金融危機(jī)前后國(guó)際干散貨運(yùn)輸市場(chǎng)波動(dòng)特征演變

， ，

(1. 上海海事大學(xué) 交通運(yùn)輸學(xué)院， 上海 201306； 2. 上海國(guó)際航運(yùn)研究中心， 上海 200082)

金融危機(jī)前后國(guó)際干散貨運(yùn)輸市場(chǎng)波動(dòng)特征演變

邵斐1，真虹1，韓軍2

(1.上海海事大學(xué)交通運(yùn)輸學(xué)院，上海201306； 2.上海國(guó)際航運(yùn)研究中心，上海200082)

基于結(jié)構(gòu)突變模型發(fā)現(xiàn)金融危機(jī)是導(dǎo)致全球經(jīng)濟(jì)與航運(yùn)市場(chǎng)發(fā)生突變的結(jié)構(gòu)斷點(diǎn)；建立GARCH族模型對(duì)國(guó)際航運(yùn)市場(chǎng)在金融危機(jī)前后的波動(dòng)性進(jìn)行分析。分析結(jié)果表明，國(guó)際航運(yùn)市場(chǎng)在金融危機(jī)后表現(xiàn)出復(fù)蘇周期拉長(zhǎng)、預(yù)期風(fēng)險(xiǎn)上升、收益下降和利好因素強(qiáng)于利空因素等特征。相關(guān)分析有助于深入理解國(guó)際航運(yùn)市場(chǎng)的結(jié)構(gòu)變化，為各方進(jìn)行收益預(yù)估、投資決策及風(fēng)險(xiǎn)控制提供依據(jù)。

交通運(yùn)輸經(jīng)濟(jì)學(xué)； 波羅的海干散貨運(yùn)價(jià)指數(shù)(BDI)； 外生性結(jié)構(gòu)突變； GARCH模型

Abstract: Based on the structural mutation theory, a discontinuous change in the time series of the BDI is demonstrated, and the volatility characteristics transformation is analyzed by GARCH models. The results indicate that due to the structure mutation, the data generating process of the BDI reflect longer recovery cycle, abnormal leverage effect and unusual risk premium under the post-financial crisis. Therefore, it will be helpful for shipping companies to realize the change on the volatility characteristics of the BDI when making decisions.

Keywords: traffic transport economics; BDI; exogenous structure mutation; GARCH Model

在2008年金融危機(jī)之后，干散貨航運(yùn)市場(chǎng)整體步入低迷期，航運(yùn)企業(yè)對(duì)干散貨市場(chǎng)的投資決策變得更為謹(jǐn)慎。波羅的海干散貨運(yùn)價(jià)指數(shù)(Baltic Exchange Dry Index，BDI)一直被認(rèn)為是國(guó)際干散貨航運(yùn)市場(chǎng)的“晴雨表”，能實(shí)時(shí)反映干散貨市場(chǎng)的運(yùn)價(jià)變化及公司的收益情況，因此研究BDI的歷史波動(dòng)變化及特征能更好地進(jìn)行收益預(yù)測(cè)分析，幫助企業(yè)進(jìn)行風(fēng)險(xiǎn)規(guī)避及投資決策。BERG-ANDREASSEN[1]通過(guò)ADF(Augmented Dickey-Fuller)檢驗(yàn)法將常用的傳統(tǒng)市場(chǎng)解釋方法運(yùn)用到干散貨期租市場(chǎng)分析中；VEENSTRA等[2]通過(guò)建立VAR模型佐證干散貨市場(chǎng)的有效性；BATRINCA等[3]通過(guò)對(duì)BDI建立ARIMA模型找出其時(shí)間序列的自回歸性；CHEN等[4]和宮進(jìn)[5]通過(guò)對(duì)干散貨運(yùn)價(jià)建立EGARCH模型分析BDI波動(dòng)的“杠桿效應(yīng)”；李耀鼎等[6]和陸克從等[7]通過(guò)使用GARCH模型族對(duì)BDI的波動(dòng)特點(diǎn)及波動(dòng)原因進(jìn)行分析。

