Abstract : | H παρούσα πτυχιακή εργασία, προτείνει μια μεθοδολογική προσέγγιση για την πρόβλεψη των τιμών των θαλάσσιων καυσίμων. Η πρόβλεψη των τιμών των θαλάσσιων καυσίμων έχει εξαιρετική σημασία για τη ναυτιλία, καθώς οι τιμές των καυσίμων επηρεάζουν σε μεγάλο βαθμό τον οικονομικό προϋπολογισμό των εμπορικών συναλλαγών. Σε αυτήν την ανάλυση, χρησιμοποιούνται δεδομένα από τα κύρια λιμάνια παροχής καυσίμων από το 1991 έως 2019. Αυτά τα δεδομένα έχουν διακυμάνσεις και χαρακτηρίζονται ως μη στάσιμα, όπως θα αποδειχθεί ακολούθως. Μετά από στατιστική ανάλυση, θα αποδειχθεί μια σχέση εξάρτησης μεταξύ των τιμών των καυσίμων και των κύριων λιμανιών παροχής καυσίμων. Το επιλεγμένο μοντέλο για την πρόβλεψη θα είναι ένα μοντέλο διόρθωσης σφαλμάτων. Στη συνέχεια, εξωγενείς μεταβλητές θα συμπεριληφθούν στο μοντέλο πρόβλεψης για να αυξηθεί ο αριθμός παραγόντων που επηρεάζει τις τιμές των καυσίμων. Οι εξωγενείς μεταβλητές που θα συμπεριληφθούν στο μοντέλο διόρθωσης σφαλμάτων θα επιλεχθούν, με βάση τους παράγοντες προσφοράς και ζήτησης της ναυτιλίας, που επηρεάζουν τις τιμές καυσίμων κάθε λιμένα. Ένας σημαντικός παράγοντας στον οποίο βασίζεται η διπλωματική εργασία, είναι οι κύριες διαδρομές του ναυτιλιακού εμπορίου. Οι κυρίαρχες διαδρομές ορίζονται από την ανταλλαγή φορτίων μεταξύ των χωρών. Τα τελευταία χρόνια οι εμπορικές διαδρομές του πετρελαίου και του ξηρού φορτίου, έχουν ένα συγκεκριμένο μοτίβο. Σε κάθε διαδρομή, κάθε πλοίο περνάει τουλάχιστον μια φορά από το λιμάνι παροχής καυσίμων. Συνεπώς, η προτεινόμενη μεθοδολογία καταλήγει στην δημιουργία πολυπαραγοντικών μη στατικών στοχαστικών μοντέλων των τιμών των καυσίμων που παράγεται σε κάθε κύριο λιμάνι και για κάθε τύπο καυσίμων. Τα αποτελέσματα που προκύπτουν στηρίζουν την περαιτέρω έρευνα και τη βαθύτερη διερεύνηση των παράγοντων που επηρεάζουν τις τιμές των καυσίμων. This dissertation proposes a methodological approach for the forecasting of marine fuel prices. The prediction of the bunker prices is of outermost importance for shipping industry as bunker prices affect heavily the financial scheduling for shipping trade. In this analysis, we will used data from main bunkering ports from 1991 until 2019. The selected model for forecasting will be a Vector Error Correction Model (VECM). After this selection exogenous variables will be included in the prediction model in order to be included a greater number of factors that affect the bunker prices. The exogenous variables that will be included in the VECM will be selected based on supply and demand factors of shipping industry that affect bunker prices of each port. A major factor that this dissertation be dependent on is the main shipping routes. The last years the trading routes of dry and oil cargoes having a specifically pattern. Finally, using the methodology presented, forecasts of a multivariate nonstationary stochastic model of bunker prices are produced for each bunkering port and for each bunker type. The obtained results encourage further research and deeper investigation of the factors affect bunker prices. This analysis along with forecasting, will be performed in STATA program.
|
---|