中央アジアにおける内陸国物流の実態

Size: px

Start display at page:

Download "中央アジアにおける内陸国物流の実態"

えのとみもと
5 years ago
Views:

1 研究論文 R( 審査付き論文 ) 日本物流学会誌第号平成 5 年 5 月東アジア積米国揚コンテナ荷動き予測における SARIMA モデルの適用性 An Applicabiliy of SARIMA Model for Forecaing Conainer Movemen from Ea Aia o U.S. 川崎智也 ( 正会員 : 日本大学 ) 松田琢磨( 非会員 : 日本海事センター ) 花岡伸也 ( 正会員 : 東京工業大学 ) Tomoya KAWASAKI (Nihon Univeriy), Takuma MATSUDA (Japan Mariime Cener), Shinya HANAOKA (Tokyo Iniue of Technology) 要旨東アジア積米国揚コンテナ航路は年の実績で千万 TEU を超える基幹航路である基幹航路のコンテナ荷動き動向は船社の配船計画などに大きな影響を与えるため荷動き予測のニーズは高いしかし当航路の月次レベルの荷動き予測について時系列モデルの適用性を検証した研究は少ないそこで本研究では季節変動自己回帰移動平均 (SARIMA) モデルを用いてコンテナ荷動き量の予測モデルを開発しその適用性を検証した検証の結果同定されたモデルの残差は自己相関を有さず実績値と再現値による相関係数は.983 となり SARIMA モデルが当航路の荷動き予測の利用に耐えうることを実証した Abrac A conainer ea roue from Ea Aia o U.S. i one of he mo imporan runk line due o i high volume. Since conainer movemen of runk line ignificanly affec veel aignmen plan by hipping liner, demand on conainer forecaing i fairly high. However, forecaing mehod uing ime-erie model on i ea roue i no examined o far. In hi udy, an applicabiliy of eaonal auoregreive inegraed moving average model for forecaing conainer movemen i inpeced. The reidual ha no auocorrelaion and defined model can reproduce volume of conainer movemen wih high accuracy ha correlaion coefficien i a はじめに海運業界では基幹航路のコンテナ荷動き予測は最重要関心事項の一つである将来予測は適切な配船戦略や荷主との運賃交渉に有益な情報となり得るほか船社の株価に見通しを付けることができる一般的にコンテナ荷動き量は輸入側の実質国内総生産 (GDP) と密接な関係にある例えば年第四半期 ~ 年第四半期におけるアジア積米国揚コンテナ荷動き量は米国の実質 GDP との相関係数は.89 と例えば 7~ 年における月次の中国発米国向け運賃 ( 出所 : 中国国際海運網 ) とコンテナ荷動き量 ( 出所 :PIERS) の相関係数は.44 とやや弱い正の相関を有している強い正の相関を有している () また同期間のデータを基に回帰分析を行うと米国の実質 GDP が % 伸びるとコンテナ荷動き量は 3.8% 押し上げられる () しかし実質 GDP は四半期データであるため月次レベルでの予測が行えないという欠点がある荷動き需要予測手法としては四段階推定法に依拠した需要予測モデルなどがあるしかし当手法の適用には荷動きの純流動データのほかゾーン間の所要時間や費用など膨大な入力データが必要となる一方計量時系列モデルは入力データの量が比較的少なく手法も比較的簡便であることから経済金融工学分野を中心に実務

