標題 108D10-後疫情時代全球貨櫃裝卸量 之預測 機器學習法之應用
姓名 謝鋅翎
指導教授 李政峯 老師
畢業日期 2022/06
附件檔案 檔案下載Adobe PDF
摘要 現今國家經濟繁華，大多80-90%的商品需仰賴海運及空運，從原先港對港的運輸模式，至後來發展需要各種複合式硬體設備及運輸工具，故運輸成為經濟發展重要原因之一，若國際發生重大金融事件，首當其衝影響必是進出口貿易。近年來，隨著世界貿易趨勢改變，碼頭作業設備更新及新興國家的深水碼頭一一落成，新港口逐漸受歡迎，舊港口漸漸淘汰，各國港埠也因地理位置或發展背景，而影響貨櫃裝卸量。在2019年新冠肺炎的發生，造成港口人員負載不足以及碼頭嚴重塞港，甚至嚴重擾亂全球貿易秩序，影響全球經濟。
本研究用機器學習，樣本期間為1995年1月至2021年10月，分別使用OLS/FM-OLS、ARIMA以及SVR三種方法進行預測並做比較。五國(美國、日本、新加坡、臺灣及中國)實證結果顯示，整體而言使用SVR來訓練經濟結構模型及時間數列模型，在五國預測績效上，表現皆優於OLS/FM-OL及ARIMA方法。首先，在經濟結構模型預測表現上，OLS/FM-OLS平均MAPE為237.269%、平均RMSE為0.787； SVR平均MAPE為118.181%、平均RMSE為0.7142。最後，在時間數列模型預測表現上，ARIMA平均MAPE為156.033%、平均RMSE為0.811；SVR平均MAPE為118.181%、平均RMSE為0.7142。
關鍵字：機器學習、預測、SVR、貨櫃裝卸量、單根檢定、共整合檢定、完全修正普通最小平方法、經濟復甦