海運運價指數(shù)研究綜述

王逸帆

（南京審計大學，江蘇 南京 211899）

一、引言

強國的基礎是經(jīng)濟，經(jīng)濟的增長離不開國際貿易，而國際貿易最重要的載體就是海運。海洋運輸是國際物流與貿易中最主要的運輸形式。聯(lián)合國貿易和發(fā)展理事會的統(tǒng)計結果顯示經(jīng)海上運輸?shù)馁Q易量占全球貿易總量的八成以上，同時海運也承擔了全球超過70%的貿易總額。根據(jù)《2019 全球海運報告》，2018 年全球海運貿易量已超過110 億噸（見圖1），達歷史新高。隨著經(jīng)濟全球化和區(qū)域經(jīng)濟一體化的不斷發(fā)展，海洋運輸在貿易中扮演著更加重要的角色。

圖1 2005—2018 年世界海運貿易總量與世界GDP走勢圖

海運運價指數(shù)是海洋運輸價格變動趨勢和程度的相對數(shù)指標。海運運價指數(shù)能夠定期、連續(xù)地反映海運市場價格水平的動態(tài)變化。海運運價指數(shù)是航運市場的“晴雨表”，市場行情的好壞可以從運價指數(shù)上直觀反映，同時也在一定意義上體現(xiàn)了全球經(jīng)濟的興衰。

海運業(yè)按貨物種類主要可以分為干散貨運輸、原油運輸和集裝箱運輸。干散貨一般指體積比集裝箱大，形狀不規(guī)則的雜貨或者是貨物數(shù)量相對比較小，達不到集裝箱貨量的貨物；油輪主要承擔原油和成品油的運輸，將油品加壓裝進油罐內進行運輸；集裝箱運輸就是將貨物裝入統(tǒng)一尺寸的箱子內，并加固在甲板上。

波羅的海干散貨運價指數(shù)（BDI）是由波羅的海航交所編制發(fā)布，是反映全球經(jīng)濟活躍度和國際貿易情況的重要指標。波羅的海原油運價指數(shù)（BDTI）也是波羅的海交易所發(fā)布的運價指數(shù)之一，是非常重要的油輪市場指標。上海航運交易所于1998 年發(fā)布的中國出口集裝箱運價指數(shù)CCFI，由于其客觀反映了中國集裝箱市場狀況，逐步成為繼BDI 后世界第二大海運運價指數(shù)。

國內外對于海運指數(shù)的研究已有多年，但對其最新進展的系統(tǒng)整理和回顧尚比較匱乏。在理論層面上，通過對已有研究的總結和整理，有助于發(fā)現(xiàn)海運運價指數(shù)研究的空白和短板，從而為進一步研究提供方向。從實踐層面上，航運公司、船舶中間商或國際貿易公司可以通過綜述對海運指數(shù)的研究狀況有所了解，可以更好理解海運運價指數(shù)的變動規(guī)律，為制定采購和經(jīng)營策略、有效降低公司成本提供依據(jù)。

二、海運運價指數(shù)影響因素

從經(jīng)濟學的角度來看，供需關系是影響價格的直接因素：在貨運的需求上揚的情況下，運價上漲，運價指數(shù)上升，反之亦然。在海運市場中，運輸成本和船舶市場的運力決定了市場供給，經(jīng)濟環(huán)境決定了市場的需求。

（一）運輸成本因素

運輸成本是構成運價的主體，而在海運成本中，油價是重要部分。陳麗芬等（2016）通過對BDI 和燃油價格的因果分析發(fā)現(xiàn)：燃油價格的上浮會引起B(yǎng)DI 的增長，且短期內兩者存在雙向的強因果關系。但從長期來看，兩者不存在穩(wěn)定的均衡關系。Ruan（2016）發(fā)現(xiàn)BDI 與原油價格之間不但短期內相關性很強，長期來看也有較弱的相關性，同時存在多重分形性。

