Forecasting LNG prices with the kernel vector autoregressive model 리뷰

 

 

목차

0. Abstract

1. Instruction

2. Kernel VAR

2.1 VAR

2.2 LS-SVM: Kernel VAR

3. Forecasting Results

4. Conclusions

---

0. Abstract

 

LNG 가격은 다변수 시게열과 관련

이유: 비슷한 계약으로 거래됨

 

다변수 시계열 데이터 분석을 위해, vector autoregressive model은 사용하기에 성공적인 tool 중 하나

 

문제: vector autoregressive model 은 현재와 이전 데이터의 선형 회귀를 가정

→ 신뢰할 수 없는 결과 발생

해결: vector autoregressive model에 최소 제곱 SVM을 가중치로 적용

 

다른 모델과의 비교는 제안된 kernel vector autoregressive model이 다변수 시계열 데이터에 더 잘 만족함을 보임

 

---

1. Instruction

 

LNG 가격(물가)은 지역 수입 가격의 가중 평균으로 결정

 

LNG 수입량 80~90% 장기계약(20년 이상)의 경우 협의 계약을 통해 국제 LNG 수요공급으로 가격결정

(기름값 관련 공식으로 계산)

나머지 SPOT이나 단기, 국내 수요 공급 관련

문제: LNG 가격 예측이 중요함에도 불구하고 가격 예측이 어려움

 

Vector autoregressive(VAR) 방법론은 거시경제학 간점에서 LNG 수입가격 예측에 사용됨

때때로 일변량 autoregressive model에서 우수한 예측을 제공

 

Support vector machine(SVM)은 현실세계에서 분류와 회귀에 성공적으로 적용

LS-SVM은 매우 매력적이고 유망한 방법임은 이미 증명됨

장점: 선형등식을 사용하여 계산시간을 줄이고, 해결이 간단해서 일반화된 교차 검증 함수를 사용하여 모델 선택을 쉽게 함

---

기여

Kernel VAR을 이용하여 새로운 방법으로 LNG 가격을 에측하여 예측력을 더 정확히 함

즉, 제안된 모델이 더 잘 맞고, AR(p)와 VAR(p) 모델보다 한발 에측능력이 앞선다는 뜻

 

비선형 kernel VAR모델로 kernel VAR이 LNG 시장을 에측하는데 더 효과적

이유: kernel VAR은 error 거리를 줄이는 것과 예측 정확도와 MSE, MSPE를 사용하여 LNG 수입 가격 예측력을 강화시키는 것을 동시에 함

---

 

 

Section2: kernel VAR 제안

Section3: 실제 LNG 가격 데이터를 kernel VAR을 사용하여 예측분석

Section4: 결론

 

 

---

2. Kernel VAR

 

2.1 VAR

---

2.2 LS-SVM: Kernel VAR

---

3. Forecasting Results

 

Data

LNG 월별 가격

2006.Sep~2015.Sep

Japan, Taiwan, South Korea, China

 

n=109

85 training data

---

 

LNG 월별 데이터셋 그래프

---

MSE와 MSPE를 국가별로 계산한 결과

RBF kernel VAR(1)이 MSE에서 모든 국가에 대해 가장 좋은 결과를 나타낸다

하지만 MSPE 측면에서는 덜 효과적으로 예측한다

 

Linear kernel VAR(1)이 경우

타이완을 제외하고 다른 3개 국가의 MSPE가 가장 효과적인 결과를 만든다.

타이완은 AR(1)에서 가장 효과적인 결과를 나타낸다.

타이완의 매년 온도는 일정하기 때문에 kernel VAR이 효과적인 결과를 만들어내기 힘들다

---

4. Conclusions

 

결과적으로 kernel VAR 모델을 사용하는 것이 LNG 수입 가격 예측의 정확도를 강화시킨다.

앞으로 여러 방면에서 사용될 만한 모델이다.