波罗的海干散货运价指数影响因素分析
bdi指数
bdi指数波罗的海干散货指数(Baltic Dry Index，缩写BDI)，是航运业的经济指标，它包含了航运业的干散货交易量的转变。
这个指数是由波罗的海航交所发布的。
波罗的海干散货指数(Baltic Dry Index，缩写BDI)，是航运业的经济指标，它包含了航运业的干散货交易量的转变。
这个指数是由波罗的海航交所发布的。
波罗的海航交所是世界第一个也是历史最悠久的航运市场。
1744年诞生于英国佛吉尼亚波罗的海咖啡屋，是设在英国伦敦的世界著名的航运交易所，全球46个国家的656家公司都是波罗的海航交所的会员。
为了满足客户的需要，波罗地海航交所于1985年开始发布日运价指数――BFI，该指数是由若干条传统的干散货船航线的运价，按照各自在航运市场上的重要程度和所占比重构成的综合性指数。
1999年，国际波罗的海综合运费指数（BDI）取代了BFI，成为代表国际干散货运输市场走势的晴雨表。
波罗的海指数是由几条主要航线的即期运费（Spot Rate）加权计算而成，反映的是即期市场的行情，因此，运费价格的高低会影响到指数的涨跌，所以，假设原物料需求增加，表示各国对货轮运输的需求也跟着提高，在此情况下，运费的涨幅如果可以大过油价成本的涨幅，当然其获利就可维持。
在这种前提下，BDI波罗的海指数会上涨，运输股的股价也会上涨；假设原物料需求依旧增加，但货轮供给增加而打坏运费市场，此时BDI波罗的海指数会下跌，当然运输股的股价也会跟着下跌，所以，运费高低的影响远比原物料的涨跌更是影响航运股获利的关键。
BDI指数一向是散装原物料的运费指数，散装船运以运输钢材、纸浆、谷物、煤、矿砂、磷矿石、铝矾土等民生物资及工业原料为主。
因此，散装航运业营运状况与全球经济景气荣枯、原物料行情高低息息相关。
故波罗的海指数可视为经济领先指标。
国际干散货运输市场波动的影响因素分析与规律研究(中国水运)
国际干散货运输市场波动的影响因素分析与规律研究上海海事大学袁群1摘要：近年来国际航运市场的剧烈波动给航运企业带来的巨大的影响，而干散货运输市场是国际航运市场波动的风向标。
因此深入分析干散货运输市场的波动影响因素和发展规律，并对未来趋势进行预测对于航运企业风险控制具有重要的意义。
本文运用理论研究与实证分析相结合，主要研究三部分内容：首先，分析影响国际干散货运输市场波动的相关因素，并对其相关关系和作用机理进行分析；其次，对航运市场的波动规律进行分析，把握航运市场周期性波动的特点和成因；最后，基于对国际航运市场波动规律的分析，并结合未来主要影响因素的发展趋势，对国际航运市场未来的发展进行预测。
关键词：国际航运市场；波动；影响因素；波动规律；预测引言近几年来，航运市场大幅度地波动，从2003年至今，作为国际航运市场风向标的波罗的海干散货运价指数BDI(Baltic Dry Index)经过了1万多点的波动，这无疑给世界航运业带来了巨大的压力。
为了减少航运业的风险，必须要对国际航运市场波动的影响因素、作用机理和波动规律进行分析研究，并在其基础上预测航运市场未来的发展趋势，为航运业的发展提供理论和技术支持。
由于国际干散货市场具有近似完全竞争的市场特征，最能反应国际航运市场的波动情况，因此，本文将以国际干散货运输市场为代表，研究国际航运市场的波动状况。
1、影响干散货运输市场波动的因素分析国际航运是国际海运贸易量的派生需求，而国际海运贸易量是世界经济发展的结果，这导致国际航运市场具有被动性与依赖性，是在相关影响因素共同作用下进行波动。
在近乎完全竞争市场的干散货航运市场，运价作为一种特定形式的资产价格，根据经济学原理，主要是运力供给和市场需求共同作用后的结果，同时还要受到国际政治环境、燃油价格、航运市场投机和垄断、自然条件的变化以及企业间的竞合关系等多方面因素的系统作用和影响，下面的图1-1反应了影响航运市场运价的影响因素和作用机理：1本文受到上海市政府决策咨询项目（2012-z-46）资助袁群：1971年出生，江苏金坛，上海海事大学副教授，博士，研究方向：国际航运与物流管理通讯地址：上海市浦东新区苗圃路466弄17号301室（200135）图1-1影响航运市场波动的因素1.1世界经济发展(市场需求)对航运市场波动的影响分析世界经济发展状况是影响国际航运市场需求的重要因素之一，从而影响着国际航运市场的波动。