俞永麗等（2012）的檢驗結果顯示原油價格與油輪運價之間存在較強的相關性，油價是BDTI 的三階Granger 原因，而油輪運價的變化不會對油價產(chǎn)生影響。Feier 等（2017）發(fā)現(xiàn)原油價格與BDTI 的短期關聯(lián)度要強于長期關聯(lián)度，短期內可以根據(jù)原油價格的變動情況來調整公司的經(jīng)營策略。

在集裝箱班輪運價中，學者們發(fā)現(xiàn)油價與運價之間沒有明顯的Granger 關系，油價對CCFI 的影響十分有限。深入分析其中的原因，可能是集裝箱運輸是由船運聯(lián)盟主導的寡頭壟斷市場，具有特殊的市場競爭機制，而運價由船運聯(lián)盟獨立控制，所以CCFI 受市場因素的影響可能更大。

波羅的海交易所發(fā)布的遠期運費協(xié)議（FFA）是一種運費風險管理工具，可以近似理解成運費的期貨。FFA 提高了航運市場內的信息流通效率，一定程度上規(guī)避了運費風險，降低了不必要的運輸成本。短期內FFA對航運市場的運價指數(shù)都會造成影響，F(xiàn)FA 價格的波動會引起交易活動量的同向變化，當波動增大到一定程度后，為了規(guī)避風險，交易量會減少，從而帶動指數(shù)下跌。我國作為航運大國，F(xiàn)FA 在我國航線的市場效率研究還相對較少。

（二）船舶市場因素

船舶市場一直是航運界的風向標，二手船市場、新船交易市場等則是船舶市場的主體，與運價指數(shù)有密切聯(lián)系。

中日韓三國是世界造船大國，這三國的造船量占全球造船份額的9 成以上，而造船業(yè)更是韓國的經(jīng)濟支柱產(chǎn)業(yè)。韓國學者Jeon（2017）選取世界排名前十的航運公司來研究船舶訂單量與BDI、CCFI 之間的關系。結果發(fā)現(xiàn)，歐洲航運公司船舶訂單量對BDI 的影響更大，而中日韓三國航運公司訂單量對CCFI 的影響比較明顯。一些船東為了尋求利潤會選擇購買現(xiàn)成的二手船，而不是制造周期長的新船。李正宏（2004）驗證了BDI與新造船量之間的關聯(lián)性不是很大。

船舶的閑置量少就說明市場需求大，運價就存在上漲趨勢。這個研究結果也普遍適用于三個運價指數(shù)，具體表現(xiàn)為運價指數(shù)與船舶閑置量之間存在很強的負相關關系。

通過運價指數(shù)與新舊船影響關系的文獻可以發(fā)現(xiàn)，幾乎沒有針對這三者結合在一起進行因果關系的定量研究。直到馬少輝等（2017）就干散貨船訂單量、BDI 和二手船交易量之間的關系進行檢驗分析，發(fā)現(xiàn)這三者之間存在長期的均衡關系。

Beenstock 早在1989 年就借鑒了干散貨市場的模型，并把它運用到油輪市場中，發(fā)現(xiàn)油運運價與新造船量、二手船價格、閑置船舶量之間是存在著動態(tài)聯(lián)系的。當油輪新訂單量增加或二手船交易市場利好時，短期可能會帶來運價指數(shù)上漲，但作用比較微弱。Jane 等（2012）證實了油輪市場中船隊規(guī)模是影響運價的一個關鍵因素，不同的船型產(chǎn)生的效果也各有不同，由于較大船舶的交易靈活性，受到市場變化的影響更大。

當航運市場低迷時，船東會將船齡較長的船舶拆解，以平衡市場的供需關系，隨著需求的不斷增加，指數(shù)上揚，短期內拉動整個航運市場。

（三）經(jīng)濟環(huán)境因素

航運與金融是國民經(jīng)濟中的重要的產(chǎn)業(yè)，兩個行業(yè)以市場為依托，不斷推動著現(xiàn)代經(jīng)濟的發(fā)展。林國龍（2013）驗證了BDI 與上證指數(shù)（SCI）之間存在雙向的正相關關系，并且BDI 是影響SCI 的先行指標。王越等（2018）研究了BDTI 與中美石油股指間的相關關系，發(fā)現(xiàn)在一定的滯后階數(shù)條件下對中國石油股指的影響更大，隨著滯后階數(shù)的增大，波動均有從正向持續(xù)性過渡到反持續(xù)性的趨勢。這也從側面說明中國的股市相比美國而言還不夠成熟，易受其他市場因素的干擾。

