干散貨運價指數(shù)與鋼材價格的聯(lián)動關(guān)系

張永鋒+趙剛+陳繼紅

摘要：

為探究干散貨運費市場的波動規(guī)律，以研究干散貨運價指數(shù)與鋼材價格聯(lián)動為基礎(chǔ)，探究大宗原材料的海運成本與產(chǎn)品價格之間的聯(lián)動關(guān)系和聯(lián)動機(jī)制.以2003—2013年波羅的海海岬型指數(shù)（BalticCapesizeIndex，BCI）與國際鋼材價格指數(shù)（由CommodityResearchUnit研發(fā)，記為CRU指數(shù)）的周度數(shù)據(jù)作為基礎(chǔ)，用ADF和Johansen檢驗法驗證數(shù)據(jù)的平穩(wěn)性與協(xié)整特征；在符合平穩(wěn)性要求基礎(chǔ)上，引入Granger因果檢驗方法，探索BCI與CRU指數(shù)之間的因果關(guān)系.通過GARCH模型，評估運輸成本與產(chǎn)品價格之間的溢出效應(yīng)及其相關(guān)性影響程度.最后，結(jié)合數(shù)據(jù)分析結(jié)果，構(gòu)建大宗原材料的運輸成本與原材料價格之間的聯(lián)動機(jī)制.研究表明：鋼材價格對鐵礦石海運運費有非常重要且直接的影響，而鐵礦石海運運費對鋼材價格并無直接的影響；BCI與CRU指數(shù)存在顯著的自相關(guān)，但是BCI更容易受到其他因素變化的干擾；BCI和CRU指數(shù)都具有顯著的ARCH效應(yīng)，且BCI波動本身對未來的影響是逐步衰弱的；CRU指數(shù)對BCI的影響較小且綜合影響為正相關(guān)，而BCI對CRU指數(shù)的影響較大且綜合影響為負(fù)相關(guān).

關(guān)鍵詞：

波羅的海海岬型指數(shù)（BCI）；聯(lián)動關(guān)系；聯(lián)動機(jī)制；Granger因果檢驗；顯著相關(guān)

中圖分類號：F551；F224.0

文獻(xiàn)標(biāo)志碼：A 收稿日期：20150601 修回日期：20150813

0引言

干散貨運價指數(shù)是基于國際干散貨程租、期租租金而形成的運費價格指數(shù)，是反映干散貨市場的“晴雨表”.全球鋼材價格指數(shù)是用來研究金屬、礦業(yè)、化學(xué)行業(yè)的成本和預(yù)測未來市場發(fā)展情況的.研究二者之間的影響關(guān)系及聯(lián)動機(jī)制，有利于探究大宗原材料海運費用與鋼材市場之間的關(guān)系，對探究干散貨運費市場波動規(guī)律和國際鋼材價格影響因素具有一定指導(dǎo)意義.