海运运价指数与运价定价原理
辅助研究
海运运价指数还可以辅助研究 航运市场和国际贸易市场的相 关问题，为学术研究提供数据
支持。
02
运价定价原理
基本定价原理
成本导向定价
以成本为定价基础，通过计算运 输成本、利润和税费等来确定运
价。
需求导向定价
感谢您的观看
THANKS
竞争导向定价
计算公式
运价 = 竞争对手的运价 + 企业目标 利润
适用范围
适用于运输市场竞争激烈且竞争对手 运价较为透明的航线。
优点
能够快速响应市场变化和竞争对手的 策略，提高企业的竞争力。
缺点
需要密切关注竞争对手的运价策略和 市场反应，并需要具备较高的市场应 变能力。
03
航运市场与运价
航运市场概述
。
合同风险管理
通过制定合理的合同条款，降 低因合同违约等带来的风险。
航运金融与运费融资
航运金融
航运金融是支持航运业发展的重 要手段，包括船舶融资、海上保 险、资金结算等业务。
运费融资
运费融资是为船公司、货主等提 供的运费支付解决方案，包括预 付运费、到付运费等方式。
05
案例分析与实践
案例一：某船公司的运价策略调整
定。
应对市场变化的策略
03
船公司需要密切关注市场变化，及时调整航线配置、运力投放
、揽货策略等，以适应市场需求。
04
运价策略与风险管理
运价策略
基本运价策略
01
根据市场需求、货物种类、航线等因素制定基本运价
策略，包括差别定价、促销定价等。
需求定价策略
bdi指数 单位
BDI指数1. 什么是BDI指数？BDI指数（Baltic Dry Index）是一个衡量国际海运市场的指标，它反映了全球干散货船运输市场的活跃程度和价格水平。
BDI指数由波罗的海交易所（Baltic Exchange）每天发布，是全球航运市场的重要参考指标之一。
2. BDI指数的计算方法BDI指数的计算方法相对简单，它是根据波罗的海交易所成员报告的航运市场价格数据进行计算的。
具体计算方法如下：1.选择24个航线的运费作为代表性样本。
2.每天根据代表性样本的运费数据，计算出每个航线的运费指数。
3.对所有航线的运费指数进行加权平均，得到BDI指数。
3. BDI指数的意义和作用BDI指数作为衡量国际海运市场的重要指标，具有以下几个方面的意义和作用：3.1 衡量全球贸易活动BDI指数可以反映全球贸易活动的状况，它的涨跌可以反映出全球经济的景气程度。
当BDI指数上涨时，说明全球贸易活动增加，经济繁荣；当BDI指数下跌时，说明全球贸易活动减少，经济不景气。
3.2 预测全球经济走势由于BDI指数与全球贸易活动密切相关，因此可以通过观察BDI指数的走势来预测全球经济的走势。
当BDI指数持续上涨时，预示着全球经济可能会继续向好；当BDI指数持续下跌时，预示着全球经济可能会面临下行压力。
3.3 影响航运市场BDI指数的涨跌对航运市场有直接的影响。
当BDI指数上涨时，航运市场的运费水平也会上涨，船东的收入会增加；当BDI指数下跌时，航运市场的运费水平也会下跌，船东的收入会减少。
因此，船东和航运公司可以根据BDI指数的变化来进行运力调配和运价策略的制定。
3.4 指导金融投资BDI指数的走势也可以为金融投资提供参考。
例如，当BDI指数上涨时，可能会推动干散货船运输公司的股价上涨，投资者可以选择买入相关股票；当BDI指数下跌时，可能会导致干散货船运输公司的股价下跌，投资者可以选择卖出相关股票。
4. BDI指数的局限性尽管BDI指数在衡量国际海运市场方面具有重要意义，但也存在一些局限性：4.1 只涵盖干散货船运输市场BDI指数只涵盖了干散货船运输市场，对于其他类型的船舶运输市场没有涵盖。
波罗的海干散货运价指数长记忆性实证分析
