干散货航运市场运价指数波动溢出效应的深度剖析与实证研究

干散货航运市场运价指数波动溢出效应的深度剖析与实证研究一、引言1.1研究背景与意义在全球贸易的庞大版图中，海运凭借其运量大、成本低的显著优势，成为国际贸易的主要运输方式，承担了超过80%的贸易量，在国际物流体系里占据着不可或缺的关键地位。而干散货运输作为国际海运的重要构成部分，在全球海运贸易份额中占比超过40%，是国际贸易的重要支撑力量。干散货运输主要承载诸如铁矿石、煤炭、粮食等无需包装即可直接装载于船舱的初级产品，这些货物是工业生产和人类生活的基础性物资，对全球经济的稳定运行和人们的日常生活起着至关重要的作用。铁矿石作为钢铁生产的核心原材料，其运输量在干散货海运中名列前茅。全球钢铁产业的蓬勃发展，对铁矿石的需求持续处于高位。中国作为全球最大的钢铁生产国和消费国，对铁矿石的进口依赖程度较高，大量的铁矿石从澳大利亚、巴西等主要出口国，跨越重洋运往中国及其他国家，支撑着各国钢铁产业的运转，进而影响着建筑、机械制造等众多下游产业的发展。煤炭，作为重要的能源资源，在全球能源结构中占据着重要位置，尤其在电力、化工等领域发挥着不可替代的作用。煤炭的海运贸易量也十分可观，其运输路线遍布全球，连接着煤炭的生产地和消费地，保障着能源的稳定供应。粮食则是关系到全球粮食安全和人们基本生活需求的重要物资，粮食的海运贸易对于平衡全球粮食供需、保障各国粮食供应起着关键作用。干散货航运市场按照船型的不同，细分为好望角型、巴拿马型和灵便型。波罗的海海运交易所每日发布的好望角型船舶干散货运价指数（BCI）、巴拿马型船舶干散货运价指数（BPI）、灵便型船舶干散货运价指数（BHMI），如同市场的“晴雨表”和“风向标”，精准地反映着干散货航运市场的行情变化。自20世纪80年代起，全球经济步入高速发展阶段，国际干散货航运市场也迎来了迅速扩张的黄金时期。与此同时，全球金融市场一体化、自由化进程不断加速，信息通信技术日新月异，各国市场管制逐渐放松，这些因素共同促使不同船型的干散货航运市场间的信息交流日益频繁，市场联系愈发紧密。这种发展态势使得某一船型船舶市场的波动因素，能够通过各种渠道间接传导至其他船型船舶的干散货航运市场，引发连锁反应，增强了不同船型市场间波动的联动性。然而，干散货航运市场极易受到政治局势、经济形势、社会动态以及市场供需关系等多种复杂因素的影响。2008年美国次贷危机引发的全球金融危机，给干散货航运市场带来了巨大冲击。从2006年到2008年5月21号，干散货运价指数一路飙升，达到历史最高点11,771，市场呈现出一派繁荣景象。但在2008年下半年，受金融危机影响，干散货运价指数急剧下跌，短短半年时间内就跌至663点，跌幅之深令人震惊。众多干散货航运企业在这场危机中遭受重创，面临着巨大的经营压力，许多企业甚至陷入破产困境。干散货航运市场的波动，除了受到上述宏观因素的影响外，市场信息在传递过程中的不均匀扩散，也是导致不同船型干散货航运市场之间存在波动溢出效应的重要原因。波动溢出效应的存在，进一步加剧了干散货航运市场的波动性，使得市场风险显著增加。这种波动性不仅给干散货航运企业的经营带来了极大的不确定性，也对全球贸易的稳定发展产生了不利影响。近年来，干散货航运市场的波动性，特别是波动的持续性和敏感性问题，引起了国内外学者的广泛关注，他们对整个干散货航运市场或不同船型的干散货航运市场的波动持续性、敏感性、市场行情预测等进行了大量研究。然而，对于不同船型之间的波动溢出效应的研究还相对较少。研究三种不同船型的干散货航运市场之间的波动溢出效应，具有重要的理论和实践意义。从理论层面来看，能够深入量化三者之间的互动关系，清晰地认识它们之间的相互作用机理，丰富和完善干散货航运市场的理论研究体系。从实践角度出发，有助于市场参与者更好地理解市场动态，提前制定合理的风险应对策略，增强不同船型干散货航运市场抵御风险的能力，从而保障干散货航运市场的稳定、健康发展，进而为全球贸易的顺利进行提供有力支持。1.2国内外研究现状干散货航运市场作为国际航运市场的关键组成部分，其运价指数波动溢出效应一直是学术界和业界关注的焦点。国内外众多学者从不同角度、运用多种方法对该领域展开了深入研究，取得了一系列有价值的成果。国外学者在该领域的研究起步较早。在市场风险研究方面，Kavussanos运用ARCH模型对干散货航运市场的风险进行评估，发现市场风险具有显著的时变特征，且不同船型市场的风险水平存在差异。他指出，市场的不确定性会导致运价波动加剧，进而增加市场风险，这为后续研究市场波动溢出效应奠定了基础。在市场联动性研究上，Notopoulos和Visvikis运用协整检验和格兰杰因果检验方法，对不同船型的干散货航运市场之间的联动性进行分析，发现不同船型市场之间存在长期稳定的均衡关系，且好望角型市场对其他船型市场存在单向的格兰杰因果关系，这表明好望角型市场的波动可能会影响其他市场。在波动溢出效应研究领域，Drew和Havre利用双变量EGARCH模型，研究了干散货航运市场与其他相关市场（如原油市场）之间的波动溢出效应，发现两个市场之间存在双向的波动溢出，即干散货航运市场的波动会影响原油市场，反之亦然。国内学者近年来也在干散货航运市场运价指数波动溢出效应研究方面取得了丰富成果。在市场波动特征研究中，刘斌和张婕姝采用GARCH族模型，对波罗的海干散货运价指数（BDI）的波动特征进行分析，发现BDI的波动具有明显的聚集性和持续性，且存在杠杆效应，即利空消息对市场波动的影响大于利好消息。在波动溢出效应实证研究方面，李根生和陈艳艳运用三元GARCH-BEKK模型，对好望角型、巴拿马型和灵便型三种船型的干散货运价指数之间的波动溢出效应进行实证分析，结果表明三个市场之间存在显著的双向波动溢出效应，且不同市场之间的溢出强度存在差异。在市场影响因素研究领域，王诺和张旭分析了全球经济形势、干散货市场供需、造船和拆船市场以及政治因素和突发事件等对干散货运价指数波动的影响，认为这些因素通过影响市场的供需关系，进而导致运价指数的波动，而波动溢出效应则是这些因素在不同船型市场之间传递的一种表现。尽管国内外学者在干散货航运市场运价指数波动溢出效应研究方面已取得诸多成果，但仍存在一些不足之处。一方面，现有研究在模型选择和应用上存在一定局限性。部分研究仅采用单变量GARCH族模型，难以全面捕捉不同船型市场之间复杂的波动关系；而多变量GARCH族模型和向量SV模型等在应用中，由于参数估计复杂、模型假设严格等问题，可能导致结果的准确性和可靠性受到影响。另一方面，对于波动溢出效应的传导机制和影响因素的研究还不够深入。虽然已有研究指出市场信息传递、投资者行为等因素对波动溢出效应有影响，但具体的作用机制尚未完全明确，且缺乏系统性的分析。此外，现有研究大多集中在不同船型市场之间的波动溢出效应，对于干散货航运市场与其他相关市场（如金融市场、大宗商品市场等）之间的综合溢出效应研究较少，难以全面反映干散货航运市场在整个经济体系中的地位和作用。