Integrated Yield and Demand Forecasting for Air Cargo in MEASA Emerging Markets: A Multi-Method Statistical Framework

기술 요약: MEASA 신흥 시장의 항공 화물 통합 수익 및 수요 예측

문제 제기
항공 화물 산업, 특히 중동, 아프리카, 남아시아(MEASA) 지역은 용량과 가격을 관리하기 위해 월간 성장률(MoM) 및 전년 대비 성장률(YoY)과 같은 후행적 운영 지표에 크게 의존하고 있다. 그러나 이러한 지표는 이스탄불 허브를 경유하는 남아시아-유럽 경로와 같이 고성장 및 변동성이 큰 시장에는 구조적으로 부적합하다. 기존의 예측 모델은 다음과 같은 세 가지 주요 결함을 가지고 있다:

1. 구조적 부적합성: 안정적인 북대서양 또는 태평양 횡단 시장을 위해 개발된 표준 단변수 모델은 MEASA 노선의 급격한 성장, 상품의 다양성, 그리고 뚜렷한 계절성을 포착하지 못한다.
2. 변동성 변수의 부재: 기존 문헌에는 지정학적 혼란(예: 영공 폐쇄, 분쟁)을 예측에 통합할 수 있는 정량적 메커니즘이 부족하며, 종종 이진 더미 변수(binary dummy variables)에 의존하거나 사후 수동 재조정에 그치고 있다.
3. 수익과 수요의 분리: 수익(Yield)과 수요(Demand)는 일반적으로 별개의 문제로 모델링되지만, 상업적 의사결정에는 통합된 관점이 필요하다. 또한, 학술적 시계열 모델링과 실무적인 상업 보고 언어 사이에는 번역의 장벽이 존재한다.

방법론
본 논문은 이스탄불을 경유하는 남아시아-유럽 경로(인도, 파키스탄, 방글라데시, 스리랑카)를 위해 특별히 설계되었으며, Microsoft Power BI 내에서 구현되는 이중 구성 통계 프레임워크를 제안한다.

• 수익 예측 프레임워크:

  • 핵심 모델: 최소제곱법(OLS), 부분 상관 회귀(SUR), ARIMAX를 활용한다.
  • 변수: 모델은 GDP 성장률, 항공유 가격 지수, 노선 탑재율(Load Factor), 경쟁 용량(가용 톤 킬로미터), 그리고 새로운 **지정학적 혼란 지수(Geopolitical Disruption Index)**를 포함한다.
  • SUR 적용: 여러 노선(인도, 파키스탄 등)이 공통된 거시 경제 및 지정학적 충격을 공유할 때 발생하는 상관된 오차항을 처리하기 위해 SUR을 사용한다.
  • 비선형성 처리: 회귀 모델은 선형 관계를 포착하지만, 본 프레임워크는 수익 결정력이 특정 임계값(예: 탑재율 85% 이상에서 급증)을 보이는 임계 행동을 인지한다.

• 수요 예측 프레임워크:

  • 핵심 모델: 계절적 자기회귀 누적 이동평균 외생 변수 모델(SARIMAX)을 사용한다.
  • 이론적 가교: 본 논문은 표준 MoM 및 YoY 지표가 SARIMAX의 자기회귀(AR) 및 계절 차분(seasonal differencing) 성분의 제한적 사례임을 공식적으로 입증한다.
  • 외생 변수: GDP, 연료 가격, 탑재율, 경쟁 용량, 지정학적 혼란 지수, 이커머스 침투 지수, 그리고 유럽 구매 시즌 지수(섬유 노선에 중요)를 포함한다.
  • 앙상블 증강: SARIMAX 모델의 잔차(residuals)를 학습하도록 랜덤 포레스트(Random Forest) 레이어가 구축된다. 이 머신러닝 구성 요소는 파라미터 모델이 체계적으로 과소평가하는 비선형적 상호작용(특히 탑재율 85% 이상의 수익-탑재율 비선형성 및 연료 가격-수요 임계 효과)을 포착한다.
  • 최종 출력: 최종 예측값 = SARIMAX 예측값 + RF 잔차 보정.

주요 기여
본 논문은 항공 운송 관리 문헌에 세 가지 독창적인 기여를 식별하였다:

1. 정량화된 지정학적 혼란 지수: 이진 더미 변수를 넘어 지정학적 사건(특히 2025-2026년 인도-파키스탄 영공 폐쇄)의 영향을 정량화하기 위해 척도가 있는 연속 변수를 도입하였다.
2. 통합 수익-수요 프레임워크: 수익과 수요를 동시에 모델링하여, 전통적으로 별개의 문제로 취급되던 간극을 해결하는 통합된 분석 구조를 제공한다.
3. 수학적 등가성 도출: 표준 상업적 MoM 및 YoY 지표가 SARIMAX 프레임워크의 특정 구성 요소와 수학적으로 동등함을 증명하였다. 이는 실무 분석과 학술적 모델링 사이의 간극을 메워 운영 보고 환경에서의 배치를 용이하게 한다.

결과 및 발견

• 혼란 정확도: 지정학적 혼란 지수를 2025-2026년 인도-파키스탄 영공 폐쇄 시나리오에 적용한 결과, 해당 변수가 없는 모델에 비해 혼란 기간 동안의 예측 정확도가 입증 가능하게 향로되었다.
• 비선형성 포착: 랜덤 포레스트 증강 레이어는 SARIMAX가 놓쳤던 탑재율 85% 이상의 수익-탑재율 비선형성을 성공적으로 포착하였다.
• 상품 믹스를 통한 수익 보호: 4개의 남아시아 하위 시장에 대한 분석 결과, 상품 믹스(특히 의약품 및 신선 화물의 비중)가 수익 보호를 위한 가장 강력한 메커즘임을 확인하였다. 이러한 세그먼트는 일반 화물에서 나타나는 수익 압박을 방어하는 프리미엄을 창출한다.
• 운영 배포: 본 프레임워크는 Power BI에 성공적으로 구현되어, 상업 팀에 점 예측(point forecasts), 신뢰 구간, 계절적 분해, 그리고 시나리오 분석 도구(예: 연료 충격 또는 영공 폐쇄 모델링)를 제공한다.

의의 및 주장
본 논문은 MEASA 지역이 구조적 성장, 다양한 상품 믹스, 반복되는 지정학적 리스크를 특징으로 하는 독특한 시장 환경을 제시하며, 이로 인해 표준 예측 접근 방식이 불충분하다고 주장한다. 본 연구의 의의는 다음과 같다:

• 세계에서 가장 역동적인 항공 화물 지리 중 하나에서 공급망 분석을 관리하기 위한 통계적으로 엄격하면서도 운영 가능한 도구를 제공한다.
• 후행적 지표에서 전향적이고 통합된 예측으로 전환함으로써 선제적인 상업적 의사결정(할당량 및 가격 책정)을 가능하게 한다.
• 지정학적 사건, 제재 또는 경로 변경에 대응하여 예측을 신속하게 재조정할 수 있는 방법론을 제공한다.
• 기존의 상업적 보고 언어(MoM/YoY)와 학술적 모델을 정렬함으로써 상업 화물 팀의 정량적 방법론 채택을 촉진한다.

저자들은 본 프레임워크가 랜덤 포레스트 레이어가 효과적으로 작동하기 위해 정확한 입력 데이터와 충분한 과거 데이터를 필요로 한다는 점을 명시한다. 또한, 이는 모델의 훈련 분포를 벗어난 사건을 다룰 때 도메인 전문 지식을 대체하는 것이 아니라 보완하기 위해 설계되었다.