波罗的海干散货运价指数长记忆性实证分析作者：顾贤斌李序颖来源：《上海海事大学学报》2009年第01期摘要：针对目前关于各类航运市场的研究都暗示出波罗的海干散货运价指数（BDI）很可能具有长记忆性的问题,对BDI是否具有长记忆性问题进行实证研究. BDI收益率序列的R/S分析和ADF-KPSS联合检验表明BDI收益率序列不具有显著的长记忆性; 对代表BDI波动性的绝对收益率和平方收益率进行ADF-KPSS联合检验，发现两者都具有显著的长记忆性; 应用FIGARCH模型，度量其波动的长记忆性.这些研究结果反映出国际航运市场确实具有一定的长记忆性.关键词：BDI；长记忆性； ADF-KPSS联合检验； FIGARCH模型；修正R/S分析法中图分类号：F551； O212； U695.2文献标志码：AEmpirical analysis on long memory property of Baltic dry indexGU Xianbin， LI Xuying(School of Economics and Management, Shanghai Maritime Univ., Shanghai 200135, China)Abstract： In view of the problem that the present researches in shipping markets imply that the Baltic dry index (BDI) may take on long memory property, an empirical study about whether the long memory effect exists in BDI is presented. By applying R/S analysis to the log return series and ADF-KPSS test to the log return series, it is found that there is no significant long memory effect in the log return series of BDI, while the absolute log returns and the squared log returns, which present the volatility of the series, have long memory property. A FIGARCH model is applied to measure the long memory property in volatility. All these results support the conclusion that the shipping markets do have some long memory properties.Key words： BDI； long memory； ADF-KPSS test； FIGARCH model； modified R/S analysis0 引言近年来，在对GDP，汇率和股价等多种数据研究时，会发现普遍存在1种现象：远距离观测值的相依性尽管很小，但不能被忽略，这种性质被称为“长记忆性”(L ong Memory Property).若1个市场具有长记忆性，说明该市场中商品过去的价格对其未来价格的影响有较长的持续性，商品未来价格不仅受当前价格的影响，而且受过去价格的影响，当前价格没有包含所有历史价格信息，从而该市场不符合有效市场假说（EMH）.因此，在具有长记忆性的市场中，根据该市场过去的情况预测其未来变化，具有重要意义.航运市场中的长记忆现象逐渐受到研究者重视. ADLAND等［1］提出1种判断航运市场有效性的方法：首先假设某船公司以2种不同的策略运营，一种依照运价技术分析所得结果进行运营决策，另一种完全依照市场当前状况进行运营决策，依照运价的历史数据计算2种策略带来的收益，并比较2者的收益高低判断市场是否有效；GOULIELMOS等［2］利用R/S分析法研究Trip Chart Dry Index的收益率，发现该指数变化存在非循环周期，认为如果船舶银行按照指数的波动趋势为船舶投资进行贷款，就可以降低投资风险；SCARSI［3］论述海运市场具有周期性，阐明船舶所有人按照该周期进行运营获利的可能性，并以轻便型（Handysize）船运费为例，指出船舶所有人的非理性行为加剧干散货市场的波动.上述研究虽然不直接针对航运市场的长记忆性，但结论反映出航运市场（或其子市场）中似乎存在长记忆现象.若航运市场确实具有长记忆性，则对过去运价走势的技术分析能为预测未来运价提供有用信息.本文以波罗的海干散货运价指数（Baltic Dry Index,BDI）为研究对象，采用R/S分析(Rescaled range analysis)以及ADF-KPSS联合检验等方法，对BDI的长记忆性进行研究.1 数据描述样本为1999年11月1日—2008年3月31日的BDI日数据，共2103个观测值.