An empirical analysis of determinants for Baltic Dry Index forecasting using neural networks

Abstract

The present thesis explores novel determinants of the Baltic Dry Index (BDI) by integrating behavioral, financial, and geopolitical dimensions into maritime economic forecasting. Motivated by the importance of the BDI not only for the dry bulk market but also for various sectors—an aspect extensively discussed throughout the study—it seeks to explain BDI movements beyond the assumptions of rational decision-making in the dry bulk market. More specifically, inspired by the growing use of Google Trends in addressing economic problems, the study examines whether information demand from individual traders—captured through maritime-related search queries—can function as a reliable proxy for dry bulk market sentiment. The findings, based on a Vector Autoregression (VAR) model, reveal a significant negative relationship between the proposed search volume indicators (SVIs), which reflect market uncertainty, and decisions regarding freight rates, eventually guiding the BDI. The effect from the latter on the former is direct, ephemeral, and negative. In contrast, the impact on dry bulk fleet development appears with a lag of approximately six months. These results support risk-aversion theory and challenge the Efficient Market Hypothesis (EMH). Furthermore, a negative bidirectional relationship between sentiment indicators and maritime stock markets is demonstrated, with the effect from the latter being similar to that on the BDI.Building on the established link between the BDI and financial markets, the study further investigates how investor sentiment in both the U.S. maritime and broader stock markets influences BDI dynamics. Utilizing a widely accepted sentiment indicator—trading volume—that has yet to be applied in maritime economics, and employing Granger causality tests and impulse response functions, the results show that investor confidence and market liquidity significantly affect corporate decisions related to freight rates and secondhand vessel investments. By comparing the effects of the general U.S. stock market sentiment index and the maritime stock sentiment index on the BDI, the study reveals the characteristics of investors in the maritime capital market. It also contributes to identification of the roles of financial market sentiment from different trader types. Additionally, it uncovers a new feedback mechanism between the dry bulk and financial markets via investor sentiment, consistent with signal theory. The thesis also addresses the underexplored effect of Chinese Trade Policy Uncertainty (CTPU) on dry bulk shipping indices. Given China’s pivotal role in global shipping as an exporter, shipbuilder, and shipowner, the study analyzes the influence of CTPU on BDI movements using VAR models. Empirical evidence shows that increases in policy uncertainty lead to temporary declines in sea-transportation demand and costs across all BDI sub-indices—effects that are consistent with option theory and persist for approximately one year. Moreover, Artificial Neural Networks (ANNs) are developed, including the examined variables, and compared with benchmark models to assess their performance in predicting BDI movements. Therefore, the study suggests various models for the accurate forecasting of the BDI on a monthly frequency. The out-of-sample predictive power of the examined variables is further evaluated by comparing the suggested models’ performance with the same models that excludes the inclusion of examined variables, reinforcing their relevance as key determinants of the BDI. Overall, the results provide practical implications for maritime stakeholders, financial analysts, and supply chain managers seeking to enhance profitability, manage risk, and promote sustainable decision-making within the shipping industry.

