基于DGC-t-MSV模型的國際航運市場和國際貿易市場波動溢出效應

董善華， 汪健， 吳慧媚

(寧波航運交易所航運大數據中心，浙江 寧波 315040)

0 引 言

市場溢出效應指一個市場的波動不僅對自身產生影響，也會對其他相關市場產生影響。當前，國際航運市場和國際貿易市場進入了“調整期”。國際貿易市場方面，自2020年4月開始，中國出口貿易額一路走高。國際集裝箱航運市場方面：2020年7月美國航線運價首先開始上漲，其后所有航線運價飛漲；2020年第4季度，市場出現缺艙、缺箱現象；2021年3月底受蘇伊士運河阻塞事件影響，市場開始第二波漲價，所有航線運價均達到歷年最高。

從兩個市場走勢的對比看，出口貿易在2020年4月開始走強，但并沒有立即帶動航運市場恢復。從數據上看，航運市場出現的缺艙、缺箱現象似乎并沒有減緩出口貿易的增長，出口運價高昂和出口需求旺盛成為現階段兩個市場的突出特點。這是一種非常態的市場表現，急需進行有效的應對。

因此，研究國際航運市場和國際貿易市場的波動溢出效應，一是為了明確兩個市場當前以及未來一個時間段內的發展趨勢，二是為了明確兩個市場波動的交互影響。在當前市場條件下，應對舉措的側重點是穩外貿還是穩航運，亦或是兩者交叉發力，使政策舉措的出臺快速達到預期效果，對于維護國際航運市場和國際貿易市場的穩定具有十分重要的現實意義。本文研究結果不僅能助力企業預判后市，為其經營決策提供參考，而且有助于當前國際航運市場走出困境，促進國際航運市場和國際貿易市場的高質量發展。

1 文獻綜述

國際航運市場和國際貿易市場的波動歷來受到市場和學界的關注，尤其是在新冠肺炎疫情給全球經濟帶來巨大影響的背景下。例如：楊長春[1]認為國際物流在隨著國際貿易發展的同時，也已成為影響和制約國際貿易進一步發展的重要因素。姜寶等[2]基于向量自回歸(vector auto regression，VAR)模型的估計結果，運用脈沖響應函數和格蘭杰因果關系檢驗進行實證分析，得出上海出口集裝箱運價指數(Shanghai containerized freight index，SCFI)與出口貿易額存在負相關關系。王璐[3]應用灰色關聯度分析法，得出國際干散貨海運量與世界經濟具有很高的關聯度。劉鵬等[4]采用灰色關聯度分析法，研究波羅的海干散貨指數(Baltic dry index，BDI)與國內港航類上市公司股價的聯動性得出，從長期看兩者具有較高的相關性，且隨著我國對外貿易在國民經濟中的比重逐步增加，其相關性逐步上升。蔣春艷等[5]建立灰色關聯度模型，分析了上海區域經濟與國際航運中心的產業互動發展，結果表明區域經濟發展與港口發展具有很強的關聯度。王天姿等[6]運用ARMA(1,1)-GARCH(1,1)模型和事件研究法，發現中國進口干散貨航運價格的波動隨著中美貿易爭端的升級而顯著增強，且受負面沖擊事件的影響比受正面沖擊事件的影響大，持續時間更長。馬敏等[7]運用VAR模型，得出中國干散貨貿易量對BDI的影響有限，而BDI對中國干散貨貿易量變動起到一定的預見作用，可以將BDI作為預測中國干散貨貿易量變動趨勢的一個參考指標。朱慧[8]通過典型相關分析法得出國際航運中心與國際金融中心呈典型相關關系，且為正向相關。YANG等[9]構建了基于混合互補的均衡模型，分析國際航運市場對國際鐵礦石貿易的影響，得出航運市場可以略微抑制非預期的進口商預算的減少對鐵礦石貿易量的負面影響，對于不同的出口商這種抑制效果因運費而異。XU等[10]通過研究全球班輪運輸網絡與各個國家間貿易的關聯性發現，一個國家融入全球班輪運輸網絡的程度越大，參與國際貿易的機會就越多，它在全球班輪運輸網絡中的地位與其在國際貿易中的地位有關。姜寶等[11]采用DCC-GARCH模型和DY溢出指數模型實證分析出國際航運市場與我國鋼鐵市場間具有動態相關性，滯后一周的航運指數與鋼鐵股價指數存在顯著的弱相關關系，兩個市場之間具有微弱的波動溢出效應，其價格傳導機制存在斷層現象。孫司琦等[12]通過動態條件相關系數多元隨機波動(dynamic conditional correlation - multiple stochastic volatility, DCC-MSV)模型得出：國際貿易市場和國際航運市場存在波動持續性強、集聚性明顯的特征，兩個市場之間存在負相關關系，總體相關性不高；兩個市場之間的波動存在正的雙向溢出效應，集裝箱運價對貿易額的溢出效應較明顯。