数据来源：Shipping Intelligence Network（SIN）.研究从BDI的对数收益率（即lnYt-lnYt-1）展开，其分布特征见图1.图1 样本数据分布通过计算可得，样本序列偏度（Skewness）为0.273 4，呈略微右偏；峰度(Kurtosis)为6.789 0>3，存在尖峰厚尾现象；JB检验量显著，可以拒绝收益率序列服从正态分布的假设.BDI收益率、收益率绝对值及收益率平方的自相关函数(ACF)见图2.图2 BDI收益率及收益率波动性的自相关函数从图2可以看出，BDI收益率具有一定的相关性，而BDI的绝对收益率和收益率平方的相关性比收益率更强.BDI的收益率序列具有尖峰厚尾特征，不服从正态分布且收益率序列和收益率波动序列都具有较强的相关性，可能具有长记忆性.2 BDI的R/S分析2.1 经典R/S分析法R/S分析法［4］是英国水文学家HURST在研究尼罗河水文数据时提出的1种时间序列统计方法.主要通过Hurst指数的值反映时间序列的依赖性，可有效测定时间序列数据中存在的趋势，找出数据变化规律.Hurst指数计算公式式中：H为Hurst指数；Rni为区间极差；Sni为区间标准差；n为区间长度；A为在样本长度N下数据段个数；a为常数.将式（1）两边取常用对数得lgRnSn=C+H lg (n)(2)式中：C=H lg (a)为常数项.按照上述计算获得的每个n值所对应的重标极差值，以lg (n)为解释变量做线性回归，即可求得Hurst指数H.H的取值范围为［0,1］.对独立分布的序列,H=0.5表示对于任何时刻t,过去增量与未来增量没有任何相关性；H0.5表示序列为状态持续性的持久性序列,未来可能出现的趋势与过去相同，即序列具有正的长程依赖性.［5］2.2 修正R/S分析法R/S 分析法虽然对具有长期记忆性的时间序列稳健,但无法准确区分短期记忆性和长期记忆性.当序列中只有短期记忆性或同时存在长期和短期记忆性时,使用R/S 分析法都会得出序列具有长记忆性的结论.为此，LO提出修正R/S 分析法.修正Hurst指数计算公式式中：-)(xi-j-)+σ2ni（4）其中：σ2ni为区间方差；ωj(q)=1-jq+1, q≤n；q为窗宽，是Newey-West的平方根［6］，定义为q=int4T1000.25式中：T为样本总数. 修正R/S分析和经典R/S分析的主要差别在于区间极差Rni的标准化因子由区间标准差Sni变为σni(q).2.3 Hurst指数的显著性H的显著性不是由回归式的t值直接给出的，必须先估算E(R/S)n.E(R/S)n表示系统在零假设：系统在随机条件下的(Rn/Sn)值，E(R/S)n为服从随机正态分布的变量.相应地，E(H)表示系统在零假设：系统在随机条件下的H值也随机游动.因为H由(R/S)n值用最小二乘法（OLS）得出，OLS相当于将被解释变量在解释变量构成的空间中的投影.由于E(R/S)n为随机游动，投影也随机游动，所以回归系数的值（即E(H)值）也随机游动，表明H值也服从正态分布，即：H～N(E(H)，1/T)，E(H)由lg ERnSn=C+H lg (n)回归得出.E(R/S)n的计算经验公式［4］为：E(R/S)n=［(n-0.5)/n］·［n·(π/2)］--1r=1(n-r)/r（5）式中：n为区间长度.在一定的置信水平α下，构造假设检验：H0为H=E(H)，即序列是随机游动的；H1为H≠E(H)，即序列不是随机游动的.构造统计量：Z={［H-E(H)］/(1/T)},Z～N(0，1)若Z在显著水平α下显著，则拒绝零假设；反之则不拒绝.2.4 R/S分析结果采用修正R/S分析法过滤短期记忆性对分析结论的影响，利用Matlab分别计算lg(R/S)n，lg［E(R/S)n］和lg(n)，通过lg(R/S)n，lg［E(R/S)n］对lg(n)做线性回归，得Hurst指数H及其期望值E(H),见表1.表1 Hurst指数及其期望值计算结果估计值标准差qZ统计量Z~N(0,1)显著性p值H0.654 80.018 6E(H)0.627 30.012 881.260 20.103 8虽然BDI收益率序列的Hurst指数>0.5，但p值>10%，不能拒绝H0，因此，不能认为该序列具有显著的长记忆性.