上述研究既沒(méi)有對(duì)金融危機(jī)作為外生性突發(fā)因素給運(yùn)價(jià)指數(shù)內(nèi)在波動(dòng)帶來(lái)的突變進(jìn)行論證，也沒(méi)有對(duì)風(fēng)險(xiǎn)與收益之間的變動(dòng)關(guān)系和波動(dòng)因素的杠桿性進(jìn)行結(jié)構(gòu)化的比較分析。因此，這里主要基于結(jié)構(gòu)突變理論和GARCH模型及其改進(jìn)模型對(duì)國(guó)際航運(yùn)市場(chǎng)在金融危機(jī)前后的波動(dòng)特征進(jìn)行研究，在收益預(yù)估、投資決策及風(fēng)險(xiǎn)控制方面為航運(yùn)企業(yè)提供參考。

1 研究方法

1.1 結(jié)構(gòu)突變

PERRON[8]通過(guò)對(duì)數(shù)據(jù)生成過(guò)程(DGP)提出3種已知突變點(diǎn)時(shí)突變的假設(shè)檢驗(yàn)?zāi)Ｐ?脈沖式突變、漂移項(xiàng)突變、脈沖式和漂移項(xiàng)同時(shí)突變)，并以1929年美國(guó)股市大崩盤(pán)作為油價(jià)變動(dòng)過(guò)程的結(jié)構(gòu)突變點(diǎn)進(jìn)行驗(yàn)證，發(fā)現(xiàn)原始的ADF單位根檢驗(yàn)方法因沒(méi)有考慮結(jié)構(gòu)突變而在檢驗(yàn)單位根時(shí)會(huì)將一個(gè)存在結(jié)構(gòu)突變點(diǎn)的退勢(shì)平穩(wěn)過(guò)程檢驗(yàn)為單位根過(guò)程。

1.2 GARCH模型族

1.2.1GARCH模型

ENGLE[9]針對(duì)預(yù)測(cè)英國(guó)通貨膨脹率的時(shí)間序列的變量時(shí)殘差的條件方差隨時(shí)間產(chǎn)生較大波動(dòng)的現(xiàn)象，提出自回歸條件異方差模型(ARCH模型)。BOLLERSLEV[10]針對(duì)條件方差存在滯后預(yù)測(cè)方差提出廣義自回歸條件異方差模型(GARCH模型)，包括條件均值和條件方差2個(gè)設(shè)定，基于GARCH模型建立的擬合方程可有效觀察出歷史波動(dòng)帶來(lái)的影響。

1) 均值方程為

yt=xtγ+ut

(1)

2) 條件方差方程為

(2)

在GARCH模型中，α的值和β的值偏大都會(huì)對(duì)條件方差的波動(dòng)產(chǎn)生較大影響。當(dāng)α偏大時(shí)，表示沖擊對(duì)條件方差產(chǎn)生的影響較大；當(dāng)β偏大時(shí)，表示條件方差的自回歸持久性較大；當(dāng)α+β偏大時(shí)，表示沖擊對(duì)條件方差造成的波動(dòng)持久性較大。

1.2.2GARCH-M模型

ENGLE等[11]針對(duì)預(yù)期風(fēng)險(xiǎn)對(duì)收益的影響提出ARCH均值回歸模型(ARCH-M模型)，將其運(yùn)用到GARCH模型中即為GARCH-M模型。均值方程為

yt=xtγ+ρσt+ut

(3)

式(3)中：當(dāng)ρ>0時(shí)，說(shuō)明預(yù)期風(fēng)險(xiǎn)與收益呈正相關(guān)關(guān)系；當(dāng)ρ<0時(shí)，說(shuō)明預(yù)期風(fēng)險(xiǎn)與收益呈負(fù)相關(guān)關(guān)系。該模型可用于估計(jì)預(yù)期風(fēng)險(xiǎn)與收益之間的變動(dòng)關(guān)系。

1.2.3EGARCH模型

NELSON通過(guò)對(duì)條件方差作進(jìn)一步改進(jìn)提出EGARCH模型，并對(duì)模型的“杠桿效應(yīng)”進(jìn)行分析。條件方差方程為

(4)

式(4)中：當(dāng)γ<0時(shí)，市場(chǎng)利空因素對(duì)收益波動(dòng)的影響比利好因素更大；當(dāng)γ>0時(shí)，市場(chǎng)利好因素對(duì)收益波動(dòng)的影響更大；當(dāng)γ=0時(shí)，不同因素的影響關(guān)系并無(wú)“杠桿效應(yīng)”。