根據現有研究可知，對國際航運市場與國際貿易市場的關聯性研究多基于回歸模型，而研究兩者波動溢出效應方面的文獻還比較少。本文在現有研究的基礎上，考慮數據序列尖峰厚尾的特性，并彌補DCC-MSV模型在波動溢出傳遞方面的缺陷，構建引入t分布的帶格蘭杰因果關系檢驗的DCC-MSV模型(記為DGC-t-MSV模型)，研究國際航運市場與國際貿易市場的動態相關性和波動溢出效應，推動市場的平穩有序運行。

2 模型研究設計

2.1 數據的選取及預處理

選取2014年1月—2021年6月的海上絲綢之路指數之寧波出口集裝箱運價指數(Ningbo containerized freight index，NCFI)數據和中國出口貿易總額(EXP)數據，其中，EXP數據由海關總署每月發布，NCFI數據由寧波航運交易所每周發布。NCFI通過計算和記錄從寧波舟山港出發的21條國際航線的集裝箱運價變動信息，客觀反映國際集裝箱班輪運輸市場的運價走勢。將NCFI轉化為月度數據，與EXP數據的頻率保持一致。分別取NCFI和EXP序列的對數差分值以消除時間序列的異方差，得到RNCFI和REXP序列。

上海港集裝箱吞吐量位居全球第一，寧波舟山港集裝箱吞吐量位居全球第三、中國第二，可以說以上海港和寧波舟山港為始發港的航線的集裝箱運價均能代表中國出口集裝箱航運市場情況。之所以選擇NCFI，是因為從上海港和寧波舟山港出口的集裝箱運價并無太大差別。以歐洲線為例，2021年8月，從上海港、寧波舟山港出口到鹿特丹港的集裝箱運價均值分別為8 173和8 294美元/TEU。在市場影響力方面，2015年10月，作為習近平主席訪英期間中英雙方達成的重要成果之一，NCFI在波羅的海交易所官方網站正式發布，這是波羅的海交易所歷史上首次發布其他機構的指數，標志著中國航運指數首次獲得了國際市場的認可。

2.2 統計特征分析

RNCFI和REXP序列的波動(見圖1和圖2)顯示，兩個序列均表現出波動集聚性，RNCFI的波動集聚性更明顯。

圖1 RNCFI序列波動

圖2 REXP序列波動

RNCFI和REXP序列的描述性統計結果見表1：兩個序列均值都接近0，RNCFI序列的標準差較小，說明NCFI的波動相對平穩；RNCFI序列和REXP序列的偏度都小于0，峰度均大于3，且J-B統計量都在1%顯著性水平下顯著，說明RNCFI和REXP序列均呈現顯著的尖峰厚尾特征，兩者均不服從標準正態分布。兩個序列的ADF檢驗結果見表2：在1%顯著性水平下，兩個序列的P值均小于0.001，說明RNCFI序列和REXP序列均為平穩序列，可以直接進行參數估計。

表1 RNCFI和REXP序列的描述性統計

表2 RNCFI和REXP序列的ADF檢驗

2.3 模型構建

根據兩個序列的統計特征，構造DGC-t-MSV模型，其中t分布用于刻畫兩個序列的尖峰厚尾特征，加入格蘭杰因果關系檢驗用于追蹤NCFI和EXP的波動溢出方向。模型基本形式如下：

ρt=(expqt-1)/(expqt+1)

3 實證結果分析

WinBUGS軟件是一款通過馬爾科夫鏈蒙特卡洛(Markov chain Monte Carlo, MCMC)方法分析復雜統計模型的軟件，其基本原理就是通過Gibbs抽樣算法和Metropolis 算法，從完全條件概率分布中抽樣，從而生成馬爾科夫鏈，通過迭代最終估計出模型參數[13]。使用WinBUGS軟件對DGC-t-MSV模型進行建模，使用2條馬爾科夫鏈共進行10萬次迭代計算，舍棄前4萬次預燒樣本，得到參數估計結果。

3.1 模型收斂性判斷

選取φ11、φ12、φ22和φ21的Brooks-Gelman-Rubin統計量圖(圖3)和后驗密度圖(圖4)來判斷模型的收斂性。如圖3所示，Brooks-Gelman-Rubin統計量圖的馬爾科夫鏈趨近于1，且樣本數據的總后驗方差和內方差也趨向于1，說明基于Gibbs 抽樣算法的MCMC方法可以較好地模擬模型的邊緣后驗分布[14]。如圖4所示，后驗密度圖基本平滑，且只有一個尖峰，由此判斷模型收斂。因此，構建的模型可以較好地分析NCFI與EXP之間的波動溢出關系。