修正的R/S分析法不能完全消除短期记忆的影响，只能在一定程度上削弱短期记忆的影响［6-7］，故R/S分析所得结论可能存有偏误.通过结构转换（regime-switch）方法对数据进行处理可消除这一偏误，但计算过程繁琐.受独立事件概率计算的概念和假设检验思想的启发，采用1种简单易行的方法以提高结论的可靠性，即利用ADF-KPSS联合检验［8］，从另一角度对BDI的长记忆性进行检验.若两者的结论相同，表明上述结论有较高的可靠度.3 BDI的ADF-KPSS联合检验ADF检验和KPSS检验的联合检验可以判断序列是否存在长记忆性，且涉及的计算方法与R/S分析法无任何联系.3.1 ADF检验对于时间序列{xt}，构建模型Δxt=ct+βxt---i+εt,模型中：Δxt-j=xt-j-xt-j-1,j=0,1,…；ct为序列随时间t变化的确定性趋势；εt为回归残差.对系数β构造如下假设检验H0：β=0；H1：β对于时间序列{xt}，设xt=at+β·t+εt，εt～iidN(0,σ2ε),at=at-1+ηt,ηt～iidN(0,σ2η). 若序列平稳, 意味着随机扰动项ηt为0,其方差也为0；反之，则序列存在随机趋势.故检验的零假设为H0：σ2η=0H1：σ2η>0构建统计量，是σ2η的一致估计,对照临界值可得出结论.［9］3.3 ADF-KPSS联合检验结果如果序列同时拒绝ADF检验和KPSS检验，表明其具有长记忆性；如果拒绝ADF检验而接受KPSS检验，表明该序列是平稳序列；如果接受ADF检验拒绝KPSS检验，意味着该序列是非平稳的；如果2个检验都接受，数据可能是非信息性的低频数据.分别对BDI的收益率、绝对收益率、收益率平方进行上述检验，结果见表2.表2 ADF-KPSS联合检验结果BDIADF检验KPSS检验KPSS检验参照值ADFp值KPSSp值临界水平/%临界值收益率序列-9.55930.110.739波动性序列绝对值-7.979 0结果表明，BDI收益率序列ADF检验的p值10%.该序列拒绝ADF检验接受KPSS检验，表明是平稳序列，不具有显著的长记忆性.从另一个角度验证BDI收益率序列是平稳的.另外，发现BDI收益率波动性序列的ADF检验p值4.1 FIGARCH模型的构建利用Box-Jenkins定阶方法对BDI收益序列进行处理，可得BDI收益序列是个AR(3)过程，数据处理后得残差序列{at}.对其进行Ljung-Box检验，结果显著，故认为其具有ARCH效应；利用ADF-KPSS检验对{a2t}序列进行长记忆性检验，可知其具有长记忆性.检验结果见表3.表3 {a2t}检验结果{a2t}Ljung-Box检验(自由度=7)ADF检验KPSS检验Ljung-Boxp值ADFp值KPSSp值374.324 3设经AR(3)处理后BDI收益率序列的残差为{at}，则FIGARCH模型为at=σt·εt,εt～iidN(0,1)(6)\=φ(B)(1-B)da2t=α0+［1-ψ(B)］ηt(7)式中：ηt为鞅差序列［10］，ηt=a2t-σ2t;B为滞后算子；d为差分参数.4.2 FIGARCH中分数差分的实现［11］对于原始序列{Xt}，可以用Wt=(1-B)dXt对其进行d阶差分.差分后序列记为{Wt}.为方便计算，设X0=0，将(1-B)d按二项式展开，得(1-B)d=1-dB+d(d-1)B22!-d(d-1)(d-2)B33!+ (8)对于任何d>-1的实数，式（8）可用超几何函数表示，即(1--d)Γ(k+1)Γ(-d)Bk.当d确定后，等式右边为k的函数g(k)=Γ(k-d)Γ(k+1)Γ(-d)，则{Wt}可表示为Wt=(1-，当t=0时,X0=0,W0=0.令Wt=(W1,W2,W3,…,WN)T(9)\=Xt=(X1,X2,X3,…，XN)T(10) G=g(0)g(1)g(2)…g(N-1)\=g(0)g(1)……g(0)……\=……\=g(0)(11)通过计算W=XTG,可完成差分.4.3 参数估计在样本容量适中或较大的情况下，GARCH模型的参数可通过“两步估计法”（Two-Pass Estimation Method）获得很好的近似估计［10］；FIGARCH模型可通过分数差分转换成GARCH模型，但其差分参数d的估计方法有多种，不同方法得出的d存在差异.