反觀集裝箱市場，SCI 和CCFI 之間的相互影響不大，且影響相關性方向相反。雖然CCFI 與中國股市之間的關聯(lián)程度很小，但CCFI 依然受到其他宏觀經(jīng)濟因素的影響。王英照等（2010）研究結果表明CCFI 與宏觀經(jīng)濟景氣指數(shù)互為Granger 原因，形成正向刺激。當宏觀經(jīng)濟不景氣時，政府可以通過加強集裝箱運輸行業(yè)發(fā)展規(guī)模這一方向采取解決方案。在2008 年國際金融危機后，CCFI 對經(jīng)濟環(huán)境的反應反超BDI，且對市場中的積極信息表現(xiàn)更加敏感。人民幣匯率的變動沖擊短期內會對運價指數(shù)產(chǎn)生少量同向累積響應，中長期來看有負向的累積。2010 年以來美元的持續(xù)貶值導致班輪公司的原料成本和人工成本上升，企業(yè)收入也隨之減少。我國在國際金融危機期間也通過人民幣貶值的手段對航運界進行干預，從而刺激對歐洲與美洲地區(qū)的出口銷售。

鑒于我國是集裝箱生產(chǎn)、加工、制造大國，葉善椿（2020）結合制造業(yè)采購經(jīng)理人指數(shù)（PMI）與CCFI進行研究，發(fā)現(xiàn)CCFI 與PMI 之間存在長期協(xié)整關系，制造業(yè)指數(shù)對海運指數(shù)的波動具有顯著影響。

三、海運運價指數(shù)的波動規(guī)律及周期性

運價指數(shù)的波動規(guī)律和周期性對于航運和造船、定船等行業(yè)的長期戰(zhàn)略性決策制訂是十分重要的。本文從干散貨、油運和集裝箱三個市場入手，對三個指數(shù)的波動性和周期性相關研究進行綜述。

（一）干散貨市場

從BDI 時間序列可以發(fā)現(xiàn)年初與年末這段時間指數(shù)明顯處于高位，其余時間指數(shù)下降，這一點也預示著BDI 存在一定的季節(jié)周期性。王磊等（2011）通過譜分析方法對過去十年的BDI 月度數(shù)據(jù)進行周期性研究，發(fā)現(xiàn)具有三年、一年、半年的周期成分，且半年的周期顯著性最高，且從長期來看，航運市場周期有變短的趨勢。余方平（2017）發(fā)現(xiàn)BDI 還存在一個更長的、約為16 年的長周期,長期來看，BDI 仍不景氣，未來有持續(xù)下降的趨勢，干散貨運輸市場還處于一個回復過渡期。

分析BDI 產(chǎn)生這種明顯周期性的原因，主要是因為10 月到次年3 月左右干散貨市場旺季，煤炭和糧食等大宗貨物在這段時間內的需求處于高峰，并通過干散貨船運輸，所以導致冬季的干散貨運價指數(shù)較高，期間的周期約為半年，而每一年又會有同樣的規(guī)律，這也就解釋了一年的周期。同時航運業(yè)的利潤高漲和經(jīng)營虧損交替出現(xiàn)，由此形成了長周期。

（二）油運市場

在油運市場中，BDTI 也存在明顯的季節(jié)性周期。由于冬季備貨儲油，年底兩個月的油輪運價普遍增長，而1-4 月運價則顯著下降，且季節(jié)變動在擴張期較高，在收縮期較低。在航運高峰期，各類油運船舶的需求也會激增，但不同的船型運價波動也會有差異，不同船型的波動溢出效應，運費的波動幅度也隨著油輪船型的增大而同向增大。