國際干散貨市場運費變化受到諸多因素影響，這些因素與運費指數(shù)之間的關(guān)系一直是學(xué)者比較關(guān)注的問題.肖佳[1]基于航運上市公司的面板數(shù)據(jù)分析航運市場與資本市場的內(nèi)在關(guān)系，發(fā)現(xiàn)二者之間存在高度關(guān)聯(lián)性.李瑞華[2]用黃金價格和道瓊斯指數(shù)等指標(biāo)代表國際金融資本市場，與波羅的海干散貨指數(shù)（BalticDryIndex，BDI）建立Johansen協(xié)整關(guān)系，研究可知，BDI與黃金價格和道瓊斯指數(shù)均呈現(xiàn)負(fù)相關(guān)的協(xié)整關(guān)系.阮俊豪[3]通過對BDI和宏觀經(jīng)濟(jì)景氣指數(shù)的波動性進(jìn)行分析，基于GARCH模型對向量自回歸（VectorAutoRegressive，VAR）模型的風(fēng)險測度進(jìn)行了實證分析.羅婷等[4]從航運企業(yè)市場價值與航運業(yè)市場環(huán)境的關(guān)系的理論視角分析航運個股股價波動與BDI的關(guān)系，建立VAR模型和向量誤差修正（VectorErrorCorrection，VEC）模型，并對中國遠(yuǎn)洋H股股價進(jìn)行方差分解，深入探討其與BDI的關(guān)系，得出BDI對中國遠(yuǎn)洋H股股價波動有很強的引導(dǎo)作用.劉斌等[5]研究發(fā)現(xiàn)BDI與上證綜指成正相關(guān)關(guān)系，上證綜指一定程度上揭示了中國和世界經(jīng)濟(jì)的走勢，確切反映了中國經(jīng)濟(jì)與世界航運市場的變化狀況，上證綜指的可借鑒性優(yōu)于BDI的.孫成偉[6]運用GARCH模型族中的ARCH模型和TGARCH模型研究國際干散貨航運市場運價指數(shù)的波動，并分析了國際干散貨運價指數(shù)的杠桿效應(yīng).賀強[7]在基于GARCH模型的國際干散貨運價指數(shù)波動性研究中，選取BDI作為樣本數(shù)據(jù)，分析序列的走勢和基本的統(tǒng)計特征，檢驗出序列具有ARCH效應(yīng).陸克從等[8]提出ARCH族模型在干散貨運價指數(shù)分析中的應(yīng)用.張嶠[9]分析了好望角型散貨船運輸市場與巴拿馬型散貨船運輸市場的相關(guān)性.馮寅[10]對國際干散貨運輸程租、期租運費租金季節(jié)模式進(jìn)行了研究.石東仁[11]對干散貨FFA市場與即期市場的相關(guān)性及波動性等問題也進(jìn)行了比較深入的研究.劉金霞[12]提出干散貨航運市場間運價指數(shù)存在波動溢出效應(yīng).葉燁[13]把季節(jié)模型應(yīng)用到國際干散貨運價波動的研究中.

雖然許多學(xué)者對國際干散貨運價指數(shù)與其他指數(shù)之間的關(guān)系以及BDI本身的波動性進(jìn)行了深入研究，但對運價指數(shù)與產(chǎn)品價格之間的研究依然較少，尤其是通過研究波羅的海海岬型指數(shù)（BalticCapesizeIndex，BCI）與國際鋼材價格指數(shù)（由CommodityResearchUnit研發(fā)，記為CRU指數(shù)）之間的關(guān)系來探究二者之間的聯(lián)動機(jī)制尚屬空白.因此，考慮數(shù)據(jù)非線性時間序列特點，并結(jié)合平穩(wěn)性特征，進(jìn)行Granger因果檢驗并建立GARCH模型探究二者的聯(lián)動關(guān)系.

1數(shù)據(jù)獲取與平穩(wěn)性檢驗

1.1數(shù)據(jù)獲取與整理

BCI和CRU指數(shù)數(shù)據(jù)都是非線性時間序列，其數(shù)據(jù)是否平穩(wěn)是開展關(guān)系檢驗的基礎(chǔ)，而單位根檢驗和Johansen檢驗是比較合適的檢驗方法.本文從2003年5月到2014年4月的BCI和CRU指數(shù)數(shù)據(jù)中，各選取541個周度數(shù)據(jù)[14]，并對數(shù)據(jù)進(jìn)行匹配處理，樣本分別為BCI每周數(shù)據(jù)（以每周五數(shù)據(jù)為基礎(chǔ)，見圖1）和CRU指數(shù)每周數(shù)據(jù)[9]（以同期數(shù)據(jù)為準(zhǔn)，見圖2）.資料來源于波羅的海航運交易所和CRU.