Η παρούσα διατριβή διερευνά νέους προσδιοριστικούς παράγοντες του Baltic Dry Index (BDI) ενσωματώνοντας συμπεριφορικές, χρηματοοικονομικές και γεωπολιτικές διαστάσεις στον τομέα της πρόβλεψης στην ναυτιλιακή οικονομία. Υποκίνηση της έρευνας αποτελεί η σημασία του BDI όχι μόνο για την αγορά ξηρού χύδην φορτίου αλλά και για διάφορους άλλους τομείς της οικονομίας —μια πτυχή που αναλύεται εκτενώς καθ’ όλη τη διάρκεια της μελέτης— ενώ επιχειρείται η επεξηγήση της διακυμάνσης του BDI ξεπερνώντας τις υποθέσεις της ορθολογικής λήψης αποφάσεων στην εν λόγω αγορά. Πιο συγκεκριμένα, υποκινούμενη από την αυξανόμενη χρήση των Google Trends για την επίλυση οικονομικών ζητημάτων, η μελέτη εξετάζει κατά πόσο η ζήτηση για πληροφορίες από μεμονωμένους επενδυτές —όπως αυτή αναπαρίσται απο αναζητήσεις σχετικές με την ναυτιλία — μπορεί να λειτουργήσει ως αξιόπιστος δείκτης του αισθήματος της αγοράς ξηρού φορτίου. Τα ευρήματα της μελέτης που βασίζονται σε ένα υπόδειγμα διανυσματικής αυτοπαλινδρόμησης (VAR), αποκαλύπτουν την στατιστικά σημαντική αρνητική σχέση μεταξύ των ναυλων και του προτεινόμενου δεικτη όγκου αναζητήσεων (SVIs), ο οποίος αντικατοπτρίζει την αβεβαιότητα της αγοράς. Η επίδραση αυτή έχει τελικό αποδέκτη τον δείκτη BDI. Η επίδραση από τον δείκτη αναξητήσεων είναι άμεση, βραχυχρόνια και αρνητική. Τα αποτελέσματα αυτά στηρίζουν τη θεωρία της αποστροφής των επενδυτών προς τον κίνδυνο και αμφισβητούν την υπόθεση της αποτελεσματικής αγοράς. Επιπλέον, η μελέτη αναδεικνύει την διμερής αρνητική σχέση μεταξύ των δεικτών του αισθήματος της αγοράς και των ναυτιλιακών χρηματιστηριακών αγορών, με την επίδραση στις τελευταίες να είναι παρόμοια με εκείνη στον BDI. Αντιθέτως, η επίδραση του προτεινόμενου δείκτη αισθήματος της αγοράς στην ανάπτυξη του στόλου της αγορά χύδην ξηρού φορτίου εκδηλώνεται με καθυστέρηση περίπου έξι μηνών. Εστιάζοντας περαιτέρω στην ήδη τεκμηριωμένη σύνδεση μεταξύ του BDI και των χρηματοπιστωτικών αγορών, η μελέτη διερευνά το πώς το επενδυτικό κλίμα τόσο στις ναυτιλιακές όσο και στις ευρύτερες χρηματιστηριακές αγορές των ΗΠΑ επηρεάζει τη δυναμική του BDI. Χρησιμοποιώντας έναν ευρέως αποδεκτό δείκτη επενδυτικού κλίματος —τον όγκο συναλλαγών— ο οποίος δεν έχει ακόμα χρησιμοποιηθεί στη ναυτιλιακή οικονομία, καθώς και με την εφαρμογή των τεστ αιτιότητας κατα Granger και ανάλυση κρουστικής απόκρισης, τα αποτελέσματα δείχνουν ότι η αισιοδοξία των επενδυτών ως προς την αγορά και η ρευστότητα της αγοράς επηρεάζουν σημαντικά τις εταιρικές αποφάσεις που σχετίζονται με τους ναύλους και τις επενδύσεις σε μεταχείρισμένα πλοία. Συγκρίνοντας την επιδράση που έχουν στη δείκτη BDI ο δείκτης SVI, ο δείκτης αισθήματος της ευρύτερη χρηματιστηριακή αγοράς των ΗΠΑ και ο δείκτη αισθήματος της αγοράς ναυτιλιακων μετοχών, η μελέτη αποκαλύπτει τα χαρακτηριστικά των επενδυτών στη ναυτιλιακή κεφαλαιαγορά και συμβάλλει στην αναγνώριση του ρόλου του αισθήματος της αγοράς απο διαφορετικούς τύπους επενδυτών. Επιπλέον, αποκαλύπτεται ένας νέος μηχανισμός ανατροφοδότησης μεταξύ της αγοράς χύδην ξηρού φορτίου και των χρηματοπιστωτικών αγορών, ο οποίος είναι το αισθήμα της αγορά. Αυτό το εύρημα συνάδει με τη θεωρία των σημάτων (signal theory). Η διατριβή επίσης εξετάζει την επίδραση που έχει η αβεβαιότητα σχετικά με τη κινεζική εμπορική πολιτική (CTPU) στους δείκτες των ναύλων της αγοράς χύδην ξηρού φορτίου. Αυτή η μεταβλητή έχει μελετηθεί ελάχιστα στον τομέα της ναυτιλίας. Δεδομένου του καθοριστικού ρόλου της Κίνας στην παγκόσμια ναυτιλία ως εξαγωγέα, ναυπηγό και πλοιοκτήτη, η μελέτη αναλύει την επίδραση του δείκτη CTPU στις μεταβολές του BDI, με τη χρήση υποδειγμάτων VAR. Τα εμπειρικά στοιχεία δείχνουν ότι η αυξανόμενη αβεβαότητα σχετικά με την εμπορική πολιτική της Κίνας μπορεί να οδηγήσει σε προσωρινές μειώσεις της ζήτησης και του κόστους θαλάσσιων μεταφορών και τελικά πτώση σε όλους τους επιμέρους δείκτες του BDI. Οι επιδράσεις αυτές συνάδουν με τη θεωρία της επιλογή (option theory) και διαρκούν περίπου ένα έτος. Επιπλέον, αναπτύσσονται Τεχνητά Νευρωνικά Δίκτυα (ANNs) και συγκρίνονται με άλλα παραδοσιακά μοντέλα πρόβλεψης, προκειμένου να αξιολογηθεί η απόδοσή των πρώτων στην πρόβλεψη των μεταβολών του BDI. Στην συνέχεια αξιολογελιται η προβλεπτική ικανότητα των εξεταζόμενων μεταβλητών που αναφέρονται στις προηγούμενες παραγράφους συγκρίνοντας την απόδοση των μοντέλων τεχνητής νοημοσύνης με και χωρίς την ενσωμάτωση αυτών των μεταβλητών, ενισχύοντας έτσι τη σημασία τους ως βασικοί προσδιοριστικοί παράγοντες του BDI. Συνολικά, τα αποτελέσματα έχουν πρακτική εφαρμογή και μπορούν να επωφελήσουν ενδιαφερόμενους φορείς της ναυτιλιακής αγοράς, χρηματοοικονομικούς αναλυτές και διαχειριστές εφοδιαστικής αλυσίδας που επιδιώκουν τη βελτιστοποίηση της κερδοφορίας τους, τη πιο αποτελεσματική διαχείριση ρίσκου και την λήψη αποφάσεων που ευνώνουν την βιωσιμότητα στον ναυτιλιακό κλάδο