Машинное обучение делает инструменты прогнозирования фрахтовых ставок в сфере морских перевозок более полезными, но имеющиеся данные по-прежнему указывают скорее на поддержку, чем на уверенность. В то же время отраслевые эксперты считают, что искусственный интеллект не способен решить основную проблему судоходства, особенно в 2020-е годы, когда рынки формировались под влиянием потрясений и меняющихся фундаментальных факторов.

SplashTech проанализировал систематический обзор, опубликованный в журнале Maritime Economics & Logistics, в котором рассматривались 28 исследований, проведенных в период с 2012 по 2024 год. В обзоре были определены 17 показателей и 59 переменных, используемых для построения моделей морских грузоперевозок, включая предложение судов, спрос на товары, цены на бункерное топливо и более общие экономические показатели.

В этом обзоре отмечается, что геополитические конфликты, изменения в законодательстве и внезапные перебои с поставками могут повлиять на рынки так, как не могут повлиять исторические данные. Согласно обзору, машинное обучение остается инструментом поддержки принятия решений, а не заменой коммерческого суждения.

Современные инструменты позволили аналитикам лучше понимать рынок и выстраивать соответствующую стратегию, но это не привело к существенному повышению предсказуемости. Рынки по-прежнему непредсказуемы и нестабильны, а исторические данные в сфере грузоперевозок не являются надежным индикатором будущего поведения рынка.

Причина этого не в недостатках искусственного интеллекта. Эти инструменты позволяют с невероятной скоростью обрабатывать огромные массивы данных, но они не меняют фундаментальных принципов статистического анализа и полностью зависят от доступности и качества поступающих в них данных. За последние 10 лет доступность данных в сфере морских перевозок резко возросла, но их все еще недостаточно для того, чтобы модели прогнозирования были достаточно точными, а качество данных сильно отстает от их количества.

Спотовые ставки фрахта меняются по трем основным причинам. Во-первых, это связано со среднесрочными и долгосрочными тенденциями, которые всегда были в значительной степени предсказуемыми, такими как сезонность и фундаментальные факторы предложения. Во-вторых, это связано с событиями, которые невозможно предсказать на основе исторических данных, например геополитическими событиями, стихийными бедствиями и экстремальными погодными условиями. В-третьих, в краткосрочной перспективе это связано с поведением покупателей, на которое влияют общие настроения и изменения на рынках. Глобальная морская торговля по-прежнему будет временами вести себя непредсказуемо, и всегда будут существовать факторы, лежащие в ее основе: геополитические потрясения, изменения в законодательстве и внезапные колебания спроса, которые не может предсказать ни одна модель.

Внедрение усовершенствованных моделей и повышение доступности данных не влияют на долгосрочные факторы цикличности рынка, но, вероятно, ускоряют реакцию на текущие новости. В результате в краткосрочной перспективе будут наблюдаться более резкие и короткие движения, а долгосрочные циклы по-прежнему будут определяться фундаментальными факторами предложения, геополитикой и неопределенностью спроса. Все эти факторы не зависят от искусственного интеллекта и не могут быть предсказаны ИИ лучше, чем инструментами, используемыми в прошлом.

#искусственный_интеллект #транспортная_мысль #будущее_транспорта #технологии