不同船型干散貨運價聯動

李新偉, 余思勤, 陳金海(上海海事大學 .經濟管理學院； .上海高級國際航運學院， 上海 201306)

不同船型干散貨運價聯動

李新偉a, 余思勤b, 陳金海a
(上海海事大學 a.經濟管理學院； b.上海高級國際航運學院， 上海 201306)

為研究海岬型船、巴拿馬型船、超靈便型船和靈便型船國際干散貨運價的聯動關系，建立自回歸分布滯后(Autoregressivessive Distributed Lag,ADL)模型和動態條件相關系數多元隨機波動率(DCC-MSV)模型，分別分析運價的領先滯后關系和風險傳導過程。采用2009—2014年的數據做實證分析發現：海岬型船運價引導巴拿馬型船運價，巴拿馬型船運價引導靈便型船和超靈便型船運價，靈便型船運價和超靈便型船運價間存在較強的相互引導關系；海岬型船向巴拿馬型船溢出運價波動風險，超靈便型和靈便型船相互溢出運價波動風險。

交通運輸經濟學;干散貨運價；ADL模型；DCC-MSV模型；波動溢出效應

干散貨航運市場包括海岬型船、巴拿馬型船、超靈便型船和靈便型船等4個子市場,其中海岬型船航運市場因規模大、運價高、波動性強，成為市場的主導。分析4個市場運價間的領先滯后關系和風險傳導過程，有利于理解運價變化、判斷未來走勢。

對國際干散貨航運市場的研究主要從船型、航線和租船方式等3個維度，采用協整檢驗、Granger因果檢驗誤差修正模型(Vector Error Correction Model,VECM)等分析運價的領先滯后關系，采用MGARCH(Multivariate Generalized AutoRegressive Conditional Heteroskedasticity)和MSV(Multivariate Stochastiic Volatility)等模型分析風險傳導過程。ZHANG等[1]采用VECM模型分析即期與遠期、程租與期租市場運價間的引導關系；朱意秋等[2]采用EGARCH模型分析國際干散貨運輸C3和C5航線即期與遠期運費間的波動溢出效應；CHEN等[3]采用協整檢驗、Granger因果檢驗和ECM-GARCH模型分析不同航線上海岬型船及巴拿馬型船運價的動態關系和波動溢出效應；范永輝等[4]采用三元BEKK-GARCH模型分析海岬型船、巴拿馬型船和靈便型船運價間的波動溢出效應，發現海岬型船對巴拿馬型船與靈便型船單向溢出，巴拿馬型船和靈便型船之間雙向溢出。隨著更具靈活性和適用性的MSV模型不斷完善[5]以及基于MCMC參數估計方法逐漸成熟，MSV模型被引入航運領域。宮曉婞[6]采用MSV模型研究巴拿馬型船FFA市場及其他FFA市場的波動溢出效應；宋旭變[7]采用EGARCH和VS-MSV模型研究干散貨FFA中C5和P3A航線即期運價與遠期運價的波動溢出效應。此外，文獻[8]和文獻[9]還對干散貨運價與集裝箱運價的領先滯后關系和波動溢出效應、新造船運價與二手干散貨船價格間的波動溢出效應等內容進行研究。

由以上研究可知，對國際干散貨運價引導關系和波動溢出效應的研究注重影響方向，不注重影響的滯后期和強度,也較少采用MSV模型。對此,采用自回歸分布滯后(Autoregressivessive Distributed Lag,ADL)模型和DCC-MSV模型，從方向、時滯和強度等3個角度分析4種干散貨船型運價的領先滯后關系和風險傳導過程，以便及時把握和規避風險，為船舶所有人、航運公司及貨主等企業或相關人員的經營決策提供參考，促進國際干散貨運費衍生品。