1.2單位根檢驗

單位根檢驗一般有兩種，主要為ADF檢驗和

PhillipsPerron（PP）檢驗.本文主要采取ADF檢驗，

采取自回歸移動平均（AutoRegressiveandMoving

Average，ARMA）模型，先考慮一個AR（1）過程：yt=μ+ρyt-1+εt，其中μ和ρ是參數(shù)，εt為白噪聲.如果-1<ρ<1，則y為平穩(wěn)序列；如果ρ=1，則y為非平穩(wěn)序列；如果|ρ|>1，則序列發(fā)散.因此，一個序列是否平穩(wěn)，可以檢驗ρ是否嚴(yán)格小于1.原假設(shè)H0：ρ=1.備選假設(shè)H1：ρ<1.方程兩邊減去yt-1，可得Δyt=μ+γyt-1+εt，其中γ=ρ-1.原假設(shè)H0：γ=0.備選假設(shè)H1：γ<0.根據(jù)上述數(shù)據(jù)情況，分別對BCI，CRU指數(shù)以及各自的一階差分做單位根檢驗，結(jié)果見表1.檢驗結(jié)果顯示BCI，CRU指數(shù)及兩者的一階差分都比較平穩(wěn)，因此本文主要圍繞BCI與CRU指數(shù)的關(guān)系展開.

1.3協(xié)整關(guān)系檢驗

協(xié)整關(guān)系用于驗證變量之間是否具有長期穩(wěn)定關(guān)系，是開展Granger因果檢驗和GARCH模型檢驗的基礎(chǔ).Johansen協(xié)整檢驗[15]是基于VAR模型的一種檢驗方法，也可以直接用于多個變量間的協(xié)整檢驗，其檢驗的原始模型為

Johansen協(xié)整似然比檢驗，H0有0個協(xié)整關(guān)系，H1有M個協(xié)整關(guān)系.檢驗跡統(tǒng)計量為RLM=-nNt=M-1log（1-λi），其中M為協(xié)整向量個數(shù)，λi為按大小排列的第i個特征值，n為樣本容量.Johansen檢驗從零假設(shè)開始，直到最多N-1個關(guān)系，共需要N次檢驗.EViews檢驗結(jié)果顯示（見表2），二者至少存在一個協(xié)整關(guān)系.結(jié)合時間序列數(shù)據(jù)是平穩(wěn)序列，可知BCI與CRU指數(shù)之間為線性均衡關(guān)系.

2.1模型選擇及檢驗步驟

Granger因果檢驗由2003年諾貝爾經(jīng)濟(jì)學(xué)獎得主克萊夫·格蘭杰（CliveW.J.Granger）開創(chuàng)的，專用于分析經(jīng)濟(jì)變量之間的Granger因果關(guān)系.Granger因果檢驗方法從預(yù)測的角度定義了因果關(guān)系，具體如下：如果一個變量X無助于預(yù)測另一個變量Y，則X不是Y的原因.相反，若X是Y的原因，則必須滿足兩個條件：一是X有助于預(yù)測Y，即在Y關(guān)于Y的過去值的回歸中，添加X的過去值作為獨立變量能顯著地增加回歸的解釋能力；二是Y無助于預(yù)測X，如果X有助于預(yù)測Y，而Y也有助于預(yù)測X，則很可能存在一個或幾個其他變量.

第一步，檢驗原假設(shè)“H0：X不是引起Y變化的Granger原因”，建立回歸模型.

無約束回歸模型（u）

第二步，選擇合理的滯后期，一般滯后期越大越好.根據(jù)大量文獻(xiàn)資料，當(dāng)前比較有效的方法是對比不同滯后階數(shù)，以AIC值和SC值來衡量滯后期.如果兩者一致就取他們的一致數(shù)，如果不一致就考慮HQ準(zhǔn)則和似然比檢驗兩個指標(biāo)，取其中最小者.

第三步，利用u，r的回歸模型的殘差平方和Ru和Rr，構(gòu)建F統(tǒng)計量：

檢驗原假設(shè)“H0：X不是引起Y變化的Granger原因”等價于檢驗“H0：β1=β2=…=βq=0”是否成立.如果F≥F（q，n-p-q-1），則β1，β2，…，βq顯著不為零，應(yīng)拒絕原假設(shè)；反之，則不能拒絕原假設(shè).