本文在“两步估计法”基础上，通过调整阶数(p,q)以选出最适合的差分参数d.将式（7）看作{a2t}的ARFIMA(p,d,q)模型.(1)对残差平方序列{a2t}采用GPH(Geweke and Porter-Hudak)方法估计差分参数d；(2)根据d的估计值，对{a2t}进行分数阶差分，得序列{W0t}.用Box-Jenkins定阶方法对序列{W0t}进行识别，得到阶数(p,q)的估计值(0,0)；(3)假设(0,0)为已知条件，利用极大似然估计得出ARFIMA(0,d,0)中包括d在内的各参数，用新的d值对序列{a2t}进行差分，得到新序列{W1t}.通过识别{W1t}序列，可得阶数(p,q)的新估计值(1,1)；(4)假设(1,1)为已知条件对ARFIMA(1,d,1)进行极大似然估计.当用极大似然估计所得到的d值进行差分后，{Wit}序列识别得到的(i,i)和该次极大似然估计所假设的(i-1,i-1)值相同时，表明参数d的估计值使{a2t}差分后所得的{Wit}符合极大似然估计所假设的(i-1,i-1)，该次估计所得参数为最适合值.利用R软件中的“fracdiff”程序包实现上述过程，结果见表4.表4 FIGARCH模型的定阶过程序号估算所假设的（p,q）值估算方法d经d阶差分后{Wt}的ARMA阶数（p,q）1无GPH0.229 4(2，4)2(2，4)MLE0.239 5(2，4)由此可确定{at}是FIGARCH(2，0.239 5，4)过程.最后用极大似然估计得出各参数的估计值，得at=σt·εt,εt～iidN(0,1)\=(1-0.377 7B)(1+0.494 3 B2)(1-B)0.239 5a2t=\=0.223 7+［1-(1+0.681 0B)·(1-0.404 3B2)(1-0.171 1B3)·(1+0.020 56B4)］ηt式中：ηt=a2t-σ2t.差分参数d的取值与序列记忆性的强度有关，d值越大表示记忆的持续性越长，对当前数据有影响的历史数据距今越久远.对于长记忆性时间序列而言，d∈(0,0.5)，通过采用FIGARCH 模型，得到BDI的波动率序列的差分参数d=0.239 5，符合预期，说明采用该模型描述BDI的波动是合适的. 5 结论通过上述分析，可得如下结论：(1)BDI的收益率本身是平稳序列，不具有显著的长记忆性，但是其收益率的波动序列具有长记忆性.采用FIGARCH模型，可以对BDI波动序列进行拟合.结果表明，虽然BDI收益率序列不具有显著的长记忆性，但其收益率的波动具有长记忆性.由此可以推断，国际航运市场的变化受某些具有长记忆性的因素影响，即国际航运市场具有一定的长记忆性.(2)从数据分析的角度验证国际航运市场具有一定的长记忆性，意味着航运市场过去的情况对其今后的变化存在持续性较强的影响.在此前提下对航运市场历史数据进行分析，可以为探寻该市场变化的周期性规律提供依据.船舶所有人在作经营决策时不应忽视航运市场过去的变化情况，航运市场中即便是发生在很久之前的变化都应当作为船舶所有人制定经营策略的参考指标.研究序列长记忆性的方法有多种.对于序列自身而言，可采用R/S分析、ADF-KPSS检验、ARFIMA模型、regime-switch等方法检验其长记忆性并建模；对于波动率具有长记忆性的序列而言，FIGARCH模型与LMSV模型等方法可较好地模拟其特性.参考文献：［1］ADLAND R, STRANDENES S. Market efficiency in the bulk freight market revisited ［J］. Maritime Policy & Manage, 2006, 33(2): 107-117.［2］GOULIELMOS A M， PSIFIA M. Shipping finance: time to follow a new track［J］. Maritime Policy & Manage, 2006, 33(3): 301-320.［3］SCARSI R. The bulk shipping business: market cycles and shipowners’ biases［J］. Maritime Policy & Manage, 2007, 34(6): 577-590.