Resumen

En este artículo se presenta un modelo SVM mejorado para predecir el índice de flete de carga seca a granel (BDI), que constituye una poderosa herramienta para que los operadores e inversores gestionen la tendencia del mercado y eviten el riesgo de los precios en el sector del transporte marítimo. El BDI está influido por muchos factores, especialmente los incidentes aleatorios en el mercado de carga seca a granel, lo que dificulta la previsión del BDI. Por lo tanto, para eliminar el impacto de los incidentes aleatorios en el mercado de carga seca a granel, se adopta la transformada wavelet para eliminar el ruido de las series de datos del BDI. De ahí que en este artículo se desarrolle un modelo combinado de transformada wavelet y máquina de vectores soporte para predecir el BDI. Por último, se presentan los datos de BDI de 2005 a 2012 para probar el modelo propuesto. Los 84 datos mensuales consecutivos anteriores del BDI son las entradas del modelo, y los últimos 12 datos mensuales del BDI son las salidas del modelo. Los parámetros del modelo se optimizan mediante un algoritmo genético y el modelo final se conforma mediante el entrenamiento SVM. Este artículo compara los resultados de previsión del método propuesto con los de otros tres métodos de previsión. Los resultados muestran que el método propuesto es más preciso y puede utilizarse para predecir la tendencia a corto plazo del BDI.

• Materias:Matemáticas Análisis Matemático Álgebra Ingeniería
• Subjects:mathematics Mathematical Analysis Algebra Engineering
• Palabras claves:bdi, modelo, mercado de carga seca a granel, artículo, incidentes aleatorios, transformada wavelet, datos mensuales consecutivos de bdi, índice de carga seca a granel, series de datos de bdi, modelo svm mejorado
• Keywords:bdi, model, dry bulk market, paper, random incidents, wavelet transform, consecutive monthly bdi data, dry bulk freight index, bdi data series, improved svm model