第四步，將Y與X的位置交換，按照同樣的方法檢驗原假設(shè)“H0：Y不是引起X變化的Granger原因”.

第五步，如果要得到“X是引起Y變化的Granger原因”的結(jié)論，則必須同時拒絕原假設(shè)“H0：X不是引起Y變化的Granger原因”和接受原假設(shè)“H0：Y不是引起X變化的Granger原因”.

2.2檢驗結(jié)果及分析

（1）滯后期選擇.對比滯后期中AIC值和SC值，得到最小值為AIC值（20.99133），此次似然比檢驗和最終預(yù)測誤差也最小.因此，最優(yōu)滯后期=7，見表3.

（2）Granger因果檢驗結(jié)果.

通過Granger檢驗（見表4）可以發(fā)現(xiàn)，

在5%置信水平下，原假設(shè)“H0：CRU指數(shù)不是導(dǎo)致BCI變化的Granger原因”的P值為0.01490，小于5%，則拒絕原假設(shè).同時，原假設(shè)“H1：BCI不是導(dǎo)致CRU指數(shù)變化的Granger原因”的P值為0.07999，大于5%，則接受原假設(shè).按照Granger因果檢驗第五步理論，同時拒絕了H0且接受了H1，則得出“CRU指數(shù)是導(dǎo)致BCI變化的Granger原因”“BCI不是導(dǎo)致CRU指數(shù)變化的Granger原因”.即，鋼材價格對鐵礦石海運價格有非常重要且直接的影響，而鐵礦石海運價格對下游鋼材價格并無直接的影響.

2.3聯(lián)動關(guān)系分析

根據(jù)Granger分析結(jié)果，鋼材價格對鐵礦石海運價格有非常重要且直接的影響，對國際鐵礦石海運運費有更加直接的反映，而鐵礦石海運運費對下游鋼材價格并無直接的影響，且鋼材價格、鐵礦石海運運費都受歷史數(shù)據(jù)影響較大，其中鐵礦石海運運費更易受到其他因素的干擾（見圖3）.結(jié)合上述結(jié)論，得出如下觀點.

（1）下游需求變化依然是決定鐵礦石海運貿(mào)易的最重要因素.從市場調(diào)研看，不少運輸企業(yè)認(rèn)為鐵礦石運輸市場是一個供給拉動的市場.由于上游礦山相對比較集中，礦山經(jīng)營人往往通過租船或與航運企業(yè)合作的方式控制運輸權(quán)，同時中游航運公司又比較分散，處于完全競爭狀態(tài)的市場，而下游鋼廠在鋼材生產(chǎn)和銷售環(huán)節(jié)處于相對被動的局面.不過，從實際數(shù)據(jù)的Granger因果檢驗結(jié)果看，下游鋼材價格卻是影響鐵礦石海運運費的直接原因，與鐵礦石海運運費之間的關(guān)系更加密切.

（2）鐵礦石海運運費變化并不會直接引起鋼材價格的變化，且鐵礦石海運運費更容易受到其他因素的干擾.這一定程度上反映出鐵礦石海運市場本身也具有一定的規(guī)律性，甚至?xí)撾x上游礦山、下游鋼材供需情況而呈現(xiàn)出不同變化.

3BCI與CRU指數(shù)的溢出效應(yīng)及相關(guān)關(guān)系檢驗

3.1模型概念

從諸多文獻(xiàn)看，采用GARCH模型分析兩個變量之間的溢出效應(yīng)較為成熟.劉維奇等[16]通過建立GARCH（1，1）模型的條件均值方程研究股票市場與證券市場之間的信息不對稱關(guān)系，研究二者交易量之間的溢出效應(yīng).多元GARCH模型可以更準(zhǔn)確地研究多個變量的波動和風(fēng)險特性，其基本框架為