［4］埃德加·E·彼得斯. 资本市场的混沌与秩序［M］. 2版. 王小东, 译. 北京: 经济科学出版社, 1999: 47-60.［5］孙海云, 王峰. 基于替代数据的Hurst指数计算［J］. 上海应用技术学院学报, 2007, 7(1): 59-61.［6］罗来东. 股票市场收益率波动长记忆性实证研究［D］. 成都: 西南财经大学, 2005.［7］史代敏, 罗来东, 庞皓. 股票市场收益率波动长记忆性的分解及实证研究［J］. 数量经济技术经济研究, 2006(8): 136-141.［8］马立成, 赵巍, 何建敏. 股票收益和波动长记忆性的KPSS 检验和LM 检验［J］. 统计与决策， 2008(20): 137-140.［9］吕光明. 对数据平稳性检验方法的比较研究［J］. 财经问题研究, 2004(6): 77-80.［10］TSAY R S. Analysis of Financial Time Series［M］. 2nd ed. NJ: John Wiley & Sons, Inc., 2005: 114.［11］金秀, 姚瑾, 庄新田. 基于分数阶差分的ARFIMA模型及预测效果研究［J］. 数理统计与管理, 2007, 26(5): 896-907.(编辑陈锋杰)。
波罗的海干散货运价指数的走势及其分析
第 １卷 １
第 ４期
集 美大学学报 （ 自然科 学版 ）
Ｊｕ ａ ｏ ｍｅ Ｕ ｉ ｒ ｔ（ ａｕａ Ｓ ｉ ｃ ） ｏ ｒｌ ｆ ｉ ｉ ｎｖ ｓｙ Ｎ ｔｒ ｃ ｎｅ ｎ Ｊ ｅｉ ｌ ｅ
Ｖ０ ． １ Ｎｏ ４ １ １ ． Ｄｅ ．２ ０ ｃ ０６
６０ Ｏ ０ ５０ ０ ０
鬓 ４ｏ ｏ ０ ￣ ３０ ０ ０
２０ ０ ０ ｌ０ ０ ０ Ｏ
１ ８ ９ ６ １ ８ ９ ８ｌ ８ ９ ０ ｌ ９ ９ ２ ｌ ９ ９ ４ｌ ９ ９ ６ｌ ９ ９ ８ ｌ９ ０ ０２ ０ ０ ２２ ０ ２ ０ ９ ５ １ ８ ９ ７ｌ ８ ９ ９１ ９ ９ ｌ１ ９ ９ ３ｌ ９ ９ ５ｌ ９ ９ ７１ ９ ９ ９２ ０ ０ １ ０ ０ ３ ０ ２ ４
Ｏ 引言
近２ ０年来 国际航运市场经历了 １８ 年 ７ 、１９ 年 ８月、１９ ９６ 月 ９８ ９９年初、２０ 年下半年至 ２０ 年 ０１ ０２ 上半年的深度低迷与 ２０ ０４年的高位震荡 ，其变化过程 的独特 和激烈的程度是前所未有的 ，其中有航 运市场客观规律的作用 ，也有世界经济发展因素 的影 响，当然也有船东、租船人、货主之间的博弈． 关注市场 的变化 ，预测市场的未来走向是本文的目的所在．
２０ ０ ６年 １ ２月
［ 文章编号 ］１０ ７ ０ （０ ６ ０ ０ ３ Ｏ ０ ７— ４ ５ ２ ０ ）４－ ３ ８一 ５
波 罗 的海 干散 货 运 价 指 数 的走 势 及 其 分 析
林文 勇，王祥涛
（ 集美 大学航海学院 ，福建 厦ｆ ３ １２ ） － ６ ０ １ １
［ 要］ 以近 ２ 摘 Ｏ年来 波罗的海 干散货运价指数 的演变为主线 ，探讨世 界经济增长率 、国际 贸易与 国际
波罗的海好望角型船运价指数波动分析
第２ ９卷 第 ４期
２０ ０ ８年 １ 月 ２
上 海 海 事 大 学 学 报
Ｊ ｕ ｎ ｌｏ ｈ ｎ ｈ ｉＭａ ｉｉ ｉｅ ｓｔ ｏ ｒ ａ ｆＳ ａ ｇ ａ ｒｔ ｍｅ Ｕｎ ｖ ｒｉｙ
Ｖｏ１２ ＮＯ． ．９ ４ Ｄｅ ． ２ ０８ ｃ ０
文 章 编 号 ：６ ２—９ ９ （ ０ ８ ０ － ０ ９ ０ １７ ４ ８ ２０ ） ４０ ２ －５
散 货航 运 市场预 测方 法 的改善 ．
关 键词 ：Ｂ Ｉ Ｄ ； 益率序 列 ；平稳性 ； 方 差性 Ｃ ；Ｂ Ｉ 收 异 中 图分 类号 ： ５ ５ Ｆ ５ Ｆ ０ ；５ ０ 文 献标 志码 ： Ａ
Ａｎ ｌ ｓｓ ｏ ｌｉ ｐ ｓｚ ｎ ｅ ｏ ａ ｉ ｔ ａ ｙ ｉ ｎ Ｂａ ｔｃ Ｃａ ｅ ｉ ｅ Ｉ ｄ ｘ ｖ ｌ ｔｌ ｙ ｉ
分析 和检验 ， 验证 了 Ｂ Ｉ 月对数序 列 存在 单位根 ， 非平 稳序 列 ， 从 随机 游走 的假 设． Ｂ Ｉ Ｃ半 是 服 对 Ｃ 半 月对数 收益 率序 列进 行 单 位 根 稳 的． 过 使 用 ＢＩ 通 Ｇ Ｒ Ｈ（ ， ） 型 分析发 现 ， Ｃ 半 月对数 收益 率序 列有 明显 的 波动 集 聚 效应 ． Ａ Ｃ １１ 模 ＢＩ 结论 可 用 于 国际干
