ИИ-модели прогнозирования фрахта упираются в исторические ограничения: геополитика и шоки остаются непредсказуемы

Обзор 28 научных работ за 2012–2024 годы показал, что машинное обучение всё активнее применяется для прогнозирования ставок фрахта. Ключевые входные переменные — предложение судов, спрос на сырьевые товары, цены на бункер и макроэкономические индикаторы. Однако итог исследования неутешителен: ни одна модель не способна адекватно учесть геополитические шоки, регуляторные повороты и внезапные нарушения поставок.

Основные выводы

Алгоритмы хорошо работают в стабильных режимах, когда рыночная динамика определяется фундаментальными факторами. Но как только возникают форс-мажоры — санкции, блокировки проливов, стихийные бедствия или резкие решения ОПЕК+ — качество прогнозов резко падает. Исторические данные, на которых обучаются модели, просто не содержат аналогий для таких событий.

Практический смысл для трейдеров

Закупщики и продавцы сырья не должны полагаться исключительно на количественные модели при расчёте логистических затрат. Необходимо комбинировать ИИ-прогнозы с экспертной оценкой геополитических рисков и сценарийным планированием. В периоды высокой неопределённости (как сейчас) ошибка моделей может достигать 20–30% от актуального фрахта.

Оцените материал

Поделиться