2 (), (3) 的に幅広く利用されている例えば計量時系列モデルの中でも自己回帰移動平均 (ARMA) モデルは予測対象の時系列データのみでモデルを同定できるため簡便であるしかし ARMA モデルをコンテナ荷動き予測に適用した事例は少ない予測対象となる時系列データに説明変数となるその他の時系列データを加えたベクトル自己回帰 (VAR) モデルを用いてインドネシアにおける取扱貨物量の将来予測を行った研究 (4) がある程度である本研究では実務での利用を念頭に置き ARMA モデルに季節性を考慮した季節変動自己回帰移動平均 (SARIMA) モデルを用いて基幹航路である東アジア ( 中国韓国日本台湾 ) 積米国揚航路のコンテナ荷動き量の月次予測を行う SARIMA モデルは被説明変数である荷動き量の時系列データのみを入力データとして必要とし過去の荷動き変化の特徴から将来荷動き量を予測するモデルであるまた各種統計量を用いて SARIMA モデルの適用性を検討する本論文の構成は以下の通りであるまず. においてアジア積米国揚では東アジア積荷動き量が多いことに言及し研究対象航路にした理由を説明する次に3. では時系列データを取扱う際に必要なデータの定常性を確認し 4. において SARIMA モデルを同定する 5. では同定したモデルの妥当性を検証し 6. で SARIMA モデルの適用性について総括する. 東アジア積米国揚コンテナ荷動き概要本研究の対象航路である東アジア積米国揚航路のコンテナ荷動き動向について概説する本研究で用いる荷動きデータは全て Por of Impor/Expor Reporing Service (PIERS) のデータベースを用いておりアジアとは日本韓国台湾中国香港マカオシンガポールフィリピンマレーシアインドネシアタイベトナムカンボジアミャンマーインドパキスタンスリランカバングラデシュの 8 ヶ国地域を含む PIERS データベースによると年のアジア積米国揚 ( 往航 ) コンテナ荷動き量は前年比.4% 増の,34 万 TEU でほぼ横ばいであったその一方同年の米国積アジア揚 ( 復航 ) コンテナ荷動き量は前年比 7.3% 増の 67 万 TEU でありアジア米国コンテナ航路は伝統的に往航の荷動き量の方が多いこれはアジアで生産したモノを米国で消費する構図を反映している年の往航における仕出し国別コンテナ荷動き量と構成比を表に示す近年中国積は貨物量を増やし続けており約 849 万 TEU でアジア積全体の約 65% と圧倒的なシェアを占めアジア積全体への影響力は大きいしかし年の中国積は前年比.% の減少となるなど年代前半に記録した高い成長率は陰りを見せている中国積では家財関連品が 9 万 TEU で中国積全体の 4.4% と最多で当品目が中国積コンテナ荷動き量に大きな影響を与えている年の米国住宅市場は新築の住宅販売が 364. 万戸 (5) で前年比 5.5% 減と住宅市場が低調であった表年の往航における仕出し国別コンテナ荷動き量とシェア順位仕出し国荷動き量構成比 ( 万 TEU) 中国 % 韓国 % 3 日本 % 4 台湾 % 5 香港 % 6 ベトナム % 7 インド % 8 タイ 35..7% 9 インドネシア 3.9.4% マレーシア 3.7.8% その他合計 % 合計,33.6.% PIERS データベースを基に筆者作成

3 ことが年の中国積コンテナ荷動きが低調であった一因と考えられる年におけるアジア積のコンテナ荷動き量の上位 5 ヶ国は上位から中国積 ( 構成比 64.6%) 韓国積 ( 同 5.3%) 日本積( 同 4.8%) 台湾積 ( 同 4.%) 香港積( 同 3.9%) となっている上位 5 ヶ国の顔ぶれは年以上不変だが年は台湾積が香港積を上回って 4 位となった香港積は年こそリーマンショック後の反動でプラス成長となったものの過去年は減少傾向が続いており年間で約 5 万 TEU 減少した一方ベトナム積は香港積とは対照的に過去年間で約 5 万 TEU 伸びたこの傾向が継続すれば年には香港積が上位 5 ヶ国から脱落する可能性が高い香港港は長年中国のゲートウェイ港としての役割を担ってきたしかし近年の中国の経済成長に伴う港湾整備により香港港を利用する必要性が弱まっているのに加え香港港の高い港湾料金と近隣華南諸港湾との競争により利用量が減少している (6) 韓国積については近年のウォン安を背景に輸出が好調で 9 年に続き日本積を上回って位を維持した以上より近年減少傾向が続いている香港積を除く東アジア 4 ヵ国地域 ( 中国積韓国積日本積台湾積 ) が往航コンテナ荷動き予測において重要であることが分かるこれが本研究が東アジア積に着目した理由である 3. データの定常性本研究では過去 5 年分 (997~ 年 ) の東アジア積米国揚の月次データを用いて SARIMA モデルの適用性を検討する過去 5 年は 997 年のアジア通貨危機や香港の中国返還年の中国の WTO 加盟年代の中国の経済成長や米国の IT 住宅バブル 8 年のリーマンショックなど数多くの荷動き変動要因があったこのような荷動き変動要因は将来においても発生することは十分考えられるしたがって予測モデルはこれらのような荷動き変動要因に対して耐えうるものである必要があるこれより荷動き変動要因が多く含まれる過去 5 年分のデータを用いた図に 997 年月 ~ 年月の計 8 ヶ月間の東アジア積米国揚コンテナ荷動き量の推移を示す 6 年月の 6 万 TEU をピークに微減もしくは横ばい傾向が続いている本研究では図に示すコンテナ荷動き量について SARIMA モデルの適用性を検討する SARIMA モデルを適用する場合分析に利用する時系列データの定常性を満足する必要がある (7) 時系列データ y i の任意の時点の荷動き量 (y ) と任意の時点から k 期前の荷動き量 (y -k) について式 ()~(3) に示すように平均 [E(y )] 分散 [Var(y )] 自己相関 [Cov(y,y -k)] が時間に対して一定であるとき時系列過程は定常と定義される (7) なお自己相関とはある時点の変数とその変数の過去の値との相関である (7) E ( y ) () Var ( y ) E ( y ) () ( y )( yk k Cov( y, y (3) k ) E ) μ γ γ k はそれぞれ平均値分散自己相関係数を示している図は図の差分系列であり視覚的に平均値分散自己相関係数が時間に対して一定であると分かる時系列過程の定常性を統計的に判断するには単位根検定が用いられる (8) 単位根検定にはいくつか方法があるが本研究では一般的に用いられている拡張ディッキーフラー (ADF) 検定 (8) によって単位根検定を行う単位根検定では式 (4) に示すモデル式が用いられる y y y e (4) i i i ここで i はラグ数と呼ばれ i=n であれば