尹棟（2013）利用譜分析法對BDTI 周期進行了計算，發(fā)現(xiàn)有兩個明顯的周期，并處于同等主要的程度，一個約為一年半，另一個約為兩年半。通過周期劃分，可以判斷從2014 年開始，指數(shù)會有一個短期的小幅上漲，從實際情況來看也印證了作者的猜測。

對于長期趨勢，張倩等（2019）基于EMD 將BDTI進行分解和重構，形成三個新的時間序列，并發(fā)現(xiàn)BDTI 長期呈下降趨勢。目前航運市場衰退，再加上船舶設計運營中的技術創(chuàng)新降低了船舶公司的運營成本，直接導致了運費降低，油運運價總體始終在低位徘徊，一些航運公司的利潤逐漸減少，甚至出現(xiàn)了連年虧損的情況。

近些年來，國際情勢復雜，國家之間的摩擦時有發(fā)生，而油運指數(shù)對這樣的市場信息反應最為敏感，從最近BDTI 波動情況就可以反應這種現(xiàn)象。

（三）集裝箱市場

集裝箱服務需求作為一種衍生需求，受世界的經(jīng)濟活動影響較大，短期波動比較頻繁。陳麗江（2005）發(fā)現(xiàn)CCFI 具有和世界經(jīng)濟波動周期相一致的4 年周期，這也從側面印證了CCFI 受世界經(jīng)濟影響因素較大。

湯霞等（2017）基于經(jīng)驗模態(tài)分解方法也得出CCFI 存在一個約4 年的周期，同時提出還有一個大約一年的小周期，并伴隨著明顯的季節(jié)性成分。具體表現(xiàn)為每年的高峰出現(xiàn)在秋季的10 月前后，西方國家由于感恩節(jié)、圣誕節(jié)等重大節(jié)日的臨近，需求激增，大量商品要從中國進口，集裝箱運價也水漲船高。集裝箱運輸?shù)牡凸葎t是春季的3 月前后，國外在經(jīng)過年底消費潮之后，軟性需求急速下降，同時受國內春節(jié)影響，絕大部門企業(yè)停業(yè)休假，導致生產(chǎn)放緩，供需雙方同時下降，集裝箱運價也來到了一年之中的低谷。隨著國內企業(yè)的恢復生產(chǎn)以及外部需求趨于穩(wěn)定，運價又有所提升，恢復正常水平。

受到政府政策和市場環(huán)境影響，集裝箱市場長期處于運力過剩的狀態(tài)，CCFI 長期趨勢過程中呈現(xiàn)下降的狀態(tài)，全球經(jīng)濟周期加劇了CCFI 的波動。

綜合現(xiàn)有研究，可以發(fā)現(xiàn)三大指數(shù)都存在一定的季節(jié)性周期特征，但表現(xiàn)出來的波動周期各不相同，其中基本都存在一個一年左右的季節(jié)性循環(huán)且和航運業(yè)以及宏觀經(jīng)濟環(huán)境的興衰周期存在一定的聯(lián)系。運價指數(shù)的長期趨勢都會存在不同程度的下跌，全球航運行情也仍處在低谷但在慢慢爬升的階段。

四、海運運價指數(shù)的預測

（一）線性時間序列方法

傳統(tǒng)線性時間序列模型只利用運價指數(shù)自身的歷史信息來預測將來的變動趨勢。范永輝（2014）基于EGARCH 模型對BDI 四種船型的運價指數(shù)進行短期預測，發(fā)現(xiàn)相對誤差均控制在5%內。Tsioumas 等（2017）提出了包含中國鋼鐵產(chǎn)量、干散貨船隊、干散貨經(jīng)濟氣候指數(shù)的多元VAR 模型預測BDI，精度比ARIMA模型提高了近5%。周潔（2017）選取205 個月度BDI數(shù)據(jù)對向量自回歸模型（VAR）、向量誤差修正模型（VEM）、誤差修正模型（ECM）這三個模型進行預測對比，發(fā)現(xiàn)VEM 對干散貨航運市場的預測精度最佳。

