Машинное обучение неуклонно совершенствует прогнозирование фрахтовых ставок в морской судоходной отрасли, однако присущая сектору волатильность по-прежнему не поддаётся даже самым передовым моделям.

Обзор 28 исследований, опубликованных в период с 2012 по 2024 год, выявил растущую зависимость от данных о предложении судов, индикаторов спроса на сырьевые товары, цен на бункерное топливо и более широких экономических показателей для прогнозирования фрахтовых рынков. Тем не менее, в обзоре также сделан вывод, что геополитические потрясения, регуляторные изменения и внезапные нарушения поставок невозможно надёжно предсказать на основе одних лишь исторических данных, что подчёркивает ключевое ограничение для отрасли, где ставки могут быстро меняться под воздействием событий, выходящих за рамки обычных тенденций.

Представители отрасли в целом сходятся во мнении, что искусственный интеллект следует рассматривать как инструмент поддержки принятия решений, а не как замену человеческому суждению. Бурак Джетинок (Burak Cetinok) из Arrow в интервью родственному изданию SplashTech отметил, что современные инструменты способны обрабатывать наборы данных быстрее, чем когда-либо, однако низкое качество данных и ограниченный охват по-прежнему сдерживают точность. Панос Пацадас (Panos Patsadas) из Trans Global Projects заявил, что судоходство остаётся недостаточно цифровизированным, и предостёрг, что прошлые циклы служат плохим ориентиром для будущего рыночного поведения — напоминание о том, что прогнозирование по-прежнему зависит от качества и полноты underlying рыночных данных.

Кристофер Сверд (Christoffer Svärd) из Sea отметил, что результат работы модели во многом зависит от конфигурации, формулировки запросов, контекста и человеческой интерпретации.

Роар Адланд (Roar Adland) из SSY занял более скептическую позицию, утверждая, что большие языковые модели добавляют мало к системам машинного обучения, которые уже используются более десятилетия, и остаются непригодными для автономных коммерческих решений.

Эксперты выделили три главных фактора, определяющих фрахтовые ставки: предсказуемые фундаментальные показатели, непредсказуемые потрясения и краткосрочное стадное поведение. ИИ может улучшить анализ первой категории, но почти не даёт преимуществ для второй и может даже усилить третью. Если участники рынка полагаются на схожие модели и наборы данных, они могут скапливаться в одних и тех же позициях, ускоряя рыночные движения и подрывая сами прогнозы, для создания которых эти инструменты были разработаны.

Консенсус среди профессионалов отрасли заключается в том, что ИИ способен уточнить анализ, выявить скрытые закономерности и улучшить тайминг, однако он не устранит судоходные циклы и не заменит опытного коммерческого суждения.

Источник: Splash247