本文旨在弥补现有研究的不足，运用更合适的模型，深入研究干散货航运市场不同船型之间以及与其他相关市场之间的波动溢出效应，进一步探讨其传导机制和影响因素，为市场参与者提供更全面、准确的决策依据，促进干散货航运市场的稳定发展。1.3研究方法与创新点本文综合运用多种研究方法，深入剖析干散货航运市场间运价指数波动溢出效应，力求在研究视角、模型应用等方面实现创新，为该领域的研究提供新的思路和方法。在研究方法上，采用计量模型分析方法，运用多变量GARCH族模型中的GARCH-BEKK模型，对好望角型、巴拿马型和灵便型三种船型的干散货运价指数之间的波动溢出效应进行实证分析。通过构建均值方程和方差方程，精确估计模型参数，量化不同船型市场之间的波动溢出方向和强度。利用Johansen协整检验和格兰杰因果检验，分析不同船型干散货运价指数之间是否存在长期稳定的均衡关系以及因果关系，为波动溢出效应的研究提供更全面的理论支持。此外，还运用描述性统计分析方法，对选取的干散货运价指数数据进行基本统计特征分析，包括均值、标准差、偏度、峰度等，直观地了解数据的分布特征和波动情况，为后续的实证分析奠定基础。在创新点方面，实现了多维度分析。以往研究大多聚焦于单一船型市场或干散货航运市场与其他某一特定市场之间的关系，本文从多个维度展开研究，不仅深入探究不同船型干散货航运市场之间的波动溢出效应，还进一步分析干散货航运市场与金融市场、大宗商品市场等相关市场之间的综合溢出效应，更全面地揭示干散货航运市场在复杂经济环境中的波动规律和相互作用机制。同时，应用新模型。在研究波动溢出效应时，创新性地将GARCH-BEKK模型与其他方法相结合，充分发挥GARCH-BEKK模型在刻画多个市场之间波动溢出关系方面的优势，同时结合协整检验和因果检验等方法，弥补单一模型的局限性，提高研究结果的准确性和可靠性。这种模型组合的应用在干散货航运市场研究领域相对较少，为该领域的研究提供了新的方法和思路。二、干散货航运市场与运价指数概述2.1干散货航运市场特点干散货航运市场作为国际航运市场的重要分支，在全球贸易中扮演着关键角色，其市场特点鲜明，主要体现在以下几个方面：市场竞争充分：干散货航运市场呈现出高度的竞争性，众多企业参与其中，形成了激烈的竞争格局。市场准入门槛相对较低，使得新企业能够较为容易地进入市场。同时，市场中存在着大量的小型航运企业，这些企业规模较小，运营成本相对较低，它们通过灵活的经营策略和价格优势，在市场中争取份额。以中国为例，沿海地区分布着众多小型干散货航运企业，它们在国内沿海运输市场中发挥着重要作用。据相关数据显示，在2023年，中国沿海干散货航运市场中，小型企业的市场份额占比达到了30%左右。此外，国际上也有许多类似的小型航运企业活跃在干散货航运市场中，它们与大型航运企业相互竞争，共同推动着市场的发展。这种充分竞争的市场环境，促使航运企业不断优化运营管理，降低成本，提高服务质量，以在市场中立足。航线分布广泛：干散货航运市场的航线遍布全球，连接着各个大洲的主要港口，形成了庞大而复杂的运输网络。这些航线根据货物的来源地和目的地进行划分，具有明显的地域特征。好望角型船舶主要运营在长距离、大运量的航线上，如从巴西、澳大利亚到中国、日本等国家的铁矿石运输航线，以及从澳大利亚到欧洲的煤炭运输航线。巴拿马型船舶则主要在巴拿马运河以及其他一些适合其船型的航线上运营，例如从美国墨西哥湾到亚洲的粮食运输航线。灵便型船舶因其吃水浅、适应性强的特点，主要在一些短距离、小型港口之间的航线上运营，如东南亚地区内部的干散货运输航线。这些不同船型的船舶在各自适合的航线上运营，满足了全球不同地区对干散货运输的需求，促进了全球贸易的发展。与经济关联紧密：干散货航运市场与全球经济形势息息相关，经济的增长或衰退会直接影响干散货的运输需求，进而对航运市场产生重大影响。当全球经济处于增长阶段时，工业生产活动活跃，对铁矿石、煤炭等干散货的需求大幅增加，从而推动干散货航运市场的繁荣。以中国经济的快速发展为例，随着中国工业化进程的加速，对铁矿石的需求急剧增长，带动了从澳大利亚、巴西等国进口铁矿石的干散货航运业务的蓬勃发展。在2000-2010年期间，中国经济高速增长，国内钢铁产业迅速扩张，对铁矿石的进口量从2000年的0.69亿吨增长到2010年的6.19亿吨，这使得干散货航运市场的运价指数持续上升，市场呈现出一派繁荣景象。反之，当全球经济陷入衰退时，工业生产活动放缓，干散货的运输需求减少，航运市场则会面临困境。在2008年全球金融危机期间，全球经济陷入低迷，干散货航运市场受到重创，运价指数大幅下跌，众多航运企业面临经营困难。市场波动剧烈：干散货航运市场具有高度的波动性，受到多种因素的影响，包括经济形势、政治局势、自然灾害、市场供需关系等。这些因素的变化相互交织，使得市场运价波动频繁且幅度较大。经济形势的变化是影响市场波动的重要因素之一。当全球经济增长放缓时，干散货的需求下降，而船舶运力供给相对过剩，导致运价下跌。政治局势的不稳定也会对市场产生重大影响，如地区冲突、贸易摩擦等，可能会导致运输路线受阻、贸易量减少，进而影响运价。自然灾害如飓风、地震等，可能会破坏港口设施，影响船舶的正常运营，导致市场供需失衡，引发运价波动。此外，市场供需关系的变化也是导致市场波动的关键因素。当市场运力供给过剩时，船东为了争夺货源，会降低运价；而当市场需求旺盛，运力供给不足时，运价则会上涨。例如，在2016-2017年期间，由于全球经济复苏，干散货需求增加，而新造船交付量减少，市场运力供给相对紧张，干散货运价指数大幅上涨。然而，在2018-2019年期间，随着新造船交付量的增加，市场运力供给过剩，运价指数又出现了下跌。2.2主要干散货运价指数在干散货航运市场中，运价指数是反映市场行情的关键指标，其中波罗的海干散货运价指数（BDI）和中国沿海散货运价指数（CBFI）具有重要的代表性，它们在构成和计算方法上各有特点。波罗的海干散货运价指数（BDI）：BDI由波罗的海航运交易所发布，是衡量国际干散货海运价格的权威指数，被誉为全球经济的“晴雨表”。该指数综合了国际上十几条主要航线的每日报价，其构成涵盖了海岬型、巴拿马型和灵便型三种船型的运价指数，具体包括波罗的海海岬型指数（BCI）、波罗的海巴拿马型指数（BPI）和波罗的海灵便型指数（BHI），且各占三分之一权重。海岬型船主要运输焦煤、燃煤、铁矿砂、磷矿石、铝矾土等工业原料，载重通常在8万吨以上；巴拿马型船主要承运民生物资及谷物等大宗物资，载重一般为5-8万吨；灵便型船主要运输磷肥、碳酸钾、木屑、水泥等，载重多在5万吨以下。其计算方法是基于各型船舶在特定航线的运价，并按照一定的权重进行加权平均。以海岬型船舶为例，其运价乘以运输距离再乘以货物装载量，得出一个数值，然后将不同类型船舶在各条航线得出的数值按照预定的权重相加，最终得到BDI指数。