1 數據準備

1.1數據選取

國際干散貨運價以海岬型船運價指數(Baltic Capesize Index,BCI)、巴拿馬型船運價指數(Baltic Panamax Index,BPI)、超靈便型船運價指數(Baltic Supramax Index,BSI)及靈便型船運價指數(Baltic exchange Handy Size Index,BHSI)為代表。這里采用改變計算規則后的2009年7月1日至2014年12月24日的波羅的海干散貨指數(Baltic Dry Index,BDI)做實證分析。

圖1為4種船型的BDI，數據來源于Clarkson數據庫。從圖中可看出：船型越大，運價指數越高，波動性越強，且變動具有一定的領先性。

圖1 4種船型的BDI

1.2數據處理

表和的基本統計特征

2 運價的領先滯后關系

若各船型的運價不僅受自身滯后期的影響，而且受其他船型運價滯后期的影響，則可建立ADL模型模擬運價變化。ADL模型可表示為

(1)

(2)

(3)

(4)

(5)

參數估計結果顯示，各船型運價主要受自身滯后項和當期其他船型運價的影響。

1) 在方向上:海岬型船運價和巴拿馬型船運價互為滯后相關，前者對后者的影響滯后期更長，說明BCI領先于BPI波動；超靈便型船運價和靈便型船運價互為滯后相關，且滯后期基本相當，說明HSI和BHSI的波動相互引導。此外，BPI引導BSI和BHSI波動，其他船型運價之間不存在相互引導關系。

2) 在滯后期上:BCI對BPI,BSI對BHSI,BHSI對BSI引導的滯后期均為3;BPI對BCI,BPI對BHSI引導的滯后期均為1，說明領先時間較短。

3) 在強度上:BHSI對BSI的引導強度最大，BSI對BHSI的引導強度次之，BCI對BPI的引導強度較小，BPI對BCI的引導強度為負。

因此,靈便型船運價與超靈便型船運價間存在較強的相互影響關系，海岬型船運價引導巴拿馬型船運價波動，巴拿馬型船運價引導靈便型船和超靈便型船運價波動，其他船型運價之間不存在明顯的引導關系，據此可更加準確地預測運價走勢。

3 運價的風險傳導過程

3.1DCC-MSV模型

多元SV模型適合研究不同資產、不同行業間的相關性和風險溢出效應，其波動由滯后期波動率和不可測的隨機過程共同決定。從模型結構和實證分析看，SV類2個隨機擾動項的設計比ARCH族模型更符合實際波動率要求。DCC-MSV模型適合研究動態相關關系和波動溢出效應，已在金融市場有所運用。[10-11]這里建立一般化的二元DCC-MSV模型

(6)

3.2模型參數估計

表和波動溢出效應參數

表2和表3中:MC誤差遠小于標準誤差，說明參數估計結果收斂；各參數的邊緣后驗分布和密度估計曲線平滑，說明參數貝葉斯估計值誤差非常小。

表和波動溢出效應參數

3.3波動溢出效應分析

對于運價波動風險評估，海岬型船只能根據自身的歷史波動性進行推斷，巴拿馬型船可同時參考自身的和海岬型船的歷史波動性，超靈便型船和靈便型船可參考自身的和對方的歷史波動性，進行行業風險分析。船舶所有人、航運企業和貨主可根據以上分析結果預判未來的運價波動風險。

4 結束語

為研究海岬型船、巴拿馬型船、超靈便型船和靈便型船國際干散貨運價的聯動關系，分別建立ADL模型和DCC-MSV模型分析運價的領先滯后關系和風險傳導過程。采用2009—2014年的BCI，BPI，BSI和BHSI數據進行實證分析。結果表明：在運價的領先滯后關系方面，海岬型船運價引導巴拿馬型船運價波動，巴拿馬型船運價引導靈便型船和超靈便型船運價波動，靈便型船運價與超靈便型船運價間存在較強的相互影響關系，其他船型運價之間不存在明顯的引導關系；在運價的波動溢出效應方面，海岬型船向巴拿馬型船溢出運價波動風險，超靈便型船和靈便型船相互溢出運價波動風險，其他船型之間不存在風險溢出效應。船舶所有人、航運企業和貨主可根據不同船型國際干散貨運價的領先滯后關系與風險傳導過程，及時預判未來的運價變化，趨勢防范運價波動風險。

[1] ZHANG J, ZENG Q, ZHAO X. Forecasting Spot Freight Rates Based on Forward Freight Agreement and Time Charter Contract[J]. Applied Economics, 2014, 46(29): 3639-3648.