4 コンテナ荷動き量 ( 差分系列 ) コンテナ荷動き量 ( 原系列 ),,,, 8, 6, 4,, 997M M7 4M 7M7 M PIERS データベースより筆者作成注 : 東アジアには中国韓国日本台湾が含まれる図東アジア発北米航路におけるコンテナ荷動き量の推移 ( 原系列 )( 単位 :TEU), 5,, 5, -5, -, -5, -, -5, 997M M7 4M 7M7 M PIERS データベースより筆者作成注 : 東アジアには中国韓国日本台湾が含まれる図東アジア発北米航路におけるコンテナ荷動き量の推移 ( 差分系列 )( 単位 :TEU) n 期前までの荷動きデータが説明変数として用いられることを示している i は赤池情報量基準 (AIC) が最小となるラグ数が選択される e は期における誤差項である ADF 検定では式 (4) において帰無仮説を α= として単位根の存在の有無を検定するつまり α= であれば単位根は存在する計算の便宜上式 (4) を式 (5) に変形し y - の係数である α- がゼロかどうかを検定する方法が取られることが一般的である本研究においても式 (5) を用いて時系列過程に定常性が存在するか確認する y ( ) y y e (5) i i i 表に単位根検定の結果を示すデータは原系列 ( 図 ) と差分系列 ( 図 ) の種類で行った原系列に加えて差分系列を用いた理由は原系列が非定常である場合差分系列をとることによりデータが定常になることが多い (9) ためである月次データであることを鑑みラグ数は最大として AIC が最小となる i を選択したその結果原系列と差分系列の両系列においてラグ数 i はが選択された原系列の単位根検定の結果をみると a- の係数の値は-. と低く単位根は存表単位根検定の結果系列原系列差分系列ラグ数 ( 最大 ) AIC a 値 p 値

5 在しなかった差分系列の場合は値がと 99% 有意水準でも帰無仮説が棄却されないこれにより差分系列の定常性が確認された以上の結果を踏まえ差分系列を用いて SARIMA モデルを開発しその適用性を検証することとする 4. モデル 4- モデル概要ここでは SARIMA モデルの概要を説明する時点における実績値を y とすると SARIMA モデルは一般的に式 (6) のように表すことができるここに D d ( ) ( ) y ( ) ( ) (6) p ( ) ( ) q ( ) ( ) p q で φ i Φ i θ i Θ i は係数であるはラグ演算子 ( n y =y -n) は連続階差を示す差分演算子 ( n y =y -y -n) は季節階差を示す差分演算子 ( n y =y -y -n) である (9) このように演算子を定義することにより n を一般の変数とみなして計算できるというメリットがあるなお ε は誤差項である (9) 通常式 (6) は式 (7) のように要約される本研究においても式 (7) を用いて SARIMA モデルを表現する SARIMA ( p, d, q)( P, D, Q) (7) p: 自己回帰項の次数 d: 階差の次数 q: 移動平均項の次数 P: 季節自己回帰項の次数 D: 季節階差の次数 Q: 季節移動平均項の次数 : 季節変動の期間 P Q P Q 自己回帰項の次数 (p) は自身 ( 荷動き量 ) の過去の値についてどこまで遡って説明変数として用いるかを示している例えば p がであれば期及び期前の荷動き量をモデルの説明変数として考慮することになる階差の次数 (d) については分析に利用する時系列データが定常性を有するまでに必要となった階差数を示す本研究では 3. で述べたように一階の差分系列が定常性を有しているため d はとなるなお原系列が定常性を有している場合は d はとなる移動平均項の次数 (q) については自身の過去の値の誤差についてどこまで遡って説明変数として用いるかを示しているなお本研究では月次データを用いているため季節変動の期間 () はである可能性が高い () このとき季節自己回帰項の次数季節階差の次数季節移動平均項の次数はそれぞれ P D Q に入る数値の倍前の値が説明変数として用いられる例えば P がであれば期及び 4 期前の荷動き量を説明変数として考慮する SARIMA モデルは式 (7) で示した p d q P D Q の 7 つのパラメータを特定 ( 特定手順は4-で示す ) することにより規定される SARIMA モデル同定後は一般的には grel や EView などの計量経済ソフトを用いて式 (6) のパラメータ (φ i Φ i θ i Θ i) が推定されるなおここでは SARIMA モデルの概要を説明したモデルの詳細については沖本 (9) や山澤 () に詳しいため興味のある読者はそれらを参照いただきたい 4- モデルのパラメータ特定ここでは式 (7) で示した SARIMA モデルのパラメータ特定方法について説明する図 3 に差分系列の自己相関係数図 4 に同偏自己相関係数をコレログラムとして示す前述の通り自己相関は y と y -k の相関で - 7 -