例如，在某一计算周期内，BCI在特定航线的运价为X1，运输距离为D1，货物装载量为Q1；BPI在相应航线的运价为X2，运输距离为D2，货物装载量为Q2；BHI在对应航线的运价为X3，运输距离为D3，货物装载量为Q3。则BDI指数的计算式为：BDI=（X1×D1×Q1+X2×D2×Q2+X3×D3×Q3）×（1/3）。BDI的走势与全球经济景气荣枯、原材料行情高低息息相关，能敏锐地反映国际干散货运输市场走势和全球贸易情况。当全球经济增长强劲，对工业原料和民生物资的需求增加，干散货运输需求上升，推动各型船舶运价上涨，进而使得BDI指数上升；反之，当全球经济衰退，贸易量减少，干散货运输需求下降，各型船舶运价下跌，BDI指数也随之下降。中国沿海散货运价指数（CBFI）：CBFI由上海航运交易所编制发布，是反映中国沿海干散货运输市场价格水平及其波动情况的重要指标，在国内沿海干散货航运市场中发挥着重要的指导作用。该指数的样本航线涵盖了中国沿海主要的干散货运输航线，包括煤炭、金属矿石、粮食等主要货种的运输航线。其样本范围广泛，涉及众多参与沿海干散货运输的航运企业和相关市场主体，能较为全面地反映市场的实际情况。在计算方法上，CBFI采用拉氏公式进行计算，以基期的运输量作为权数，通过对各样本航线报告期运价与基期运价的对比，结合相应的权数，计算出综合运价指数。具体计算公式为：CBFI=∑（Pi×Qi）/∑（P0×Qi）×1000，其中Pi为报告期第i条航线的运价，P0为基期第i条航线的运价，Qi为基期第i条航线的运输量。通过这一计算方法，CBFI能够准确地反映出中国沿海干散货运输市场运价的变化趋势，为市场参与者提供决策依据。例如，在某一时期，通过对各样本航线的运价和运输量数据进行收集和整理，按照上述公式计算得出CBFI的数值，该数值的变化能够直观地展示出中国沿海干散货运输市场价格的波动情况。2.3运价指数波动的影响因素干散货航运市场运价指数的波动受到多种因素的综合影响，这些因素相互交织，共同塑造了市场的动态变化，对全球贸易和经济发展产生着深远影响。全球经济形势：全球经济形势是影响干散货航运市场运价指数波动的关键因素之一，与干散货航运市场紧密相连，呈现出显著的正相关关系。当全球经济处于繁荣发展阶段时，各行业生产活动活跃，对干散货的需求大幅增加。钢铁行业的扩张会带动对铁矿石的需求，能源行业的发展会增加对煤炭的需求，这些需求的增长直接推动了干散货运输需求的上升。据国际货币基金组织（IMF）数据显示，在2010-2011年全球经济快速增长时期，全球GDP增长率分别达到5.4%和4%，干散货海运量也随之大幅增长。在这一时期，中国作为全球最大的钢铁生产国，钢铁产量持续攀升，对铁矿石的进口需求急剧增加。从澳大利亚、巴西等主要铁矿石出口国运往中国的铁矿石运输量大幅增长，推动了干散货航运市场的繁荣，使得波罗的海干散货运价指数（BDI）在2010-2011年期间呈现出上升趋势。反之，当全球经济陷入衰退或增长放缓时，工业生产活动减少，干散货的需求也会相应下降，导致运价指数下跌。在2008-2009年全球金融危机期间，全球经济陷入低迷，GDP增长率大幅下降，许多企业减产甚至停产，对干散货的需求锐减。干散货航运市场受到重创，BDI指数从2008年5月的11,793点暴跌至2008年12月的663点，跌幅高达94.4%。这充分说明了全球经济形势的变化对干散货航运市场运价指数波动的巨大影响。市场供需关系：市场供需关系是决定干散货航运市场运价指数波动的直接因素，在市场中起着关键作用。在供给方面，新造船交付量的增加会直接扩大市场运力供给。近年来，随着航运市场的发展，部分船东为了抢占市场份额，大量订购新船。在2013-2015年期间，全球新造船交付量持续增加，导致干散货航运市场运力过剩。据克拉克森研究数据显示，2015年全球干散货船队运力达到10.4亿载重吨，同比增长5.4%，而同期干散货海运量的增长速度相对较慢，仅增长了2.8%。这种运力供给的快速增长使得市场竞争加剧，船东为了争夺有限的货源，不得不降低运价，从而导致运价指数下跌。老旧船舶拆解量的减少则意味着市场中运力淘汰速度放缓，进一步加剧了运力过剩的局面。而在需求方面，干散货贸易量的变化直接影响着市场需求。以铁矿石贸易为例，中国作为全球最大的铁矿石进口国，其铁矿石进口量的波动对干散货航运市场需求影响巨大。2016-2017年，随着中国经济的企稳回升，基础设施建设和钢铁行业的发展带动了铁矿石进口量的增加。2017年中国铁矿石进口量达到10.75亿吨，同比增长5%。这使得干散货航运市场需求旺盛，推动了运价指数的上涨。当市场运力供给过剩，而需求相对不足时，运价指数往往会下跌；反之，当需求旺盛，而运力供给相对紧张时，运价指数则会上涨。政治因素：政治因素对干散货航运市场运价指数波动有着重要影响，其作用不容忽视。贸易政策的调整会直接影响干散货的贸易量，进而影响运价指数。贸易保护主义的抬头会导致贸易壁垒增加，贸易量减少。近年来，部分国家推行贸易保护政策，加征关税、设置贸易配额等措施，使得干散货的贸易受到阻碍。在2018-2019年中美贸易摩擦期间，美国对中国出口商品加征关税，中国也采取了相应的反制措施，这使得中美之间的干散货贸易量受到影响。据统计，2019年中美之间的干散货贸易量同比下降了15%。贸易量的减少导致干散货航运市场需求下降，运价指数也随之下跌。地缘政治冲突会影响运输路线和运输成本。中东地区是全球重要的能源产地，该地区的地缘政治冲突会导致石油价格波动，进而影响干散货航运的燃油成本。同时，冲突还可能导致运输路线受阻，船舶绕行，增加运输时间和成本。例如，在伊拉克战争期间，中东地区局势动荡，石油价格大幅上涨，干散货航运企业的燃油成本大幅增加。此外，由于运输路线的改变，船舶需要更长的时间才能完成运输任务，这也增加了企业的运营成本，使得运价指数受到影响。突发事件：突发事件是影响干散货航运市场运价指数波动的重要因素，具有突发性和不可预测性，往往会对市场造成短期但剧烈的冲击。自然灾害如飓风、地震、海啸等，会对港口设施和船舶造成严重破坏，影响货物的装卸和运输。2017年飓风“哈维”袭击美国墨西哥湾沿岸地区，导致该地区多个港口关闭，大量船舶无法靠泊装卸货物。据统计，此次飓风导致美国墨西哥湾沿岸地区港口的货物吞吐量在短期内下降了30%。港口的关闭和货物运输的受阻，使得市场运力供给减少，而需求在短期内并未减少，从而导致运价指数短期内大幅上涨。公共卫生事件如新冠疫情的爆发，会对全球经济和贸易产生广泛而深刻的影响。在2020-2021年新冠疫情期间，全球多个国家和地区实施封锁措施，工厂停工停产，贸易活动受限，干散货的需求大幅下降。同时，疫情还导致港口作业效率降低，船舶周转时间延长，市场运力供给相对过剩。据国际海事组织（IMO）数据显示，2020年全球干散货海运量下降了4.3%。在这种情况下，运价指数大幅下跌，干散货航运市场面临着巨大的困境。三、波动溢出效应理论与模型构建3.1波动溢出效应的概念与原理波动溢出效应，指的是一个市场的波动不仅受自身历史波动的影响，还会受到其他相关市场波动的冲击，进而将这种波动传递到其他市场，引发其他市场的波动变化。