. Zaman serileri üzerine ilk çalışma Klein ve Verbeke (1987) tarafından yapılmış olup, Antwerp limanında aylık veriler içeren tek değişkenli zaman serileri kullanılarak Antwerp limanındaki çelik trafik akışını modellemiştir. Pino ve arkadaşları çok fazla veriden oluşan herhangi bir zaman serisini hızlı şekilde tahminlemek için çalışmalarında, İspanya'nın elektrik üretim piyasasındaki rolü içi enerji fiyatının saatlik öngörülerini hesaplamaktadır. Zeng ve arkadaşları, Baltic Dry Index (BDI) tahmini için empirical mode decomposition (EMD) ve artificial neural networks (ANN) dayalı bir yöntem geliştirmiştir. Angelopoulos çalışmasında, Baltic Dry Index (BDI) dinamik spektral içeriğini araştırmaktadır. Baltic Dry Index'in dinamik spektral içeriği, zaman içindeki olası varyasyonlarını ortaya çıkarmak için Zhao-Atlas-Marks çift doğrusal zaman-frekans gösterimi aracılığıyla analiz ederek tasvir etmiştir. Tahmin üzerine başka bir çalışmada, Fahran mevsimsel değişiklikleri dikkate alarak bazı uluslararası konteyner limanlarında SARIMA modellerini kullanarak konteyner elleçleme tahmininde bulunmuştur. Sezer ise çalışmasında 2005-2019 arasındaki finansal zaman serisi tahmin uygulamasına ilişkin çalışmalara yönelik kapsamlı bir literatür incelemesi yapmıştır. Çalışmalarını endeks, forex ve emtia tahmini gibi öngörülen tahmin uygulama alanlarına göre kategorize etmiştir Zaman serisi analizi kullanılarak çeşitli endüstrilerde birçok model ve yöntem geliştirilmiştir. Zaman serileri literatürde yeni bir konu olmamasına rağmen denizcilik endüstrisinde çalışmaların kısıtlı olduğu ve çoğunlukla güncel olmadığı görülmektedir. Bu çalışma ile Institute of Shipping Economics and Logistics (ISL) and the Leibniz-Institut für Wirtschaftsforschung (RWI) Container Throughput Index, Shanghai Containerized Freight Index (SCFI), The Baltic Exchange Dry Index aylık verilerine dayanarak bir öngörü yapılması amaçlanmaktadır. RWI/ISL container throughput index ile ilgili bir çalışmaya rastlanmamış olmaması nedeniyle bu konuda yapılan ilk çalışma olacaktır. Pandemi ve sonrası tahminlemeye dayalı güncel yayınların az olmasına istinaden yapmayı hedeflediğimiz SCFI ve BDI ile ilgili çalışmamızın literatüre önemli katkı sağlaması beklenmektedir. Aynı zamanda denizcilik sektörü de bu çalışmalardan faydalanabilecektir. Çalışmanın giriş bölümünde veri bazlı karar verme ve tahminlemenin önemi, denizcilik sektörü üzerine değerlendirilmesi ve çalışmanın aşamalarına değinilmektedir. Toplamda 3 farklı indeks ile yapılacak olan bu çalışma 4 aşamadan oluşmaktadır. Birinci bölümde literatür çalışmaları çerçevesinde çalışmamızın amacı ve önemi önemi vurgulanmaktadır. Ayrıca denizcilik ve diğer sektörlerde zaman serileri üzerine yapılan öngörü çalışmaları incelenmiştir. İkinci bölümde zaman serileri ve temel kavramlar açıklanmaktadır. Üçüncü bölüm, çalışma metodolojisi ve modellerin belirlenmesi, seçilen denizcilik indeksleri ile uygulama süreçlerinin belirlenmesi, analizlerin gerçekleştirilmesi, değerlendirilmesi ve yorumlanması aşamalarını içermektedir. Dördüncü bölümle çalışma sonuçlandırılmıştır. Çalışmada, RWI/ISL Container Throughput Index, Shanghai Containerized Freight Index (SCFI), The Baltic Exchange Dry Index aylık verileriyle modellemek için Box-Jenkins modellerinden ARIMA ve SARIMA'ya odaklanılmıştır. RWL/ISL ve BDI verilerini modelleme aşamasında R programlama dili, SCFI'da ise Python programlama dili kullanılmıştır. İlk çalışmada, Ocak 2007'den Aralık 2019'a kadar olan dönem aralığında aylık veriler ile RWI/ISL Konteyner Endeksi'nin kısa vadeli tahmininin incelemesi amaçlanmıştır. Model, SARIMA ve ETS modelleri kullanılarak tahmin edilmiştir. Tahmin sonuçları, orijinal RWI/ISL serisi Nisan 2020 ayından sonra artarken, Mart 2020'den sonra mevsimsel ve iş günü ayarlı RWI/ISL serisi azalmıştır. SARIMA modelin ETS modeline göre daha iyi sonuç vermektedir. RWL/ISL ile literatürde yapılan ilk çalışma olması ve öngörü modelinizin başarılı performansının denizcilik sektörüne ve literatüre katkı sağlaması beklenmektedir. Bu çalışmada, iki farklı zaman serisi modelleme yaklaşımı ve yaklaşımların varsayımlarını sağlamak için uygun kriterler kullanarak SCFI'nin tahmin doğruluğunun iyileştirilmesine katkıda bulunulması amaçlanmıştır. Bu amaçla SCFI verileri Holt-Winters ve SARIMA yöntemleri ile incelenmiştir. SARIMA modeli Holt-Winters ile karşılaştırıldığında minimum MAPE ve RMSE değerlerine sahiptir. Zaman serisi analizi sonucunda, tahmin doğruluğu kabul edilebilir olduğundan seçilen SARIMA (0,2,3) (1,0,0)12 modeli gelecekteki değerleri tahmin etmek için kullanılabilir. Çalışma sonuçları, SARIMA modelinin daha kesin ve doğru bir model olduğunu göstermektedir. Belirlenen SARIMA modeli doğrultusunda Ağustos 2021-Şubat 2022 dönemi için tahmin değerleri hesaplanmıştır. Baltıc Dry Index çalışmasında ise Ocak 2011 ve Haziran 2021 dönemini kapsayan aylık veriler, tek değişkenli zaman serilerinde Otoregresif Bütünleşik Hareketli Ortalama (ARIMA) yöntemi ile Baltic Dry Index (BDI) için 12 (aylık) dönemlik öngörü yapılmıştır. ARIMA modelinin belirlenmesi için önce inceleme kapsamında mevsimsellik ve birim kök testleri ile veri setinin dışsal bileşenleri araştırılmıştır. Belirlenen model için spesifikasyon testleri varsayımlarını sağlamış ve modelin geçerli ve güvenilir olduğuna karar verilmiştir. Sonuç olarak, deniz taşımacılığı piyasası analistleri, önerdiğimiz tatmin edici tahmin modellerinin performansından faydalanabilir, bunları kendi analiz araçlarına entegre edebilir.