我國沿海與國際干散貨運價聯動

王思遠， 陳金海, 余思勤, 黃順泉

(上海海事大學 經濟管理學院， 上海 201306)

我國沿海與國際干散貨運價聯動

王思遠， 陳金海, 余思勤, 黃順泉

(上海海事大學 經濟管理學院， 上海 201306)

為研究國內外干散貨運輸市場的聯動性和風險傳遞效應，建立一般化的DCC-MSV模型來分析兩者的動態關系和波動溢出效應。實證分析發現：國內外干散貨運價的總體相關性不高，因船型的不同而各異且隨著運價漲跌劇烈變化；只有靈便型船和超靈便型船存在國際運價單向引導我國沿海干散貨運價，反向和其他船型則不存在引導關系；國內外干散貨市場存在微弱的雙向風險溢出效應，國際對國內的溢出效應較強。

干散貨運價；DCC-MSV；動態相關；波動溢出效應

Abstract: A DCC-MSV model is adopted to detect the time-varying correlation and dynamic volatility between China coastal and international dry bulk shipping markets. The empirical study suggests that the weak positive unidirectional lead-lag relationship exists only from BHI and BSI to CBCFI and varies sharply along with freight rate. There is weak bidirectional volatility spillover among BHI, BSI, BPI, BCI and CBCFI, of which the forward transmission is more observable. Thus the freight rate of China coast bulk shipping is relatively independent of global market.

Keywords: bulk shipping freight; DCC-MSV; time-varying correlation; volatility spillover

目前我國是航運大國而非航運強國，定價權缺失嚴重制約著我國航運中心的建設。此外，運價波動性強使得干散貨運輸易受國際市場的沖擊，增加了船舶所有人和貨主的經營風險。

為全面反映我國航運運價的變化情況，上海航運交易所于2001年開始編制中國沿海散貨運價指數(China Coastal Bulk Coal Freight Index, CBFI)，于2007年開始發布分航線運價指數，包括中國沿海煤炭運價指數(China Coastal Bulk Coal Freight Index, CBCFI)。2008年經濟危機中,波羅的海干散貨運價指數(Baltic Dry Index, BDI)在半年內由峰值11 689點跌到663點，波動幅度較大;同期,我國沿海煤炭運價波動幅度相對較小，為緩解世界航運經濟震蕩作出了貢獻。

以往對航運運價相關性的分析多為靜態的，主要采用協整分析、Granger因果檢驗及VECM模型等研究不同干散貨船型的運價關系[1]、干散貨船程租與期租的價格關系[2]、干散貨運價及其衍生品價格關系[3]及干散貨運價與集裝箱運價的關系[4]等，對國內外干散貨運價的動態性研究相對較少。

隨著全球經濟一體化程度逐漸提升，不同資產、不同市場之間的風險傳導日益明顯，相關學者建立MGARCH(Multivariate GARCH)和MSV(Multivariate Stochastic Volatility)等模型研究風險溢出效應。宮曉婞[5]采用MSV模型研究巴拿馬型船FFA(Forward Freight Agreement)市場與即期市場及其他FFA市場的波動溢出效應，發現均存在雙向的波動溢出效應。宋旭變[6]采用雙變量的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，發現即期市場對遠期市場存在單向的波動溢出效應。但是，目前還沒有運用MSV模型對國內外干散貨運價波動溢出效應的研究。

對此，采用一般化的DCC-MSV(Dynamic Conditional Correlation-MSV)模型研究國內外干散貨運價的動態相關性和波動溢出效應，分析我國沿海干散貨獨立定價能力的變化和國內外運價風險的傳導效應，為我國制定航運政策、上海國際航運中心建設及船舶所有人和貨主規避價格風險提供建議。

1 多元動態隨機波動模型

1.1市場特征與問題

隨著上海國際航運中心建設和自貿區建設不斷推進，航運業的優化發展和轉型升級成為重要課題，有必要深入研究我國沿海航運市場與國際航運市場的關系。若我國沿海干散貨運價隨國際干散貨運價波動，則需研究價格及其波動性的傳導方向、強度和演化過程，利用國際運價波動預測我國沿海運價未來的變化并防范風險;若我國沿海干散貨運價與國際干散貨運價的相關性不強，具有獨立定價權，則需發展相應的運費衍生品，對沖運價劇烈波動的風險。

國際干散貨運輸市場通過運輸需求和運力供給2個方面影響我國的干散貨運輸市場。運輸需求受宏觀經濟因素支配，國內外經濟周期的同步性使得運輸需求波動也具有同步性。部分運力可在國內外市場之間調配，使其運價波動趨同。隨著國內外經濟聯系不斷加深，兩者的聯動性可能逐漸提高。以往對動態相關關系和波動溢出效應的研究大多采用EGARCH模型和Copula模型等，這里基于MSV模型的優越性，采用一般化的DCC-MSV模型研究國內外干散貨運價的動態相關性和波動溢出效應。