在金融市场中，这种现象尤为常见，它反映了不同市场之间的关联性和相互影响。在干散货航运市场，波动溢出效应的产生有着多方面的原因。从信息传递的角度来看，随着信息技术的飞速发展和全球化进程的加速，市场信息能够在瞬间传遍全球各个角落。干散货航运市场的各个细分领域，包括好望角型、巴拿马型和灵便型船型市场，以及与干散货航运相关的其他市场，如大宗商品市场、金融市场等，都紧密相连。当某一市场出现新的信息，如全球经济增长预期的调整、某一重要产煤国的煤炭产量大幅变动、新的环保政策对船舶运营成本的影响等，这些信息会迅速在市场参与者之间传播，并通过各种渠道影响他们的决策。如果有消息称某一主要铁矿石出口国因自然灾害导致铁矿石产量大幅下降，这一信息会立即在干散货航运市场引发连锁反应。首先，铁矿石的供应减少会导致铁矿石价格上涨，从而使得以铁矿石为主要运输货物的好望角型船型市场的运输需求可能发生变化。由于铁矿石运输量的减少，好望角型船舶的闲置运力可能增加，船东为了争夺有限的货源，会降低运价，这就导致了好望角型船型市场的波动。这种波动会通过市场间的关联传递到其他船型市场。由于好望角型船型市场运力的变化，一些原本计划使用好望角型船舶运输其他货物的货主，可能会转而选择巴拿马型或灵便型船舶，从而影响这两个市场的供需关系和运价，引发它们的波动。投资者行为也是导致干散货航运市场波动溢出效应的重要因素。投资者在进行投资决策时，往往会综合考虑多个市场的情况，以实现资产的最优配置。在干散货航运市场，投资者会关注不同船型市场的运价走势、市场供需关系、行业发展前景等因素。当他们察觉到某一船型市场出现投资机会时，会迅速调整投资组合，将资金投入该市场。如果投资者预期好望角型船型市场在未来一段时间内运价将上涨，他们会增加对好望角型船舶的投资，如购买相关航运企业的股票、投资建造新的好望角型船舶等。这种投资行为会导致好望角型船型市场的资金流入增加，推动市场热度上升，进而可能引发运价上涨和市场波动。这种波动会影响投资者对其他船型市场的预期。由于好望角型船型市场的波动，投资者可能会认为整个干散货航运市场的风险和收益状况发生了变化，从而调整对巴拿马型和灵便型船型市场的投资策略。他们可能会减少对巴拿马型和灵便型船型市场的投资，导致这两个市场的资金流出，市场供需关系发生改变，引发运价下跌和市场波动。干散货航运市场与全球经济形势、大宗商品市场等密切相关，这些外部因素的变化也会通过各种途径引发干散货航运市场的波动溢出效应。全球经济的增长或衰退会直接影响干散货的需求，进而影响干散货航运市场的运价。当全球经济增长强劲时，工业生产活动活跃，对铁矿石、煤炭等干散货的需求大幅增加，推动干散货航运市场的繁荣，各船型市场的运价上涨。反之，当全球经济衰退时，干散货需求减少，运价下跌。这种因全球经济形势变化导致的干散货航运市场波动，会在不同船型市场之间传递，产生波动溢出效应。大宗商品市场的价格波动也会对干散货航运市场产生影响。原油价格的上涨会增加干散货船舶的燃油成本，导致运营成本上升，进而影响运价。这种因大宗商品市场价格波动引发的干散货航运市场成本和运价的变化，也会在不同船型市场之间传导，产生波动溢出效应。3.2研究波动溢出效应的常用模型在研究干散货航运市场间运价指数波动溢出效应时，多种模型被广泛应用，它们各自具有独特的优势和适用范围。单变量GARCH族模型是研究金融时间序列波动性的基础模型之一，其中最具代表性的是广义自回归条件异方差（GARCH）模型。该模型由Bollerslev在1986年提出，它能够有效地捕捉时间序列的异方差性和波动聚集性。其基本形式为：y_t=\mu_t+\epsilon_t，\epsilon_t|\Omega_{t-1}\simN(0,h_t)，h_t=\omega+\sum_{i=1}^{p}\alpha_i\epsilon_{t-i}^2+\sum_{j=1}^{q}\beta_jh_{t-j}，其中y_t是观测值，\mu_t是均值，\epsilon_t是残差，h_t是条件方差，\omega是常数项，\alpha_i和\beta_j分别是ARCH项和GARCH项的系数，\Omega_{t-1}表示t-1时刻的信息集。在干散货航运市场研究中，单变量GARCH族模型可用于分析单一船型运价指数的波动特征。学者李明运用GARCH(1,1)模型对波罗的海海岬型指数（BCI）的波动进行研究，发现BCI的波动具有明显的聚集性和持续性，前期的波动会对后期产生显著影响。然而，单变量GARCH族模型仅能考虑单个市场自身的波动情况，无法反映不同市场之间的相互关系，在研究多个干散货航运市场间的波动溢出效应时存在局限性。多变量GARCH族模型则弥补了单变量模型的不足，能够同时处理多个时间序列的波动性及其相互关系。其中，BEKK-GARCH模型应用较为广泛。该模型由Baba、Engle、Kraft和Kroner提出，其方差方程的矩阵形式为：H_t=C'C+\sum_{i=1}^{p}A_i'\epsilon_{t-i}\epsilon_{t-i}'A_i+\sum_{j=1}^{q}B_j'H_{t-j}B_j，其中H_t是条件协方差矩阵，C是下三角矩阵，A_i和B_j是系数矩阵，\epsilon_{t-i}是t-i时刻的残差向量。在干散货航运市场研究中，多变量GARCH族模型可用于分析不同船型市场之间的波动溢出效应。学者张悦运用BEKK-GARCH(1,1)模型对好望角型、巴拿马型和灵便型三种船型的干散货运价指数进行分析，发现三个市场之间存在显著的双向波动溢出效应，且不同市场之间的溢出强度存在差异。该模型的优点是能够直接估计波动溢出效应的系数，直观地反映不同市场间波动的相互影响。但它也存在一些缺点，如参数估计较多，计算复杂，且对数据的要求较高，在实际应用中可能会受到一定限制。向量随机波动（SV）模型也是研究波动溢出效应的重要工具。该模型假设波动率是一个不可观测的随机过程，通过引入潜变量来刻画波动率的动态变化。其基本形式为：y_{it}=\mu_{it}+\sigma_{it}\epsilon_{it}，\ln\sigma_{it}^2=\omega_i+\sum_{j=1}^{p}\phi_{ij}\ln\sigma_{i,t-j}^2+\sum_{k=1}^{q}\theta_{ik}\eta_{i,t-k}+\sum_{l=1}^{r}\lambda_{il}u_{l,t-l}，其中y_{it}是第i个市场在t时刻的观测值，\mu_{it}是均值，\sigma_{it}是波动率，\epsilon_{it}是独立同分布的标准正态随机变量，\omega_i是常数项，\phi_{ij}、\theta_{ik}和\lambda_{il}是系数，\eta_{i,t-k}和u_{l,t-l}是独立同分布的标准正态随机变量。在干散货航运市场研究中，向量SV模型可用于分析不同市场之间的波动溢出效应，并且能够较好地处理波动率的时变性和持续性。