2 實(shí)證研究分析

2.1 數(shù)據(jù)選取

STOPFORD[12]將國(guó)際干散貨市場(chǎng)1741—2008年的歷史劃分為23個(gè)增長(zhǎng)周期。干散貨運(yùn)價(jià)在2001年美國(guó)IT行業(yè)泡沫破滅之后步入低位小幅振蕩時(shí)期，但從2003年起，隨著我國(guó)在全球貿(mào)易中地位的不斷提升開(kāi)始第22個(gè)增長(zhǎng)周期。因此，選取BDI自2003年以來(lái)的日度數(shù)據(jù)作為研究樣本進(jìn)行結(jié)構(gòu)突變和GARCH模型族的研究。

2.2 結(jié)構(gòu)突變驗(yàn)證

隨著2008年金融危機(jī)爆發(fā)，全球經(jīng)濟(jì)步入整體低迷期。2009年全球發(fā)達(dá)經(jīng)濟(jì)體的國(guó)內(nèi)生產(chǎn)總值實(shí)際增速為-3.59%，全球貿(mào)易額的降速達(dá)到10.63%。貿(mào)易的大幅下降使得全球航運(yùn)陷入持續(xù)低迷的態(tài)勢(shì)，2009年干散貨單位運(yùn)力貨物年運(yùn)輸量驟降13.4%，此后持續(xù)下滑，可見(jiàn)金融危機(jī)給世界貿(mào)易及國(guó)際航運(yùn)市場(chǎng)帶來(lái)了巨大影響。因此，這里將金融危機(jī)時(shí)期作為BDI的一個(gè)已知外生性結(jié)構(gòu)突變點(diǎn)進(jìn)行驗(yàn)證。

2.2.1BDI時(shí)間序列的單位根檢驗(yàn)

PERRON[8]在其提出的結(jié)構(gòu)突變檢驗(yàn)中指出，會(huì)在ADF統(tǒng)計(jì)檢驗(yàn)中將帶有結(jié)構(gòu)突變點(diǎn)的平穩(wěn)序列判定為非平穩(wěn)過(guò)程。因此，首先對(duì)BDI序列進(jìn)行ADF單位根檢驗(yàn)，原假設(shè)是式(5)中γ=0，序列存在單位根，BDI的單位根檢驗(yàn)結(jié)果見(jiàn)表1。

(5)

表1 BDI的單位根檢驗(yàn)結(jié)果

根據(jù)SIC原則，系統(tǒng)自動(dòng)選擇2階滯后期:由表1可知，BDI在10%的顯著性水平下接受原假設(shè)，即BDI序列為存在單位根的非平穩(wěn)序列。

2.2.2結(jié)構(gòu)突變假設(shè)

根據(jù)假設(shè)將2008年9月14日作為金融危機(jī)的開(kāi)端(即外生性結(jié)構(gòu)突變點(diǎn)的時(shí)間tb)，并提出以下3種不同結(jié)構(gòu)突變類型假設(shè)。

(1) 假設(shè)一(H1)：BDI(yt)為存在水平均值突變點(diǎn)的隨機(jī)游走過(guò)程。

yt=μ+aDP+yt-1+ut；

(6)

(2) 假設(shè)二(H2)：BDI(yt)為存在斜率突變點(diǎn)的隨機(jī)游走過(guò)程。

yt=μ+aDL+yt-1+ut；

(7)

(3) 假設(shè)三(H3)：BDI(yt)為同時(shí)存在斜率和水平均值突變點(diǎn)的隨機(jī)游走過(guò)程。

yt=μ+aDL+bDP+yt-1+ut；ut～i.i.d.(0,σ2)

(8)

2.2.3結(jié)構(gòu)突變驗(yàn)證

2.2.3.1 均值結(jié)構(gòu)突變的驗(yàn)證

通過(guò)對(duì)BDI及其滯后一階序列與虛擬變量DP進(jìn)行OLS擬合得式(9)，雖然DP系數(shù)沒(méi)能通過(guò)顯著性檢驗(yàn)，但由于擬合方程的DW值?1.5，故方程的殘差具有明顯的序列正相關(guān)性，且通過(guò)殘差的自相關(guān)圖觀察出殘差存在二階序列自相關(guān)，此時(shí)OLS回歸檢驗(yàn)結(jié)果失真。