1.2一般化DCC-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，其波動是由滯后期波動率和不可測的隨機過程共同決定的。從模型結構和實證分析上看，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的要求。DCC-MSV模型和GC-MSV模型[7]適合研究價格的動態相關關系和波動溢出效應[8]，已在股票市場[9]、期貨市場[10]和其他各個市場等[11]領域有所運用。這里把GC-MSV模型的波動系數矩陣引入到DCC-MSV模型中，建立一般化的二元DCC-MSV模型。

(1)

DCC-MSV模型的參數估計方法包括廣義矩估計法、極大似然估計法和貝葉斯估計法等。由于矩估計法在有限樣本下的參數估計結果統計特性較差、極大似然估計存在非線性目標函數優化困難等問題，基于MCMC算法的貝葉斯估計法越來越受到重視。MCMC算法通過模擬一個平穩分布是后驗條件分布近似的Markov鏈，得到一個高維的參數空間上的復雜其后驗分布的推斷。在弱條件下該鏈收斂于其平穩分布，于是后驗量就可從模擬的結果中估計出來。根據構造Markov轉移核方法的不同，MCMC的抽樣方法有Gibbs抽樣、Griddy-Gibbs抽樣、Metropolis-Hasting抽樣和其他各種混合抽樣方法。這里采用該方法對DCC-MSV模型進行參數估計。

2 實證分析

2.1數據準備

我國沿海散貨運輸以煤炭為主，秦皇島—上海和秦皇島—廣州(以下簡稱“秦廣航線”)是2條主要航線，因此選擇上海航運交易所編制的秦廣航線煤炭運價指數代表我國沿海干散貨運價。秦廣航線船舶載重量在5萬～6萬t，與超靈便型船相似。國際干散貨運價的代表是BDI，包括海岬型船運價指數(Baltic Capesize Index, BCI)、巴拿馬型船運價指數(Baltic Pananax Index, BPI)、超靈便型船運價指數(Baltic Supramax Index,BSI)和靈便型船運價指數(Baltic Handymax Index, BHI)。編制CBCFI和BDI所采用的運價都是即期運價，包括各航線的期租運價和程租運價。分別研究4種運價指數與國內運價的動態相關關系和風險溢出效應。選取2007年5月18日—2014年9月26日兩者的周平均價格指數(見圖1)，其中缺失的數據采用拉格朗日插值法補齊。

圖1 我國沿海和國際超靈便型船運價

分別對CBCFI，BHI，BSI，BPI和BCI序列作自然對數差分，獲得收益率序列；然后取均值，獲得RCBCFI，RBHI，RBSI，RBPI和RBCI序列，其基本統計特征見表1。

表1 各序列的基本統計特征

RCBCFI的標準差較小，說明波動更加平穩。RCBCFI右偏，表明價格急漲慢跌；而另外4個序列則相反。5個序列的峰度均>3，呈“尖峰厚尾”分布；峰度與船舶載重量負相關，表明船型越小，異常波動就越少。J-B統計量和相伴概率均顯示序列都不服從正態分布。對5個序列進行ADF檢驗，發現都是平穩的。

2.2模型參數估計

從表2中可看出，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及密度估計的曲線平滑，有明顯的單峰對稱特征，說明參數貝葉斯估計值的誤差非常小。

2.3動態相關關系分析

根據DCC-MSV模型參數估計結果，得到國內外干散貨運價收益率動態相關系數見圖2。從圖2中可看出，相關系數總體不高，因船型的不同而不同，隨時間變化較大。相關系數主要落在0～0.4，說明相關性不強，總體上呈正相關。與4種船型的相關性差別較小，其中與BHI的相關性波動最大，之后依次是BCI，BSI和BPI。相關系數隨時間變化較大，且往往與運價呈同方向變化。為規避波動劇烈且相對獨立的沿海干散貨運價風險，我國有必要發展干散貨運費衍生品，便于船舶所有人和貨主規避風險。

表2 DCC-MSV模型先驗分布及參數估計結果

圖2 國內外干散貨運價動態相關性

我國沿海干散貨運價和國際干散貨運價之間可能存在引導關系。對RCBCFI分別與RBHI，RBSI，RBPI，RBCI作Granger因果關系檢驗，結果顯示只有RBHI和RBSI是RCBCFI的Granger原因，因此BHI和BSI單向引導CBCFI波動，其他不存在引導關系。這與我國施行一定的沿海運輸權保留政策有關。國際干散貨運價上漲促使沿海運輸船舶進入國際市場，從而帶動沿海干散貨運價上漲；而國際船舶不能自由進入我國沿海運輸市場，沿海運價不能從運力供給層面帶動國際運價上漲，同時沿海運輸市場規模也決定了不足以帶動國際運價上漲。相反，沿海干散貨運價下跌促使沿海運輸船舶進入國際市場，但是市場規模有限決定了對國際運價的影響有限；而國際運價下跌缺乏影響我國沿海運輸市場的途徑。因此，適航于我國沿海的靈便型船和超靈便型船的國際運價能引導沿海干散貨運價，反向和其他船型則不存在引導關系。