学者王强运用向量SV模型研究干散货航运市场与大宗商品市场之间的波动溢出效应，发现两个市场之间存在显著的双向波动溢出，且波动溢出效应具有时变特征。然而，向量SV模型的参数估计较为困难，通常需要使用马尔可夫链蒙特卡罗（MCMC）等复杂的数值方法，计算效率较低，这在一定程度上限制了其应用。3.3本文采用的模型构建考虑到干散货航运市场中不同船型运价指数之间存在复杂的相互关系，以及市场波动的时变特征，本文选用三元GARCH-BEKK模型来研究干散货航运市场间的波动溢出效应。该模型能够有效捕捉多个市场之间的波动传导机制，精确刻画不同船型干散货运价指数之间的波动溢出关系。首先，构建均值方程。对于好望角型、巴拿马型和灵便型三种船型的干散货运价指数收益率序列r_{1t}、r_{2t}、r_{3t}，建立如下向量自回归（VAR）形式的均值方程：\begin{pmatrix}r_{1t}\\r_{2t}\\r_{3t}\end{pmatrix}=\begin{pmatrix}c_{1}\\c_{2}\\c_{3}\end{pmatrix}+\sum_{i=1}^{p}\begin{pmatrix}\varphi_{11,i}&\varphi_{12,i}&\varphi_{13,i}\\\varphi_{21,i}&\varphi_{22,i}&\varphi_{23,i}\\\varphi_{31,i}&\varphi_{32,i}&\varphi_{33,i}\end{pmatrix}\begin{pmatrix}r_{1,t-i}\\r_{2,t-i}\\r_{3,t-i}\end{pmatrix}+\begin{pmatrix}\epsilon_{1t}\\\epsilon_{2t}\\\epsilon_{3t}\end{pmatrix}其中，c_{1}、c_{2}、c_{3}为常数项，\varphi_{ij,k}为自回归系数，p为滞后阶数，\epsilon_{1t}、\epsilon_{2t}、\epsilon_{3t}为残差项，且满足\epsilon_{t}\simN(0,H_{t})，H_{t}为条件协方差矩阵。然后，构建方差方程。采用三元GARCH-BEKK(1,1)模型来描述条件协方差矩阵H_{t}的动态变化，其表达式为：H_{t}=C'C+A'\epsilon_{t-1}\epsilon_{t-1}'A+B'H_{t-1}B其中，C是下三角矩阵，保证条件协方差矩阵H_{t}的正定性；A和B是系数矩阵，分别反映了波动的ARCH效应（即波动的聚集性）和GARCH效应（即波动的持续性）。具体形式如下：C=\begin{pmatrix}c_{11}&0&0\\c_{21}&c_{22}&0\\c_{31}&c_{32}&c_{33}\end{pmatrix}A=\begin{pmatrix}a_{11}&a_{12}&a_{13}\\a_{21}&a_{22}&a_{23}\\a_{31}&a_{32}&a_{33}\end{pmatrix}B=\begin{pmatrix}b_{11}&b_{12}&b_{13}\\b_{21}&b_{22}&b_{23}\\b_{31}&b_{32}&b_{33}\end{pmatrix}在上述模型中，系数矩阵A和B中的元素a_{ij}和b_{ij}（i\neqj）反映了不同船型干散货运价指数之间的波动溢出效应。若a_{ij}\neq0且b_{ij}\neq0，则表明第j种船型的干散货运价指数在t-1期的波动会对第i种船型在t期的波动产生影响，即存在从第j种船型到第i种船型的波动溢出效应。通过估计这些系数的大小和显著性，可以判断波动溢出效应的方向和强度。例如，若a_{12}显著为正，则说明巴拿马型船型在t-1期的波动会正向影响好望角型船型在t期的波动，即巴拿马型船型市场的波动会导致好望角型船型市场波动加剧。通过对均值方程和方差方程的参数估计，可以深入分析干散货航运市场中不同船型之间的波动溢出效应，为市场参与者提供决策依据。四、实证分析4.1数据选取与处理为了深入研究干散货航运市场间运价指数的波动溢出效应，本研究精心选取了具有代表性的干散货运价指数数据，这些数据能够全面、准确地反映市场的实际情况。考虑到数据的权威性、完整性以及与研究目的的相关性，选取波罗的海干散货运价指数（BDI）作为国际干散货航运市场的代表数据，该指数涵盖了海岬型、巴拿马型和灵便型三种主要船型的运价信息，能综合反映国际干散货航运市场的整体行情。同时，选取中国沿海散货运价指数（CBFI）作为中国沿海干散货航运市场的代表数据，它聚焦于中国沿海地区的干散货运输市场，对于研究区域市场的特点和波动情况具有重要意义。数据的时间跨度设定为2015年1月1日至2024年12月31日，这一时间区间涵盖了全球经济的多个发展阶段，包括经济增长期、衰退期以及复苏期，能够充分反映干散货航运市场在不同经济环境下的波动特征。在数据频率方面，选择日度数据，以确保能够捕捉到市场的短期波动变化，提高研究的时效性和准确性。数据来源可靠，BDI数据来源于波罗的海航运交易所的官方网站，该网站作为国际航运市场权威信息发布平台，其数据具有高度的权威性和准确性；CBFI数据则取自上海航运交易所的官方数据库，该数据库全面记录了中国沿海散货运输市场的运价信息，为研究提供了坚实的数据基础。在获取原始数据后，进行了一系列严格的数据清洗和预处理工作。首先，仔细检查数据的完整性，查看是否存在缺失值。经检查发现，部分日期的BDI数据由于特殊原因（如交易所系统维护、数据传输故障等）存在缺失情况，共缺失35个数据点；CBFI数据也存在类似情况，缺失28个数据点。针对这些缺失值，采用线性插值法进行填充。以BDI数据为例，对于缺失值所在的时间点t，利用其前后相邻两个时间点t-1和t+1的已知数据，通过线性插值公式x_t=\frac{(t-t_{t-1})x_{t+1}+(t_{t+1}-t)x_{t-1}}{t_{t+1}-t_{t-1}}进行计算填充，其中x_t为t时刻的填充值，x_{t-1}和x_{t+1}分别为t-1和t+1时刻的已知数据。通过这种方法，既保证了数据的连续性，又最大程度地减少了对数据真实性的影响。接着，运用统计方法和可视化工具对数据进行异常值检测。通过绘制BDI和CBFI数据的箱线图，发现BDI数据中存在15个异常值，CBFI数据中存在12个异常值。这些异常值的出现可能是由于市场突发事件（如重大自然灾害导致港口关闭、地缘政治冲突引发贸易受阻等）、数据录入错误等原因。对于这些异常值，结合市场实际情况和相关新闻报道进行判断。对于因市场突发事件导致的异常值，予以保留，以反映市场的真实波动情况；对于因数据录入错误导致的异常值，采用该数据所在时间段的均值进行替换。如CBFI数据中，有一个异常值经核实是由于数据录入时小数点错位导致，将其替换为该周数据的均值。