式中：yt=（y1t，y2t，…，yMt）′是一個M維的向量隨機(jī)過程；xt（θ）是參數(shù)向量θ的向量值函數(shù)；Ωt-1=

σ（εt-1，εt-2，…）表示截至t-1時的信息生成的σ代數(shù)；H12t（θ）是一個M階正定矩陣.通常情況下假定xt（θ）為一個多元ARMA模型.GARCH模型又表現(xiàn)為ARCH（1，1），GARCHM，EGARCH，GARCHBEEK等多種形式，其主要功能是圍繞相關(guān)性從不同角度論證其關(guān)系.本節(jié)在上節(jié)Granger因果檢驗的基礎(chǔ)上，重點論證二元關(guān)系的溢出效應(yīng)和相關(guān)性檢驗.

3.2數(shù)據(jù)自相關(guān)檢驗

引入EViews“Correlogram”對BCI和CRU指數(shù)進(jìn)行自相關(guān)檢驗，其檢驗結(jié)果顯示：BCI存在顯著的自相關(guān)，但其一階殘差并不存在顯著的自相關(guān)；CRU指數(shù)及其殘差都存在顯著的自相關(guān).這說明CRU指數(shù)前值的變化或趨勢對未來影響較大，而BCI也受前值影響很大，但易受到其他因素的干擾.同時，從其殘差平方線性圖看，εt2的波動具有明顯的時間可變性和集簇性，適用于GARCH模型.

3.3二元GARCH模型估計

3.3.1溢出效應(yīng)檢驗

對BCI和CRU指數(shù)進(jìn)行ARCHLM檢驗，結(jié)果見表5和6.BCI的ARCHLM檢驗P值為0，CRU指數(shù)的ARCHLM檢驗P值也等于0，說明BCI和CRU指數(shù)都具有顯著的ARCH效應(yīng).

3.3.2相關(guān)關(guān)系分析

通過進(jìn)行GARCHM（1，1）檢驗（見表7），可以得出BCI和CRU指數(shù)的P值都是顯著的，顯示二者具有較強的波動集簇性.同時，BCI的決定系數(shù)的絕對值小于1，表明BCI波動本身對未來的影響是逐步衰弱的.CRU指數(shù)的決定系數(shù)的絕對值大于1，表明CRU指數(shù)波動本身受歷史數(shù)據(jù)影響較大.另外，從決策系數(shù)和BCI與CRU指數(shù)之間的影響程度看，CRU指數(shù)對BCI的影響較小且綜合影響為正相關(guān)，而BCI對CRU指數(shù)的影響較大且綜合影響為負(fù)相關(guān).

3.4聯(lián)動機(jī)制分析

結(jié)合BCI與CRU指數(shù)的聯(lián)動關(guān)系和上述有關(guān)數(shù)據(jù)結(jié)論，構(gòu)建BCI與CRU指數(shù)的聯(lián)動機(jī)制（見圖4）.二者之間主要可能產(chǎn)生的溢出效應(yīng)重點體現(xiàn)在三個方面：一是BCI與CRU指數(shù)各自都存在嚴(yán)格的自相關(guān)，彼此都會受到其歷史數(shù)據(jù)或前期發(fā)展情況的影響，但是鋼材價格受其歷史數(shù)據(jù)影響更為嚴(yán)重，而鐵礦石海運運費隨著滯后期延長，影響程度衰落現(xiàn)象明顯.二是BCI與CRU指數(shù)之間都存在溢出效應(yīng).筆者認(rèn)為：鋼材價格變化對海運運費的溢出效應(yīng)主要體現(xiàn)在企業(yè)的運輸服務(wù)的改變、運力規(guī)劃及投放、航運企業(yè)間競爭與合作關(guān)系等方面；海運運費對鋼材價格的溢出效應(yīng)主要體現(xiàn)在鋼廠礦石采購成本的變化上，而主要是由于很多礦石采購以到岸價為主，因此運費成本的上漲直接導(dǎo)致鋼廠鐵礦石到岸價格的變化.三是從自相關(guān)關(guān)系看，CRU指數(shù)對BCI的綜合影響是正相關(guān)，而BCI對CRU指數(shù)的綜合影響為負(fù)相關(guān).