圖3 Brooks-Gelman-Rubin統計量圖

a) φ11

b) φ12

c) φ22

d) φ21

3.2 均值溢出效應分析

均值溢出效應主要反映NCFI與EXP之間的動態相關性和動態相關關系的持續性。由圖5可知：兩個序列的動態相關系數均值為0.13，總體呈現時變正相關性，雖然相關性不高，但從后期開始，動態相關系數的波動幅度開始提升。

圖5 RNCFI與REXP序列動態相關系數

由表3中2個序列的動態相關關系持續性系數Ψ的統計結果可知：Ψ的均值為0.84，接近1，說明兩個序列自身波動持續性較強，受自身前期波動的影響較大，呈現出長期記憶特性，兩個序列的波動集聚性都較顯著。

表3 RNCFI與REXP動態相關關系持續性系數Ψ的統計結果

3.3 波動溢出效應分析

波動溢出效應主要用于反映兩個市場收益率之間信息傳導的領先滯后關系、波動強度和波動傳導方向[15]，主要通過參數μ1、μ2、φ11、φ12、φ22和φ21進行判斷。如表4所示：μ1的均值為-4.33，μ2的均值為-4.93，說明兩個序列的波動強度相近；φ11和φ22的估計均值都大于0.8，說明NCFI和EXP的波動持續性都較強，均存在波動集聚性，且受自身前期波動的影響較大，具有長期記憶性；自由度d為6.09，顯著異于0，說明這兩個序列均具有尖峰厚尾特征，這與前面的統計分析結果一致。

表4 DGC-t-MSV模型參數估計結果

由表5可知：φ12的均值大于φ21的均值，說明NCFI對EXP的影響較大；在5%顯著性水平下，φ12的t值為3.67，大于臨界值1.96，φ21的t值為-3.04，明顯拒絕原假設。由此可知，NCFI對EXP存在顯著的單向格蘭杰因果關系以及單向的波動溢出效應，NCFI是波動溢出的源頭。

表5 波動溢出效應分析

4 總 結

本文構建了DGC-t-MSV模型，選取了寧波出口集裝箱運價指數(NCFI)和中國出口貿易總額(EXP)兩個數據序列，實證分析了兩個市場之間的均值溢出效應和波動溢出效應，結果如下：

(1)NCFI和EXP的波動持續性較強，兩個市場都對自身前期波動的依賴性較高，波動集聚性明顯。即市場每一時期所產生的變化不可能被立即“熨平”，或多或少會對自身以后的發展產生影響。國際航運市場和國際貿易市場的自我調節能力較弱，目前“高運價”和“高出口貿易需求”的狀態仍將持續一段時期。建議時刻監測兩個市場的運行動態，適時采取合理的風險防范措施：一是通過進一步完善對外開放體制機制，落實穩外貿政策，保障國際貿易市場的穩定；二是通過加大航運資源要素的配置能力和調控力度，保障國際航運市場的平穩運行。

(2)NCFI與EXP之間呈時變正相關關系，總體相關性不高，但后期有動態上升的趨勢。國際貿易是國際航運的基礎，國際航運是國際貿易的主要運輸方式，兩個市場同進退的關系增強。疫情影響下，國外供應鏈基本陷入停滯，中國作為全球制造業中心的地位愈發顯著。中國生產的生活用品、防疫物資、工業品等通過海運大量向海外出口，國際航運與國際貿易的關系日益緊密。

(3)NCFI對EXP存在顯著的單向格蘭杰因果關系和單向波動溢出效應，NCFI是波動溢出的源頭，也是風險溢出的源頭。國際航運市場的平穩有序波動能顯著促進國際貿易市場高質量發展。從目前市場表現看，國際航運市場的波動已經對國際貿易市場產生了一定制約，國際集裝箱航運市場出現了一箱難求、一艙難求的現象，運費暴漲，導致大量訂單被取消或延遲。2021年8月，中國制造業采購經理人指數之新出口訂單指數已經連續4個月處于榮枯線以下。換言之，國際集裝箱航運市場的缺艙、缺箱現象已經減緩了出口貿易的增長。2021年1月，寧波市政府針對國際航運市場的缺艙、缺箱和運價上漲過快現象，出臺了10條應對舉措，其中包括安排4 000萬元專項資金用于第1季度的調運力、增空箱工作。該政策取得了明顯的成效：寧波地區2021年1月空箱緊缺狀態明顯好轉，2月和3月空箱需求得到滿足；寧波口岸2021年1月和2月出口額同比增長42.7%，3月同比增長17.6%，4月借助政策余溫同比增長32.6%。隨著政策效應的消失，寧波地區2021年5月重回空箱緊缺狀態，出口額同比增速開始逐月下降。因此，作為應對舉措，國家有關部門和物流鏈相關方應先側重于穩航運，幫助當前國際集裝箱航運市場走出缺艙、缺箱和運價持續上漲的困境，維護國際供應鏈的穩定，促進貿易暢通。