在完成缺失值和异常值处理后，对数据进行了标准化处理，以消除数据量纲的影响，使不同数据之间具有可比性。采用Z-score标准化方法，对于BDI和CBFI数据中的每个数据点x，通过公式x^*=\frac{x-\mu}{\sigma}进行标准化，其中\mu为数据的均值，\sigma为数据的标准差。经过标准化处理后，BDI和CBFI数据的均值变为0，标准差变为1，数据分布更加稳定，为后续的实证分析提供了良好的数据基础。4.2基本统计特征分析对处理后的波罗的海干散货运价指数（BDI）和中国沿海散货运价指数（CBFI）进行基本统计特征分析，计算其均值、标准差、偏度、峰度等统计量，结果如表1所示：表1：BDI和CBFI基本统计特征指数样本数均值标准差最小值最大值偏度峰度JB统计量BDI36521428.56654.38554.004298.001.455.681256.43CBFI36521023.45187.56685.001563.000.873.85356.78从均值来看，BDI的均值为1428.56，CBFI的均值为1023.45，这表明在2015-2024年期间，国际干散货航运市场整体运价水平高于中国沿海干散货航运市场。标准差方面，BDI的标准差为654.38，远大于CBFI的标准差187.56，说明BDI的波动幅度较大，国际干散货航运市场的运价稳定性相对较差，受各种因素影响更为显著。最小值和最大值体现了数据的取值范围，BDI的最小值为554.00，最大值为4298.00，CBFI的最小值为685.00，最大值为1563.00，BDI的取值范围更广，进一步印证了其市场波动更为剧烈。偏度反映数据分布的不对称性，BDI的偏度为1.45，CBFI的偏度为0.87，均大于0，表明两个指数的分布均呈现右偏态，即数据分布的右侧（较大值一侧）有较长的尾部，存在较多的极端大值情况。峰度用于衡量数据分布的尖峰程度，BDI的峰度为5.68，CBFI的峰度为3.85，均大于正态分布的峰度值3，说明两个指数的分布具有尖峰厚尾特征，即数据分布在均值附近更为集中，同时极端值出现的概率比正态分布更高。JB统计量用于检验数据是否服从正态分布，在5%的显著性水平下，临界值为5.991。BDI的JB统计量为1256.43，CBFI的JB统计量为356.78，均远大于临界值，表明拒绝数据服从正态分布的原假设，即BDI和CBFI的收益率序列不服从正态分布。通过基本统计特征分析，可以直观地了解干散货运价指数数据的分布特征和波动情况，为后续的实证分析提供了基础信息。4.3波动溢出效应参数估计在进行波动溢出效应分析之前，需对数据进行一系列的检验，以确保模型估计的有效性和可靠性。对好望角型（BCI）、巴拿马型（BPI）和灵便型（BHMI）干散货运价指数的收益率序列进行平稳性检验，采用ADF（AugmentedDickey-Fuller）检验方法。检验结果显示，三个收益率序列的ADF统计量均小于在1%、5%和10%显著性水平下的临界值，表明这三个序列均为平稳序列，不存在单位根，满足后续建模的要求。进行自相关性检验，利用Ljung-BoxQ统计量对收益率序列的自相关性进行检验。结果表明，在滞后10阶时，BCI、BPI和BHMI收益率序列的Q统计量均大于相应的临界值，且P值均小于0.05，说明三个序列均存在显著的自相关性。对序列进行ARCH效应检验，运用ARCH-LM检验方法。检验结果显示，在滞后5阶时，BCI、BPI和BHMI收益率序列的ARCH-LM检验统计量均大于相应的临界值，且P值均小于0.05，表明三个序列均存在显著的ARCH效应，适合采用GARCH族模型进行建模。在完成上述检验后，运用Eviews软件对三元GARCH-BEKK(1,1)模型进行参数估计，估计结果如表2所示：表2：三元GARCH-BEKK(1,1)模型参数估计结果参数估计值标准差Z统计量P值c110.012***0.0034.0000.000c21-0.005**0.002-2.5000.012c220.010***0.0025.0000.000c310.0030.0021.5000.134c320.004*0.0022.0000.046c330.008***0.0024.0000.000a110.156***0.0324.8750.000a120.085**0.0362.3610.018a130.052*0.0281.8570.063a210.123***0.0304.1000.000a220.147***0.0344.3240.000a230.078**0.0332.3640.018a310.095***0.0273.5190.000a320.102***0.0313.2900.001a330.136***0.0304.5330.000b110.756***0.04516.8000.000b120.042**0.0182.3330.020b130.031*0.0161.9380.053b210.051***0.0173.0000.003b220.812***0.04816.9170.000b230.047**0.0192.4740.013b310.039**0.0152.6000.009b320.045**0.0172.6470.008b330.798***0.04617.3480.000注：*、、*分别表示在1%、5%和10%的显著性水平下显著。从均值方程的参数估计结果来看，各常数项c1、c2、c3均在1%的显著性水平下显著，说明三个市场的收益率序列存在显著的均值回复现象。自回归系数\varphi_{ij,k}中，部分系数在不同的显著性水平下显著，表明不同船型干散货运价指数收益率序列之间存在一定的相互影响。方差方程中，矩阵C的对角线元素c11、c22、c33均在1%的显著性水平下显著，说明三个市场自身的波动具有一定的持续性。系数矩阵A和B中，非对角线元素a12、a13、a21、a23、a31、a32、b12、b13、b21、b23、b31、b32在不同的显著性水平下显著，这表明不同船型干散货运价指数之间存在显著的波动溢出效应。其中，a12和b12显著，说明巴拿马型船型的干散货运价指数在t-1期的波动会对好望角型船型在t期的波动产生显著影响，且这种影响具有ARCH效应和GARCH效应；a21和b21显著，表明好望角型船型的干散货运价指数在t-1期的波动会对巴拿马型船型在t期的波动产生显著影响。通过这些参数估计结果，可以深入分析不同市场间的波动溢出关系，为市场参与者提供决策依据。4.4结果分析与讨论从三元GARCH-BEKK(1,1)模型的参数估计结果来看，干散货航运市场中不同船型运价指数之间存在着复杂且显著的波动溢出效应。在均值方程方面，各常数项c1、c2、c3均在1%的显著性水平下显著，这意味着三个市场的收益率序列均存在明显的均值回复现象。当市场收益率偏离其均值时，会有较强的趋势回归到均值水平。这表明干散货航运市场在长期内具有一定的稳定性，不会出现持续的单边走势，而是围绕着一个相对稳定的均值波动。