4結(jié)束語

本文主要運用Granger因果檢驗方法判別波羅的海海岬型指數(shù)（BCI）與國際鋼材價格指數(shù)（CRU指數(shù)）間的因果關(guān)系，結(jié)合數(shù)據(jù)的自相關(guān)關(guān)系及特點，引入GARCH模型ARCHLM檢驗，檢驗數(shù)據(jù)之間存在的明顯溢出效應(yīng).通過GARCHM（1，1）分析BCI與CRU指數(shù)間的相關(guān)性，并結(jié)合實際分析BCI與CRU指數(shù)之間的聯(lián)動機(jī)制.相關(guān)數(shù)據(jù)處理方法及結(jié)論為分析海運運費與產(chǎn)品價格之間的關(guān)系提供了一定參考.未來如何構(gòu)建更復(fù)雜的模型來綜合評估大宗貨物產(chǎn)品價格、運輸成本、商品價格之間的聯(lián)動關(guān)系是進(jìn)一步深入研究的方向.

參考文獻(xiàn)：

[1]肖佳.BDI與航運上市公司的股票價格關(guān)系[J].財務(wù)與金融，2012（5）：1720.

[2]李瑞華.基于協(xié)整理論的海運價格指數(shù)影響因素[J].中國航海，2014，37（3）：123126.

[3]阮俊豪.BDI指數(shù)風(fēng)險測度及其與宏觀經(jīng)濟(jì)景氣指數(shù)關(guān)系的實證研究[J].經(jīng)濟(jì)視野，2013（8）：4850.

[4]羅婷，朱意秋.BDI指數(shù)對中國遠(yuǎn)洋股價波動影響的實證研究[J].重慶交通大學(xué)學(xué)報（社會科學(xué)版），2012，12（2）：5153.

[5]劉斌，劉超，萬眾，等.BDI指數(shù)與上證綜指的相關(guān)性[J].大連海事大學(xué)學(xué)報，2010，36（3）：3538.

[6]孫成偉.國際干散貨航運市場運價指數(shù)波動GARCH模型族研究[D].大連：大連海事大學(xué)，2013.

[7]賀強.基于GARCH模型的國際干散貨運價指數(shù)波動性研究[D].大連：大連海事大學(xué)，2013.

[8]陸克從，趙剛，胡佳驊.ARCH族模型在干散貨運價指數(shù)分析中的應(yīng)用[J].系統(tǒng)工程，2008，26（9）：5156.

[9]張嶠.好望角型散貨船與巴拿馬型散貨船運輸市場相關(guān)性分析[D].大連：大連海事大學(xué)，2012.

[10]馮寅.國際干散貨運輸程租期租運費租金季節(jié)模式研究[D].大連：大連海事大學(xué)，2005.

[11]石東仁.干散貨FFA市場與即期市場相關(guān)性及波動性研究[D].大連：大連海事大學(xué)，2013.

[12]劉金霞.干散貨航運市場間運價指數(shù)波動溢出效應(yīng)研究[D].大連：大連海事大學(xué)，2012.

[13]葉燁.季節(jié)模型在國際干散貨運價波動中應(yīng)用的研究[D].上海：上海海事大學(xué)，2008.

[14]上海國際航運研究中心.中國航運數(shù)據(jù)庫[DB/OL].（201507）[201507].http：//www.shippingdata.cn.

[15]ENGLERF，CLIVECWJ.Cointegrationanderrorcorrection：representation，estimationandtesting[J].Econometrica，1987，55（2）：251276.

[16]劉維奇，謝黎旭.權(quán)證市場和基礎(chǔ)市場關(guān)系研究[J].數(shù)量經(jīng)濟(jì)技術(shù)經(jīng)濟(jì)研究，2008（1）：109115.