6 自己相関係数偏自己相関係数あるのに対し偏自己相関は y と y -k の自己相関関係から y -,, y -k+ の影響を取り除いた相関を示している破線内の領域は標本の自己相関がゼロであるという検定の 95% 棄却域である領域の外側に ( 偏 ) 自己相関係数がある場合は ( 偏 ) 自己相関が少なくとも有意水準 95% で存在する図 3 を参照すると次 4 次 36 次において特に強い自己相関を有していることが分かるこれは年周期の季節性が存在していることを示唆しているため季節階差はとするのが適切と考えられるそこで本研究では季節階差はとするまた前節の単位根検定によって階の差分系列が定常性を有していることが分かったそのため d 及び D はとする次に p q P Q の特定について検討する図 3 及び図 4 を参照すると自己相関と偏自己相関ともに 3 期ラグの相関が比較的高く 4 期ラグで初めて自己相関係数偏自己相関係数ともに 95% 水準で棄却される SARIMA モデルでは ( 偏 ) 自己相関係数のコレログラムを参照するだけではラグ数を決定できない () しかし図 3 4 のコレログラムを参照することにより p, q, P, Q 3 としてパラメータの目安を立てることができる (9) p, q, P, Q について ~3 を各変数に当てはめ 56 通りの (p, q, P, Q) について φ Φ θ Θ の値を最尤法で推定し AIC が最小となるモデルを同定するその結果 SARIMA(,,)(,,) が同定され式 (6) の φ φ θ Θ は表 3 のように推定された季節自己回帰 (Φ i) はゼロで定数項と期前の移動平均 (θ ) 以外のパラメータは 99% 有意水準で統計的に有意と推計された本モデルより p はであるのに対し q はと特定されたそのためある時期の荷動き量予測にはヶ月前 (-) のデータラグ数ラグ数図 3 差分系列の自己相関係数図 4 差分系列の偏自己相関係数表 3 SARIMA(,,)(,,) によるパラメータ推定結果パラメータ係数値 p 値 φ φ θ Θ 定数項 AIC 対数尤度 -.89 Q 統計量 (p 値 ) 54.96(.65) - 7 -

7 コンテナ荷動き量再現値自己相関係数偏自己相関係数が必要であることが分かるしたがって本モデルでは月次単位でヶ月後の荷動き予測が可能ということになるただし図 3 4 のコレログラムを参照する限り p 及び q は ~3 であってもある程度の予測精度を有することが示唆されるそのため 3 ヶ月後の荷動き量予測においても SARIMA モデルは使用に耐えうる可能性が高いものと考えられる 5. モデルの診断 5- 残差の定常性前章までの検討の結果 SARIMA(,,) (,,) が AIC を最小化するモデルとして選択されたこのモデルがコンテナ荷動き予測に耐えうるものかどうかを診断するため同定されたモデルによる残差の ( 偏 ) 自己相関の値がゼロであるかどうか検証する同定されたモデルが適切であれば残差は定常性を持ち ( 偏 ) 自己相関を持たないことが分かっている (9) 図 5 及び図 6 に同定されたモデルの残差の自己相関係数及び偏自己相関係数のコレログラムを示す破線の内側の領域は自己相関の値がゼロであるという検定の 95% 棄却域を示しているつまり ( 偏 ) 自己相関係数が破線の内側に留まっていればモデルは適切であると判断される両図より ( 偏 ) 自己相関係数は破線の内側にあり同定されたモデルによる残差が ( 偏 ) 自己相関を有さないことが確認できる以上より残差の定常性という点からモデラグ数ラグ数図 5 差分系列の自己相関係数 ( 残差 ) 図 6 差分系列の偏自己相関係数 ( 残差 ),,,,,,,, 8, 8, y =.9963x R² = , 4,, 997M M7 4M 7M7 M 実績値再現値図 7 実績値と再現値の比較 6, 4,,, 4, 6, 8,,,,, 実績値図 8 実績値と再現値による散布図