2.4波動溢出效應分析

波動溢出效應主要由波動率方程的系數體現出來。由表2可知：波動溢出效應系數均>0，說明存在正的溢出效應；國際對國內的波動溢出系數≈0.2，高于國內對國際的波動溢出系數；超靈便型船的溢出效應最大。對比波動持續性系數可知，當期國際和國內干散貨運價波動率主要由自身前一期的波動率決定。

國際和國內沿海干散貨運輸市場的風險溢出并不明顯。干散貨運輸需求具有剛性和明顯的地域性特征，國內外的運力供給調配受限制，缺乏直接有效的風險傳遞通道，因此我國沿海散貨運輸市場相對獨立，不易受到短期沖擊。盡管如此，我國沿海干散貨運輸需求還是會受到需求的系統性風險和行業整體運力變化的影響，因此會受到長期沖擊。我國沿海干散貨運輸市場作為國際干散貨運輸市場的一部分，具有向國際市場傳遞風險的通道，但市場規模有限決定了風險傳遞能力較弱，對國際市場的影響力有限。綜上所述，我國沿海干散貨運輸市場的獨立定價權較強，需發展運費衍生品市場對沖風險。我國若要提高干散貨航運定價權，一方面需擴大國際干散貨船舶的運力規模，建立運力資源配置中心，從而直接影響國際干散貨運價；另一方面需打造具有競爭力的國際干散貨運價衍生品，依靠金融資本，通過衍生品市場影響現貨市場的定價，從而建立航運金融衍生品交易和定價中心。

3 結束語

為研究國內外干散貨運輸市場的聯動性和風險傳遞效應，建立一般化DCC-MSV模型，分析兩者間的動態相關關系和波動溢出效應。采用2007—2014年的周運價數據進行實證分析，得到以下結論。

1) 國內外干散貨運價的總體相關性不高，因船型的不同而不同且隨著運價的漲跌劇烈變化，因此我國有必要建立沿海干散貨運費衍生品市場。

2) 國際靈便型船和超靈便型船運價單向引導國內干散貨運價，反向和其他船型不存在引導關系。

3) 國內外干散貨市場存在雙向微弱的風險溢出效應，當期波動性主要由自身前一期波動率決定。

4) 盡管國際對國內缺乏直接的風險傳遞通道，但還是會通過需求的系統性變化和整體運力變化影響國內市場；受市場規模限制，國內具有向國際傳遞風險的通道，但不具備傳遞能力。

綜上所述，我國沿海干散貨運輸市場的獨立定價權較強，對國際市場的影響力較弱,需從以下2個方面提高干散貨航運定價權。

1) 擴大國際干散貨船舶的運力規模，建立運力資源配置中心，直接影響國際干散貨運價。

2) 打造具有競爭力的國際干散貨運價衍生品市場，建立運費衍生品交易和定價中心，依靠金融資本,通過衍生品市場提高定價權。

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

[2] GOULIELMOS A M, PSIFIA M. A Study of Trip and Time Charter Freight Rate Indices: 1968—2003[J]. Maritime Policy & Management, 2007, 34(1): 55-67.

[3] 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.

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

[5] 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.

[6] 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.

[7] 熊正德, 韓麗君. 基于 MSV 類模型的中國匯市與股市間溢出效應[J].系統工程, 2010(10): 47-53.

[8] 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.

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

[10] 周穎, 張紅喜, 遲國泰. 基于 DC-MSV 的動態套期保值模型及實證研究[J]. 系統管理學報, 2008, 17(4): 409-417.

[11] VO M. OIL and Stock Market Volatility: A Multivariate Stochastic Volatility Perspective[J]. Energy Economics, 2011, 33(5): 956-965.

Time-VaryingCorrelationandDynamicVolatilityBetweenChinaCoastalandInternationalDryBulkShippingMarkets

WANGSiyuan,CHENJinhai,YUSiqin,HUANGShunquan

(School of Economics & Management, Shanghai Maritime University, Shanghai 201306, China)

F552.5

A

2016-04-21

教育部高等學校博士學科點專項科研基金(20113121110003)；上海海事大學優秀博士學位論文培育項目(2013bxlp008)

王思遠(1989—)，女，上海人，博士生，研究方向為交通運輸工程經濟與管理。E-mail：wangsiyuanisable@163.com

1000-4653(2016)03-0114-05