(9)

t檢驗(yàn)值:1877.988, -0.747 3, 0.412 2。

概率值：0.000 0， 0.454 9， 0.680 2。

R2=0.999,F=1 763 758,DW=0.417 019。

因此,為消除殘差序列相關(guān)對(duì)模型的影響，需對(duì)OLS進(jìn)行殘差的AR(p)過(guò)程修正并得出式(10)和式(11)，但DP的系數(shù)仍通不過(guò)檢驗(yàn)，說(shuō)明BDI序列不存在水平均值突變。

(10)

t檢驗(yàn)值: 871.992 4, -0.294 258, 1.284 360。

概率值：0.000 0， 0.768 6， 0.199 1。

(11)

t檢驗(yàn)值: 61.448 74, -18.461 19。

R2=0.999，F(xiàn)=2 617 962，DW=1.985 880。

2.2.3.2 斜率結(jié)構(gòu)突變的驗(yàn)證

通過(guò)對(duì)BDI及其滯后一階序列與虛擬變量DL進(jìn)行OLS擬合得到式(12)，雖然DL系數(shù)已通過(guò)顯著性檢驗(yàn)，但由于擬合方程的DW值?1.5，故方程的殘差具有明顯的序列正相關(guān)性，且通過(guò)殘差的自相關(guān)圖觀察出殘差存在兩階序列自相關(guān)，此時(shí)OLS回歸檢驗(yàn)結(jié)果失真。

(12)

t檢驗(yàn)值:1 418.087, -2.936 783, 2.703 463。

概率值：0.000 0， 0.003 3， 0.006 9。

R2=0.999，F(xiàn)=1 768 263，DW=0.417 396。

因此，為消除殘差序列相關(guān)對(duì)模型的影響，需對(duì)OLS進(jìn)行殘差的AR(p)過(guò)程修正并得出式(13)和式(14)，DL及方程項(xiàng)的各系數(shù)仍然通過(guò)檢驗(yàn)，說(shuō)明BDI序列為存在斜率發(fā)生結(jié)構(gòu)突變(即漂移項(xiàng)結(jié)構(gòu)突變)的單位根過(guò)程。

(13)

t檢驗(yàn)值： 654.897 9， -2.558 505， 2.832 797。

概率值： 0.000 0， 0.010 6， 0.004 6。

(14)

t檢驗(yàn)值： 61.424 78， -18.457 55。

R2=0.999 6，F(xiàn)=2 623 395，DW=1.985 963。

由于BDI序列已驗(yàn)證不存在均值結(jié)構(gòu)突變，因此不會(huì)存在均值結(jié)構(gòu)突變和斜率結(jié)構(gòu)突變同時(shí)存在的現(xiàn)象。由以上證明可知，BDI時(shí)間序列是以金融危機(jī)時(shí)期為結(jié)構(gòu)突變的單位根過(guò)程。

2.3 BDI收益波動(dòng)的GARCH模型族實(shí)證

2.3.1數(shù)據(jù)特征分析

由于BDI序列在金融危機(jī)時(shí)期存在結(jié)構(gòu)突變點(diǎn)，在金融危機(jī)之后其時(shí)間序列的數(shù)據(jù)生成過(guò)程(DGP)發(fā)生了改變，因此選取金融危機(jī)前后的BDI序列分別進(jìn)行研究。借鑒ENGLE等[11]對(duì)金融事件序列的處理方法，考慮連續(xù)復(fù)合增長(zhǎng)率及原數(shù)據(jù)異方差的問(wèn)題，采用對(duì)數(shù)差分對(duì)BDI進(jìn)行處理。

RBDIt=ln(BDIt)-ln(BDIt-1)

(15)

對(duì)金融危機(jī)前后2個(gè)時(shí)間段的RBDI的波動(dòng)特點(diǎn)和分布進(jìn)行分析，根據(jù)時(shí)間序列圖(見(jiàn)圖1和圖2)得出RBDI表現(xiàn)出以下特點(diǎn)：

(1) 異方差性，運(yùn)價(jià)收益隨著時(shí)間的波動(dòng)變化很大；

(2) 波動(dòng)集群性，即方差是容易受到歷史擾動(dòng)影響。

此外，由RBDI的波動(dòng)圖(見(jiàn)圖3和圖4)可看出，金融危機(jī)后運(yùn)價(jià)指數(shù)收益表現(xiàn)出更加明顯的異方差性和波動(dòng)集群性。