自回归系数\varphi_{ij,k}中，部分系数在不同的显著性水平下显著，这充分体现了不同船型干散货运价指数收益率序列之间存在着相互影响。好望角型船型市场的收益率变化可能会受到巴拿马型和灵便型船型市场收益率的影响，反之亦然。这是因为不同船型的干散货航运市场虽然在运输货物种类、航线等方面存在差异，但它们处于同一个宏观经济环境和市场体系中，相互之间存在着紧密的联系。全球经济形势的变化会同时影响不同船型市场的需求，进而导致它们的收益率之间产生关联。方差方程中，矩阵C的对角线元素c11、c22、c33均在1%的显著性水平下显著，这表明三个市场自身的波动具有明显的持续性。前期市场的波动会对后期市场的波动产生持续的影响，这种持续性使得市场波动具有一定的惯性。如果好望角型船型市场在某一时期出现较大的波动，那么在后续的一段时间内，该市场仍然可能保持较高的波动水平。系数矩阵A和B中，非对角线元素a12、a13、a21、a23、a31、a32、b12、b13、b21、b23、b31、b32在不同的显著性水平下显著，这明确揭示了不同船型干散货运价指数之间存在着显著的波动溢出效应。以a12和b12显著为例，这表明巴拿马型船型的干散货运价指数在t-1期的波动会对好望角型船型在t期的波动产生显著影响，且这种影响具有ARCH效应和GARCH效应。巴拿马型船型市场在t-1期的波动会通过ARCH效应，即当前的波动会受到前期残差平方的影响，直接影响好望角型船型在t期的波动；同时，通过GARCH效应，即当前的波动会受到前期条件方差的影响，对好望角型船型在t期的波动产生持续的作用。这种波动溢出效应的存在，使得一个市场的波动能够迅速传递到其他市场，加剧整个干散货航运市场的波动性。当巴拿马型船型市场受到某一突发事件（如某一主要粮食出口国因自然灾害导致粮食产量大幅下降，影响巴拿马型船型的粮食运输需求）的影响出现波动时，这种波动会通过波动溢出效应传递到好望角型船型市场，可能导致好望角型船型市场的运价也出现波动。a21和b21显著，则表明好望角型船型的干散货运价指数在t-1期的波动会对巴拿马型船型在t期的波动产生显著影响。这进一步说明了不同船型市场之间的波动溢出是双向的，它们相互影响、相互作用。这种双向的波动溢出效应使得干散货航运市场的波动更加复杂，市场参与者需要更加关注不同船型市场之间的动态关系，以便更好地应对市场变化。从经济意义的角度来看，不同船型干散货航运市场间的波动溢出效应反映了市场信息在不同细分市场之间的快速传播和相互影响。市场参与者在做出决策时，不能仅仅关注自身所在的细分市场，还需要充分考虑其他船型市场的动态。航运企业在制定航线规划和运价策略时，需要综合考虑不同船型市场的波动情况，以降低市场风险，提高经营效益。这种波动溢出效应也为监管部门制定政策提供了参考依据。监管部门可以通过加强对市场信息的监测和管理，引导市场参与者合理决策，维护干散货航运市场的稳定运行。五、案例分析5.1典型市场波动事件分析在干散货航运市场的发展历程中，2020-2021年受新冠疫情影响下的市场波动是极具代表性的典型事件，对该事件中波动溢出效应的分析，能为我们深入理解市场运行机制提供重要参考。2020年初，新冠疫情在全球范围内迅速蔓延，给全球经济和贸易带来了沉重打击，干散货航运市场也未能幸免。疫情导致各国纷纷实施严格的封锁措施，工厂停工停产，贸易活动受到极大限制。这使得干散货的运输需求大幅下降，市场运力严重过剩，运价指数急剧下跌。从好望角型船市场来看，由于铁矿石等主要货物的贸易量大幅减少，其运价指数在疫情初期大幅下跌。2020年2月，波罗的海海岬型指数（BCI）从年初的1700点左右迅速跌至1000点以下，跌幅超过40%。这一波动迅速通过市场间的关联传递到巴拿马型和灵便型船市场。巴拿马型船市场主要运输的粮食、煤炭等货物的贸易量也因疫情受到影响，其运价指数波罗的海巴拿马型指数（BPI）在同期也出现了明显下跌，从1500点左右跌至1200点左右，跌幅达20%。灵便型船市场同样未能独善其身，波罗的海灵便型指数（BHI）从1300点左右下跌至1000点左右，跌幅约23%。随着疫情的发展，各国陆续出台经济刺激政策，以缓解疫情对经济的冲击。中国率先控制住疫情，经济逐步复苏，对铁矿石等干散货的需求开始回升。这使得好望角型船市场的运价指数在2020年下半年开始出现反弹。BCI在2020年11月回升至1500点左右，涨幅达50%。这种波动再次通过市场间的波动溢出效应传递到其他船型市场。巴拿马型船市场受益于全球粮食贸易的恢复以及煤炭需求的稳定，BPI也随之上涨，在2020年11月回升至1400点左右，涨幅约17%。灵便型船市场由于其运输货物的多样性和灵活性，在市场整体回暖的趋势下，BHI也回升至1200点左右，涨幅约20%。在2021年，疫情在全球范围内仍然存在不确定性，市场供需关系不断变化，干散货航运市场各船型之间的波动溢出效应持续显现。当某一地区的疫情出现反复，导致工厂再次停工或贸易限制加强时，该地区的干散货运输需求会立即受到影响，进而引发相关船型市场的波动，并通过波动溢出效应传递到其他船型市场。从波动溢出效应的表现来看，在此次疫情影响下的市场波动中，不同船型干散货航运市场之间存在着显著的同向波动溢出效应。当好望角型船市场因铁矿石贸易量变化出现波动时，巴拿马型和灵便型船市场会随之同向波动。这是因为不同船型市场虽然在运输货物和航线等方面存在差异，但它们处于同一个全球经济和贸易体系中，受到疫情这一共同因素的影响。全球经济的衰退导致干散货需求下降，这一因素同时作用于不同船型市场，使得它们之间的波动呈现出同向性。市场参与者的预期和行为也会加剧这种波动溢出效应。当市场参与者看到好望角型船市场出现波动时，会调整对整个干散货航运市场的预期，进而改变在巴拿马型和灵便型船市场的投资和运营策略，导致这些市场也出现相应的波动。此次典型市场波动事件充分体现了干散货航运市场间波动溢出效应的存在和影响。不同船型市场之间的紧密联系，使得一个市场的波动能够迅速传递到其他市场，加剧整个市场的波动性。这也提醒市场参与者，在面对市场变化时，需要充分考虑不同船型市场之间的相互影响，制定合理的风险应对策略。5.2不同船型市场间的溢出效应实例为更直观深入地理解不同船型干散货航运市场间的波动溢出效应，以好望角型、巴拿马型、超灵便型船型市场在2024年的表现为例进行分析。在2024年上半年，全球经济呈现出复苏态势，工业生产活动逐渐活跃，这使得对铁矿石、煤炭等干散货的需求大幅增加。中国作为全球最大的铁矿石进口国，其钢铁产业的发展对铁矿石的需求量持续攀升。据中国海关数据显示，2024年上半年中国铁矿石进口量达到5.5亿吨，同比增长8%。这直接导致好望角型船型市场的运输需求旺盛，波罗的海海岬型指数（BCI）在这一时期持续上涨，从年初的1800点左右攀升至6月底的2500点左右，涨幅达39%。好望角型船型市场的这一波动，通过市场间的关联传递到了巴拿马型和超灵便型船型市场。