8 ルの妥当性を確認できた 5- 実績値と再現値の比較図 7 に 997 年 ~ 年の 8 ヶ月の実績値を実線で示し SARIMA(,,)(,,) により生成した再現値を破線で示す両者は類似の動きを示しておりモデルによるコンテナ荷動き量の再現性は高いものと考えられる両者の相関係数は.983 と強い相関関係にあるまた図 8 に実績値を横軸再現値を縦軸にした散布図を作成し原点を通過する回帰直線を引くと x の係数は.996 とほぼとなったなお x の係数がに近ければ近いほどコンテナ荷動き量の再現性は高い以上より同定されたモデルによる再現性は高く SARIMA モデルは当航路における将来のコンテナ荷動き予測に耐えうるものと判断できる 6. おわりに東アジア積米国揚コンテナ航路は荷動き量の多さから重要な基幹航路として認識されているそのため船社を中心に当航路でのコンテナ荷動き予測のニーズは高い本研究は東アジア積米国揚航路に着目し時系列分析手法の一つである SARIMA モデルを用いてコンテナ荷動き予測を行い様々な統計量を用いて同定されたモデルの適用性を実証したモデルは SARIMA(,,)(,,) と同定され残差が自己相関を有さないことを確認したまた実績値と再現値による相関係数は.983 となりモデルの再現性の高さを示し実用に耐えうることを示した本研究の結果は当航路において物流事業を展開している船社の配船計画や荷主との運賃交渉などの参考にすることができるまた船社の株価は船社の収益と関連性を有すると考えられるためコンテナ荷動きの予測値は海運企業の株価の先行指標として活用できるものと考えられる本研究で開発した SARIMA モデルでは月次単位でヶ月後の荷動き予測が可能であるため短期予測に適している一方 GDP を利用したモデル () は四半期ベースであるため比較的長期の荷動き予測に適している以上のように予測対象期間によって両モデルを使い分ける必要がある参考文献 () 松田琢磨 : 北米往航荷動き量の月次予測アジア北米間コンテナトレード6 日刊カーゴ年月 7 日 () Tenga, F. M., Yub, H. C. and Tzeng, G. H. : Combining Neural Nework Model wih Seaonal Time Serie ARIMA Model, Technological Forecaing and Social Change, Vol. 69, Iue, pp. 7 87,. (3) Zhang, G. P. : Time erie forecaing uing a hybrid ARIMA and neural nework model, Time erie forecaing uing a hybrid ARIMA and neural nework model, Vol. 5, pp , 3. (4) Syafi i, Kuroda, K. and Takebayahi, M. : Forecaing he Demand of Conainer Throughpu in Indoneia, Vol.47, Memoir of Conrucion Engineering Reearch Iniue, November 5. (5) 米国商務省経済統計局ホームページ : New Reidenial Conrucion (6) 池上寛 : アジアにおける海上輸送と主要港湾の現状調査研究報告書アジア経済研究所 (7) Hamilon, J. : Time Serie Analyi, Princeon Univeriy Pre, 994. (8) Dickey, D. A. and Fuller, W. A. : Diribuion of Eimaor for Auoregreive Time Serie Wih A Uni Roo, Journal of he American and Saiic Sociey, Vol. 74, pp , 979. (9) 沖本竜義 : 経済ファイナンスデータの計量時系列分析朝倉書店 () 山澤成康 : 実践計量経済学入門日本評論社

平成18年8月31日

平成18年8月31日日本アジア / 米国間コンテナ貨物の荷動き動向について (2019 年 1 月往航速報値 ) 2019 年 2 月 22 日 ( 公財 ) 日本海事センター企画研究部 * 文中の % は寄与度とシェア以外で特に記載がない場合は対前年同期比を表します Ⅰ. 往航 ( アジア 18 ヶ国地域米国 ) の荷動き (1)2019 年 1 月のアジア (18 ヶ国地域 ) から米国へのコンテナ荷動き量は