根據(jù)金融危機(jī)前后2個(gè)時(shí)間段的RBDI的分布直方圖可發(fā)現(xiàn)其均拒絕正態(tài)分布的假設(shè)，且均具有“尖峰厚尾”的特點(diǎn)，均值部分和尾部的概率比正態(tài)分布大，均高于正態(tài)分布的峰度3。此外，RBDI采用ADF檢驗(yàn)后在1%的顯著性水平下接受序列無(wú)單位根的檢驗(yàn)，即RBDI均為平穩(wěn)序列。

圖1 金融危機(jī)前的RBDI序列圖

圖2 金融危機(jī)后的RBDI序列圖

圖3 金融危機(jī)前的RBDI的統(tǒng)計(jì)圖

圖4 金融危機(jī)后的RBDI的統(tǒng)計(jì)圖

對(duì)RBDI進(jìn)行Q統(tǒng)計(jì)量的自相關(guān)性檢驗(yàn)后發(fā)現(xiàn)RBDI均表現(xiàn)出二階自相關(guān)性，因此對(duì)其進(jìn)行AR(2)回歸分析后得出式(16)和式(17)，對(duì)其方差進(jìn)行ARCH檢驗(yàn)發(fā)現(xiàn)均具有明顯的ARCH效應(yīng)。

(1) 金融危機(jī)前

(16)

t檢驗(yàn)值： 41.308 02， -10.449 88。

概率值：0.000 0， 0.000 0。

(2) 金融危機(jī)后

(17)

t檢驗(yàn)值：37.982 12， -6.760 315。

概率值：0.000 0， 0.000 0。

2.3.2GARCH模型族建立

2.3.2.1 GARCH(1,1)的建立

在計(jì)量經(jīng)濟(jì)領(lǐng)域中，常用GARCH(1,1)對(duì)時(shí)間序列過(guò)程進(jìn)行解釋，因此首先以GARCH(1,1)為基礎(chǔ)建立GARCH模型族，得出的結(jié)果見(jiàn)表2，其中各系數(shù)均通過(guò)檢驗(yàn)。

表2 RBDI的GARCH模型

2.3.2.2 GARCH-M的建立

根據(jù)在GARCH(1,1)的基礎(chǔ)上建立的GARCH-M模型(見(jiàn)表3)可觀測(cè)RBDI預(yù)期風(fēng)險(xiǎn)與收益之間的浮動(dòng)關(guān)系，用以幫助航運(yùn)企業(yè)進(jìn)行有效的風(fēng)險(xiǎn)管理和更好的投資決策。

表3 RBDI的GARCH-M模型

以上GARCH-M模型中各系數(shù)均通過(guò)顯著性檢驗(yàn)，觀察發(fā)現(xiàn)金融危機(jī)之后ρ<0,出現(xiàn)了與一般收益不同(ρ>0)的現(xiàn)象，因此可認(rèn)為金融危機(jī)之后干散貨航運(yùn)市場(chǎng)出現(xiàn)了預(yù)期風(fēng)險(xiǎn)上升而收益反而下降的現(xiàn)象，不存在風(fēng)險(xiǎn)溢價(jià)的情況。雖然所有船型均在金融危機(jī)之后因市場(chǎng)低迷而出現(xiàn)運(yùn)價(jià)普遍走低的現(xiàn)象，但不同船型的收益受到的影響程度不同。從海岬型船金融危機(jī)前后期租租金(以1 a期租為例，下同)來(lái)看，金融危機(jī)前海岬型船租金主要集中在2萬(wàn)美元/d，而在金融危機(jī)之后主要集中在12 500美元/d；從大靈便型船金融危機(jī)后的租金分布水平來(lái)看，租金收入同樣集中在12 500美元/d。由此可看出,在干散貨航運(yùn)市場(chǎng)上海岬型船的平均期望收益在金融危機(jī)之后已逐漸與大靈便型船趨同，風(fēng)險(xiǎn)與收益開(kāi)始出現(xiàn)反向增長(zhǎng)的現(xiàn)象。

2.3.2.3 EGARCH的建立

為更好地對(duì)干散貨市場(chǎng)的利好、利空因素帶來(lái)的影響進(jìn)行研究，在GARCH(1,1)的基礎(chǔ)上建立EGARCH模型(見(jiàn)表4)，以便發(fā)現(xiàn)2種因素帶來(lái)的“杠桿效應(yīng)”。