馮文文等（2018）把過去7 年油運市場BDTI 周度數(shù)據(jù)作為樣本，對最后三個月數(shù)據(jù)進行預測仿真，提出了基于柯爾莫哥洛夫前向方程的改進均值回歸預測模型，相比傳統(tǒng)均值不變的預測模型相對誤差降低了3 個百分點。Jafari（2018）對5 年的BDTI 日度數(shù)據(jù)和周度數(shù)據(jù)分別進行ARIMA 建模預測，結果樣本內的預測均方根誤差較低，但樣本外誤差明顯變大；而周度數(shù)據(jù)在樣本內誤差就很大，模型參考價值較小。

集裝箱市場中，王思遠等（2016）在GARCH 模型基礎上，選取了過去15 年的周度數(shù)據(jù)預測未來3 個月的指數(shù)，對CCFI 建立AR-GARCH-M 模型進行深入分析，發(fā)現(xiàn)基于最大似然估計法的模型在樣本內的擬合優(yōu)度較好，而基于馬爾可夫鏈蒙特卡羅算法估計模型的樣本外預測能力更強。Munim 等（2016）把ARIMA 和ARCH 模型進行了組合來研究CCFI 的動態(tài)變化，但均方根誤差都比較大，兩種線性模型的組合預測效果也并不理想。

（二）非線性回歸方法

線性模型不能很好解釋非線性時間序列問題中的非平穩(wěn)特性，越來越多的學者開始探索新方法，同時也取得了許多成果。

神經(jīng)網(wǎng)絡算法作為非線性預測方法的一個典型代表，由于其擁有很好的非線性逼近能力，受到學者的青睞。曾慶成（2004）利用神經(jīng)網(wǎng)絡對BDI 分別進行短期和中長期預測，發(fā)現(xiàn)對于未來一周的日度預測能高效判斷漲跌狀態(tài)，對月度數(shù)據(jù)的預測誤差率也可以保持在1%左右。董良才等（2010）針對BDI 指數(shù)的預測，發(fā)現(xiàn)運用模糊神經(jīng)網(wǎng)絡模型在仿真過程中的效果更佳，且模糊神經(jīng)網(wǎng)絡模型在泛化能力上也更出色。Gordon（2013）通過小波神經(jīng)網(wǎng)絡對BDTI 進行多個時間區(qū)間的預測，發(fā)現(xiàn)對20 個交易日的預測較差，60 和120 個交易日的預測在前期較好，后期誤差明顯增大。連曄（2010）選取BDTI 采用BP 神經(jīng)網(wǎng)絡模型來刻畫指數(shù)中的非線性因素，除了2008 年金融風暴期間預測誤差稍大，總體來看中長期的預測效果要遠優(yōu)于ARIMA 模型。劉娜（2006）和李宗龍（2013）分別采用RBF 神經(jīng)網(wǎng)絡模型與廣義回歸神經(jīng)網(wǎng)絡（GRNN）模型，利用局部逼近的特點對CCFI 進行短期預測，但是與傳統(tǒng)神經(jīng)網(wǎng)絡模型預測效果相比，沒有太大改進。

神經(jīng)網(wǎng)絡容易出現(xiàn)訓練過度或訓練不足的情況，并且它的性能依賴于它的網(wǎng)絡參數(shù)。針對神經(jīng)網(wǎng)絡方法存在的不足，韓倩倩等（2014）使用遺傳算法對超參數(shù)進行優(yōu)化，然后建立了小波變換與支持向量機（SVM）相結合的BDI 預測模型，短期預測結果表明該混合模型的均方根誤差小于VAR 模型和神經(jīng)網(wǎng)絡。Duru（2010）采用雙變量模糊時間序列方法對BDI 過去八年的月度數(shù)據(jù)進行實證研究，該方法相比傳統(tǒng)預測方法誤差率更接近白噪聲的零方差標準，其平均誤差能控制在1%之內，效率明顯高于線性模型。