波罗的海干散货运价指数波动性研究
（ ａ ｓ ｏ ｔ ｔｏ ａ ａ ｅ ｅ ｔＣｏ ｌｇ ，Ｄａ ｉｎ Ｍ ａ ｉ ｍｅ Ｕｎ ｖ ｒ ｉｙ Ｔｒ ｎ ｐ ｒ ａ ｉ ｎ Ｍ ｎ ｇ ｍ ｎ ｌ ｅ ｅ ｌ ｒｔ ｉ ｅ ｓｔ ，Ｄａ ｉ ｎ １ ６ ２ ，Ｃｈ ｎ ） ａ ｉ ｌ １ ０ ６ ａ ｉ ａ
Ａｂ ｔ ａ ｔ ｓｒ ｃ ：Ａ ｏ ａ ｉｉｙ ｍ ｏ ｌｏｆｆ ｅｇ ｎｄ ｘ ｉ ｓ ａ ｉｈｅ ｖ ｌ ｔｌｔ ｄｅ ｒ ｉｈｔｉ ｅ ｓ ｅ ｔ ｂｌ ｓ ｄ，ｂａ ｅ ｎ Ｇ ｅ ｒ ｌＡ ｕ ｏｒ ｇ ｅｓ ｉｅ Ｃｏ ｉｉ ｎ ｅ ｅ ｓ — ｓ ｄ ｏ ｎｅ ａ ｔ ｅ ｒ ｓｖ ｎｄ ｔｏ ａｌＨ ｒ ｏ ｋｅ ｄ ｓ ｉｉｙ （ ａ ｔｃｔ ＧＡ ＲＣＨ ） ｍｏｄ ｌｉｔｒ ｔ ｌ ｃ ｕａ ｉｎ ｉ ｎ ｅ ｎ ｔｏｎ ｌｓ ｐ— ｅ ｎ ｏｒ ｒ ｔ ｄｅ ｓ ａ ｄ ｔ ｅ ｃ ａ ａ ｔ ｒｓ ｉｓｏｆｆ ｅｇ ａ ｅ ｆｕ ｔ ｔｏ ｎ ｉ ｔ ｒ ａ ｉ ａ ｈｉ
ｃ ｕｌ ｅｌ ｃ ｈｅｓ ｎ ｉｉｉｙａ ｒ ｉｔ ｎ ｅｏｆＢａ ｔｃｄｒ — ｌ ｎ ｘ ｆｕ ｔ ａ ｉ ｎｓｖ ｒ ｌ Ｓ ｓｔ ｏ ｄｅａ ｓ ｉｎｔｆｃ ｏ ｄ ｒ ｆｅ ｔｔ ｅ ｓｔｖｔ ｎｄ ｐｅ ｓｓ ｅ ｃ ｌｉ ｙ ｂｕｋ ｉｄｅ ｌ ｃ ｕ ｔｏ ｅ ｙ ｗｅｌ Ｏ ａ ｏ ｐｒ ｖｉ ｃｅ ｉｉ ｄｅ ｉｉ － ａ ｎｇ ｓ ｐｏ ｔｆ ｒｓ ｐｐ ｎ ｃ ｓｏｎ ｍ ｋｉ ｕｐ ｒ ｏ ｈｉ ｉ ｇ ｏｐｅ ａ ｉｎ． ｒ ｔｏ Ｋ ｅ ｒ ｓ：ｔ ａ ｆｃ ｔａ ｐ ｒ ｃ ｏ ｉｓ；ｄｒ － ｌ ｆｅｇｈ ｎ ｅｘ；Ｇ ＡＲＣＨ ；ｍ ｏ ｌ ａ ｙ ｗｏ ｄ ｒ ｆｉ ｒ ｎｓ ｏ ｔｅ ｏｎ ｍ ｃ ｙ ｂｕ ｋ； ｒ ｉ ｔｉ ｄ ｄｅ ；ｌ ｗ
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
波罗的海干散货运价指数影响因素分析
波罗的海干散货运价指数（Baltic Dry Index，简称BDI）是反映国际干散货市场行情的一个重要指标，也是全球经济和贸易活动的风向标之一。
波罗的海干散货运价指数的变
动对全球经济和贸易有着重要的影响。
本文将从供需关系、货运航线、天气、政治因素等
多个方面进行分析，探讨波罗的海干散货运价指数的影响因素。
1. 供需关系
波罗的海干散货运价指数的变动在很大程度上受到供需关系的影响。
供给方面，波罗
的海地区的船舶装载量、装卸速度以及运输能力等都会对干散货的供给产生影响。
需求方面，则体现在全球贸易活动的变化、国际贸易政策变动以及不同国家经济发展状况等因
素。
当供给增加或需求减少时，运价指数会下跌；相反，当供给减少或需求增加时，运价
指数会上涨。
供需关系是波罗的海干散货运价指数变动的重要影响因素之一。
2. 货运航线
一些国家之间因为政治紧张关系而导致贸易活动减少，或者某些国家出现经济危机而
导致贸易需求下降，这些都会对相应的货运航线产生影响，从而影响到波罗的海干散货运
价指数的变动。
3. 天气
天气因素是影响波罗的海干散货运价指数的另一个重要因素。
恶劣的天气条件会影响
船舶的航行安全和效率，从而导致货运航线的调整和航程延长，增加运输成本，进而影响
到干散货的运价。
飓风、台风等恶劣天气条件会导致一些运输航线的关闭或者临时停航，
这都会对波罗的海干散货运价指数产生影响。
4. 政治因素
政治因素也是影响波罗的海干散货运价指数的一个重要因素。
不同国家之间的政治关系、贸易政策、经济制裁等因素都会对全球贸易活动和干散货运输产生重要影响。
一些国
家之间发生贸易战或者制裁导致贸易量大幅下降，这都会对波罗的海干散货运价指数产生
影响。
波罗的海干散货运价指数的变动受到多个因素的共同影响，包括供需关系、货运航线、天气和政治因素等。
只有全面、深入地分析这些因素，才能更准确地了解波罗的海干散货
运价指数的变动规律，并对全球经济和贸易活动的发展趋势做出预测。
希望未来有关部门
和研究机构能够进一步加强对波罗的海干散货运价指数的影响因素研究，为全球经济和贸
易的发展提供更为准确的参考和指导。