以上EGARCH模型中各系數(shù)均通過(guò)顯著性檢驗(yàn)，而在金融危機(jī)之后條件方差方程中的β>0,與一般收益序列不同，表明金融危機(jī)之后干散貨市場(chǎng)的利好因素帶來(lái)的影響比利空因素大。雖然金融危機(jī)之后航運(yùn)市場(chǎng)整體低迷，但也受到以我國(guó)市場(chǎng)為主的各方面利好因素的刺激，干散貨航運(yùn)市場(chǎng)運(yùn)價(jià)相應(yīng)產(chǎn)生一系列“小高峰”。2009—2010年期間我國(guó)提出的4萬(wàn)億投資計(jì)劃項(xiàng)目建設(shè)大力帶動(dòng)我國(guó)基建項(xiàng)目的投資，推動(dòng)了我國(guó)鐵礦石進(jìn)口量的大幅增長(zhǎng)，BDI一度突破4 000點(diǎn)。2010年末開(kāi)始，我國(guó)房地產(chǎn)業(yè)高速發(fā)展，房屋施工面積及新開(kāi)工面積同比大幅上漲，國(guó)內(nèi)鋼材價(jià)格得到有效支撐，港口進(jìn)口礦庫(kù)存開(kāi)始大量增加，干散貨船運(yùn)價(jià)也出現(xiàn)小幅上漲。2013年因市場(chǎng)被普遍看好會(huì)在后期回暖，船舶所有人紛紛開(kāi)始“抄底”訂造新船；大型貨主也看到投資機(jī)會(huì)，為降低成本開(kāi)始創(chuàng)建自有船隊(duì)，市場(chǎng)迎來(lái)又一“小高峰”。2015年以來(lái)，干散貨航運(yùn)市場(chǎng)因我國(guó)經(jīng)濟(jì)轉(zhuǎn)型升級(jí)的“新常態(tài)”化發(fā)展，市場(chǎng)整體需求低迷。此外，受原油和鋼材價(jià)格下跌及鋼廠的低庫(kù)存策略等因素影響，BDI持續(xù)走低，但由于運(yùn)價(jià)整體持續(xù)低谷波動(dòng)，下探空間和力度均不大。此外，運(yùn)價(jià)波動(dòng)對(duì)利好因素的敏感性較強(qiáng)，2016年3月底開(kāi)始BDI受鋼材價(jià)格上漲、鋼廠復(fù)產(chǎn)和貨幣政策寬松等短期利好因素影響，波動(dòng)幅度明顯較大，出現(xiàn)近一個(gè)月的持續(xù)上漲現(xiàn)象。

表4 RBDI的EGARCH模型

3 結(jié)束語(yǔ)

通過(guò)對(duì)BDI波動(dòng)進(jìn)行分析，驗(yàn)證了國(guó)際航運(yùn)市場(chǎng)在金融危機(jī)時(shí)期確實(shí)出現(xiàn)了外生性因素帶來(lái)的漂移項(xiàng)結(jié)構(gòu)突變，并發(fā)現(xiàn)了其對(duì)我國(guó)因素和金融危機(jī)的不同記憶性特征。雖然金融危機(jī)帶來(lái)的沖擊較為持久，且市場(chǎng)中的高風(fēng)險(xiǎn)可能更多地意味著低收益的出現(xiàn)，但就目前運(yùn)價(jià)持續(xù)在低谷波動(dòng)的情況而言，利好因素帶來(lái)的波動(dòng)力度相較利空因素更為顯著。因此，航運(yùn)企業(yè)應(yīng)積極關(guān)注以我國(guó)“一帶一路”為例的利好政策的實(shí)施；在目前風(fēng)險(xiǎn)與收益不成正比的情況下不能盲目追求高風(fēng)險(xiǎn)高收益，可集中關(guān)注以Ultramax和Kamsarmax等船型為主的低能耗新興船型的投資。

[1] BERG-ANDREASSEN J A. The Relationship Between Period and Spot Rates in International Maritime Markets[J]. Maritime Policy & Management, 1997, 24(4):335-350.

[2] VEENSTRA A W, FRANSES P H. A Co-Integration Approach to Forecasting Freight Rates in the Dry Bulk Shipping Sector[J]. Transportation Research Part A Policy & Practice, 1997, 31(6):447-458.

[3] BATRINCA G I, COJANU G, SURUGIU I. Application of Autoregressive Models for Forecasting the Baltic Exchange Dry Index[J]. Constanta Maritime University Annals, 2013, 20(20): 205-208.