Eslami 等（2016）利用一種自適應遺傳算法的混合預測模型，把船隊生產(chǎn)力、原油價格、燃料價格三個常見因素作為變量加入BDTI 預測模型中，預測性能相比于單一模型得到了顯著提高。Hee（2018）對過去240個月的BDTI 數(shù)據(jù)建立ARIMA-SVM 模型，混合模型效率提升，同時對于單一模型的預測能力也進行了比較，發(fā)現(xiàn)ARIMA 模型對BDTI 的短期預測能力優(yōu)于機器學習模型人工神經(jīng)網(wǎng)絡和支持向量機。

葛穎恩（2019）提出了一種將動態(tài)波動網(wǎng)絡技術與人工智能算法（DFN-AI）的混合預測方法，對日度、周度、月度的BDI 數(shù)據(jù)分別進行了預測，發(fā)現(xiàn)這種方法的高效預測精度不受樣本選取長度和時間粒度的影響。湯霞（2020）基于變分模態(tài)分解（VMD）提取出不同頻的CCFI 數(shù)據(jù)，結合人工神經(jīng)網(wǎng)絡和SVM 多尺度組合預測模型對指數(shù)進行集成預測，預測精度明顯優(yōu)于ANN、SVM 等單一模型和EMD 組合模型。

綜上可以發(fā)現(xiàn)，在運價指數(shù)中，往往非線性因素影響要大于線性因素。針對指數(shù)的短期預測，線性模型精度較為滿意，但預測周期變長時，傳統(tǒng)線性模型無法勝任，非線性預測模型的效果要遠優(yōu)于線性模型，目前最新的研究成果趨于兼顧短期與長期的預測精度。組合預測模型的效果在大部分情況下都優(yōu)于單一模型，模型之間的優(yōu)勢互補可以削弱單一模型的內生不足。另外從指數(shù)類型方面來看，CCFI 的預測研究數(shù)量和模型復雜度相比BDI、BDTI 都存在較大的差距，未來對CCFI 的預測研究仍存在很大的空間。

五、總結與展望

本文從海運干散貨運輸、油輪運輸和集裝箱運輸入手，結合BDI、BDTI、CCFI 三個國際權威海運運價指數(shù)，針對運價指數(shù)的影響因素、指數(shù)波動周期性和指數(shù)的預測方法三個研究領域的研究成果進行了歸納性綜述。

航運市場的供需關系是影響運價的最直接因素，運輸成本和船舶市場的運力決定了市場供給，經(jīng)濟環(huán)境決定了市場的需求。三大航運指數(shù)都存在波動性和周期性但表現(xiàn)各不相同，但都和航運業(yè)以及宏觀經(jīng)濟環(huán)境的興衰周期存在一定的聯(lián)系。時間序列線性回歸模型和非線性回歸模型是研究運價指數(shù)預測的主要方法，前者更加適合數(shù)據(jù)較少，預測周期較短的研究，非線性回歸則更適合數(shù)據(jù)多的長期預測。另外模型的組合創(chuàng)新也是研究方法的趨勢。

隨著環(huán)保的相關政策深入航運業(yè)，類似于低硫附加稅（LSS）這些航運附加費也成為影響海運運價的一個因素，對于油價敏感的干散貨市場和油輪市場可以以此為研究切入點。而集裝箱運輸由于其完全壟斷的市場環(huán)境，油價的影響有限，控制價格的三大集裝箱航運聯(lián)盟是一個可行的研究方向；由于運價是由多條航線上的運價根據(jù)權重組成，同一指數(shù)的不同航線的波動性和周期性可能也有所差異，甚至完全不同，本文也沒有深入探究；對于運價指數(shù)的預測方法，對預測模型中的解釋變量沒有進行深入歸納，今后的研究可以對這些內容進一步完善。由于CCFI 相對BDI 和BDTI 發(fā)布時間較短，理論和實證研究數(shù)量較少，而隨著中國綜合國力的不斷增強，“中國因素”起到的作用將越來越明顯，亟需把更多目光聚焦國內運價指數(shù)，促進我國以及國際航運的健康、穩(wěn)定發(fā)展。