[2] 朱意秋, 陳先洋. C3和C5航線遠期運費波動溢出效應實證研究[J].中國海洋大學學報: 社會科學版, 2011(3): 28-32.

[3] CHEN S, MEERSMAN H, VANDE V E. Dynamic Interrelationships in Returns and Volatilities Between Capesize and Panamax Markets[J]. Maritime Economics & Logistics, 2010, 12(1): 65-90.

[4] 范永輝, 楊華龍, 劉金霞. 基于BEKK方差模型的干散貨航運市場間波動溢出效應分析[J]. 數學的實踐與認識, 2013, 42(23): 18-24.

[5] YU J, MEYER R. Multivariate Stochastic Volatility Models: Bayesian Estimation and Model Comparison[J]. Econometric Reviews, 2006, 25(2-3): 361-384.

[6] 宮曉婞. 干散貨遠期運費市場波動性及行為特征研究[D]. 大連:大連海事大學, 2011.

[7] 宋旭變. 干散貨航運FFA市場波動溢出效應研究[D]. 大連:大連海事大學, 2012.

[8] HSIAO Y J, CHOU H C, WU C C. Return Lead-Lag and Volatility Transmission in Shipping Freight Markets[J]. Maritime Policy & Management, 2013(Ahead-of-Print): 1-18.

[9] DAI L, HU H, CHEN F,etal. Volatility Transmission in the Dry Bulk Newbuilding and Secondhand Markets: An Empirical Research[J]. Transportation Letters, 2014, 6(2): 57-66.

[10] KU Y C, BLOOMFIELD P, GHOSH S K. A Flexible Observed Factor Model with Separate Dynamics for the Factor Volatilities and Their Correlation Matrix[J]. Statistical Modelling, 2014, 14(1): 1-20.

[11] ACHCAR J A, CEPEDA C E, BAROSSI F M. Multivariate Volatility Models: An Application to IBOVESPA and Dow Jones Industrial[J]. Cuadernos de Economía, 2012, 31(56): 301-320.

[12] 楊華龍,劉金霞,范永輝.波羅的海干散貨運價指數波動性研究[J].中國航海，2011,34(3): 84-88.

Lead-LagandVolatilitySpilloverAmongDryBulkShippingFreights

LIXinweia，YUSiqinb，CHENJinhaia
(a. School of Economics & Management; b. Shanghai Advanced Institute of International Shipping, Shanghai Maritime University, Shanghai 201306, China)

The Autoregressive Distributed Lag (ADL) model and the Dynamic Conditional Correlation Multivariate Stochastic Volatility (DCC-MSV) model are respectively adopted to detect the Lead-lag correlation of return and volatility spillover effect among international dry bulk shipping markets. The empirical results suggest that the return of BCI lead BPI, which lead both BSI and BHSI, while the return of BSI and BHSI lead each other. The Volatility Spillover from BCI to BPI, while that of BSI and BHSI Spillover to each other.

traffic transport economics; dry bulk shipping freight； ADL model； DCC-MSV model； volatility spillover effect

2015-07-11

教育部高等學校博士學科點專項科研基金(20113121110003)

李新偉(1975—)，女，山東青島人，副教授，博士生，從事交通運輸規劃與管理研究。E-mail：lxw@163.com

陳金海(1986—)，男，浙江臺州人，博士生，從事交通運輸經濟與管理研究。E-mail：jinhaichen2005@163.com

1000-4653(2015)03-0131-04

F224，F551

A