[4] CHEN Yungshun, WANG Shiutung. The Empirical Evidence of the Leverage Effect on Volatility in International Bulk Shipping Market[J]. Maritime Policy & Management, 2004, 31(2):109-124.

[5] 宮進(jìn). 國(guó)際干散貨運(yùn)價(jià)風(fēng)險(xiǎn)相關(guān)問(wèn)題的實(shí)證研究[D]. 上海: 上海海運(yùn)學(xué)院, 2001:53-63.

[6] 李耀鼎, 宗蓓華. 國(guó)際干散貨運(yùn)價(jià)波動(dòng)與隨機(jī)游走檢驗(yàn)[J]. 大連海事大學(xué)學(xué)報(bào), 2006, 49(4): 5-10.

[7] 陸克從, 趙剛, 胡佳驊. ARCH族模型在干散貨運(yùn)價(jià)指數(shù)分析中的應(yīng)用[J]. 系統(tǒng)工程, 2008, 25(9): 50-56.

[8] PERRON P. The Great Crash, the Oil Price Shock and Unit Root Hypothesis[J]. Econometrica, 1989, 57(6):1361-1401.

[9] ENGLE R F. Autoregressive Conditional Heteroskedasticity With Estimates of the Variance of U.K. Inflation[J]. Econometrica, 1982, 50:987-1007.

[10] BOLLERSLEV T. Generalized Autoregressive Conditional Heteroskedasticity[J]. Journal of Econometrics, 1986:307-327.

[11] ENGLE R F, ROBINS R P. Estimating Time Varying Risk Premia in the Term Structure: The Arch-M Model[J]. Econometrica, 1987, 55(2): 391-407.

[12] STOPFORD M. Maritime Economics[M]. Routledge, 1997.

[13] CAMPBELL J Y, LO A W, MACKINLAY A C. The Econometrics of Financial Markets[M]. Princetion: Princeton University Press, 1997:559-562.

[14] ENGLE R, MUSTAFA C. Implied ARCH Models from Options Prices[J]. Journal of Econometrics, 1992, 52(1-2):289-311.

[15] TVEDT J. A New Perspective on Price Dynamics of the Dry Bulk Market[J]. Maritime Policy & Management, 2003, 30(3): 221-230.

[16] 張曉峒. 計(jì)量經(jīng)濟(jì)學(xué)基礎(chǔ)[M]. 天津：南開(kāi)大學(xué)出版社, 2001:158-181.

[17] 武佩劍, 陳永平. 波羅的海干散貨運(yùn)價(jià)指數(shù)波動(dòng)規(guī)律及對(duì)我國(guó)的啟示——國(guó)際干散貨運(yùn)輸市場(chǎng)走勢(shì)的晴雨表[J]. 價(jià)格理論與實(shí)踐, 2010, 29(11): 50-51.

[18] 楊華龍, 劉金霞, 范永輝. 波羅的海干散貨運(yùn)價(jià)指數(shù)波動(dòng)性研究[J]. 中國(guó)航海, 2011, 34(3): 84-88.

[19] 翟海杰, 李序穎. 不同分布的GARCH族模型的波羅的海干散貨運(yùn)價(jià)指數(shù)波動(dòng)率[J]. 上海海事大學(xué)學(xué)報(bào), 2009, 30(3): 59-64.

[20] 李晶, 王婷婷. 波羅的海干散貨運(yùn)價(jià)指數(shù)波動(dòng)研究——基于ARMA-GARCH模型的分析[J]. 價(jià)格理論與實(shí)踐, 2015, 36(1): 82-84.

Evolution of Volatility of International Dry Bulk Shipping Market Under Influence of Financial Crisis

SHAOFei1,ZHENHong1,HANJun2

(1. College of Transportation and Communications, Shanghai Maritime University, Shanghai 201306, China;2. Shanghai International Shipping Institute, Shanghai 200082, China)

1000-4653(2016)04-0123-06

F550.5

A

2016-08-11

邵 斐(1995—)，女，江西九江人，碩士生，研究方向?yàn)閲?guó)際航運(yùn)現(xiàn)代化管理與航運(yùn)經(jīng)濟(jì)。E-mail:shaofeis@126.com 真 虹(1958—)，男，上海人，博士生導(dǎo)師，博士，研究方向?yàn)榻煌ㄟ\(yùn)輸規(guī)劃與管理。E-mail:shzhenhong@gmail.com