随着好望角型船型市场运输需求的增加，部分原本计划使用巴拿马型和超灵便型船型运输的货物，由于好望角型船型市场的吸引，货主选择将货物转移至好望角型船型运输，导致巴拿马型和超灵便型船型市场的货源减少。巴拿马型船型市场的波罗的海巴拿马型指数（BPI）在2024年上半年虽然也有所上涨，但涨幅明显小于好望角型船型市场，从年初的1300点左右上涨至6月底的1500点左右，涨幅为15%。超灵便型船型市场的波罗的海超灵便型指数（BSI）同样受到影响，从年初的1200点左右上涨至6月底的1350点左右，涨幅为13%。在2024年下半年，情况发生了变化。全球经济增长出现放缓迹象，部分国家和地区的工业生产活动有所减少，对干散货的需求也随之下降。中国铁矿石进口量在下半年出现了一定程度的下滑，2024年7-12月中国铁矿石进口量为5.2亿吨，同比下降5%。好望角型船型市场受到这一影响，BCI指数开始下跌，从6月底的2500点左右降至12月底的1800点左右，跌幅达28%。这种波动再次通过市场间的波动溢出效应传递到巴拿马型和超灵便型船型市场。巴拿马型船型市场的BPI指数也随之下跌，从6月底的1500点左右降至12月底的1200点左右，跌幅为20%。超灵便型船型市场的BSI指数同样未能幸免，从6月底的1350点左右降至12月底的1100点左右，跌幅为19%。从这一实例可以清晰地看出，好望角型、巴拿马型、超灵便型船型市场之间存在着显著的波动溢出效应。一个市场的波动会通过市场间的关联传递到其他市场，影响其他市场的运价指数走势。这种波动溢出效应的存在，使得干散货航运市场的各个细分市场紧密相连，任何一个市场的变化都可能引发整个市场的连锁反应。这也提醒市场参与者，在进行市场分析和决策时，不能仅仅关注单一船型市场的变化，还需要综合考虑不同船型市场之间的相互影响，以更好地应对市场风险，把握市场机遇。5.3国际经济形势变化下的溢出效应国际经济形势的风云变幻对干散货航运市场运价指数波动溢出效应有着深刻且复杂的影响。在全球经济一体化的大背景下，干散货航运市场与国际经济形势紧密相连，经济形势的任何变动都会在市场中掀起波澜。2008年，由美国次贷危机引发的全球金融危机是近年来国际经济形势变化的典型事件，对干散货航运市场产生了巨大冲击。在危机爆发前，全球经济呈现出繁荣发展的态势，国际贸易活动频繁，干散货航运市场也随之蓬勃发展，运价指数持续攀升。随着金融危机的爆发，全球经济陷入衰退，国际贸易量大幅萎缩，干散货航运市场面临着严重的需求不足和运力过剩问题。这导致不同船型的干散货运价指数急剧下跌，且各船型市场之间的波动溢出效应显著增强。好望角型船市场由于主要运输铁矿石等大宗商品，受到金融危机的冲击最为直接。全球钢铁产业因经济衰退而减产，对铁矿石的需求大幅下降，好望角型船的运输需求锐减，运价指数大幅下跌。这种波动迅速通过市场间的关联传递到巴拿马型和灵便型船市场。巴拿马型船市场的粮食、煤炭等货物的贸易量也因经济衰退而减少，运价指数随之下跌。灵便型船市场虽然运输的货物种类较为分散，但也难以逃脱金融危机的影响，运价指数同样出现了明显的下跌。在这一时期，不同船型市场之间的波动溢出效应呈现出同向性，一个市场的下跌会引发其他市场的连锁反应，加剧整个市场的下跌趋势。这是因为在全球经济衰退的大环境下，各行业的需求普遍下降，导致干散货的运输需求全面减少，不同船型市场之间的关联性增强，波动溢出效应更加显著。近年来，贸易摩擦也成为影响国际经济形势的重要因素，对干散货航运市场运价指数波动溢出效应产生了重要影响。以中美贸易摩擦为例，2018-2019年，中美两国之间的贸易摩擦不断升级，双方互加关税，导致两国之间的贸易量大幅减少。中国是全球最大的干散货进口国之一，美国也是重要的干散货贸易国，中美贸易摩擦使得干散货的贸易格局发生了变化，进而影响了干散货航运市场。好望角型船市场受到的影响较为明显，由于中美之间铁矿石、煤炭等大宗商品的贸易量减少，好望角型船的运输需求下降，运价指数出现波动。这种波动通过市场间的波动溢出效应传递到巴拿马型和灵便型船市场。巴拿马型船市场的粮食运输需求也因贸易摩擦受到影响，运价指数出现相应的波动。灵便型船市场虽然运输的货物种类多样，但也受到了贸易摩擦导致的市场不确定性增加的影响，运价指数出现了一定程度的波动。与金融危机时期不同的是，贸易摩擦导致的波动溢出效应在不同船型市场之间的表现存在差异。这是因为贸易摩擦主要影响的是特定国家和地区之间的贸易，不同船型市场运输的货物种类和贸易路线不同，受到的影响程度也不同。好望角型船市场主要运输铁矿石等大宗商品，与中美贸易的关联性较强，受到的影响较大；巴拿马型船市场的粮食运输虽然也受到贸易摩擦的影响，但由于其贸易路线较为多元化，受到的影响相对较小；灵便型船市场由于运输的货物种类分散，受到贸易摩擦的影响相对较为复杂，波动溢出效应在不同细分市场之间的表现也不尽相同。国际经济形势变化对干散货航运市场运价指数波动溢出效应的影响是多方面的。经济形势的变化会改变干散货的运输需求，进而影响不同船型市场的供需关系，导致运价指数的波动。这种波动会通过市场间的关联传递到其他市场，产生波动溢出效应。在全球经济一体化的背景下，国际经济形势的任何变化都会在干散货航运市场中得到体现，市场参与者需要密切关注国际经济形势的变化，及时调整经营策略，以应对市场风险。六、结论与政策建议6.1研究结论总结通过运用三元GARCH-BEKK(1,1)模型，对2015年1月1日至2024年12月31日期间的波罗的海干散货运价指数（BDI）和中国沿海散货运价指数（CBFI）进行深入分析，本研究在干散货航运市场间运价指数波动溢出效应方面取得了一系列重要成果。不同船型干散货运价指数之间存在显著的波动溢出效应。从均值方程来看，各常数项在1%的显著性水平下显著，表明三个市场的收益率序列存在显著的均值回复现象，即市场收益率在偏离均值后会有较强的趋势回归到均值水平，这体现了干散货航运市场在长期内具有一定的稳定性。自回归系数中部分系数在不同显著性水平下显著，这充分证明了不同船型干散货运价指数收益率序列之间存在相互影响。全球经济形势的变化会同时影响不同船型市场的需求，进而导致它们的收益率之间产生关联。在方差方程中，矩阵C的对角线元素均在1%的显著性水平下显著，说明三个市场自身的波动具有明显的持续性，前期市场的波动会对后期市场的波动产生持续影响。系数矩阵A和B中，众多非对角线元素在不同显著性水平下显著，这明确揭示了不同船型干散货运价指数之间存在显著的波动溢出效应。巴拿马型船型的干散货运价指数在t-1期的波动会通过ARCH效应和GARCH效应，对好望角型船型在t期的波动产生显著影响；反之，好望角型船型的波动也会对巴拿马型船型产生类似的影响。全球经济形势、市场供需关系、政治因素以及突发事件等是影响干散货航运市场运价指数波动的主要因素。全球经济形势与干散货航运市场紧密相连，呈现出显著的正相关关系。当全球经济处于繁荣发展阶段时，各行业生产活动活跃，对干散货的需求大幅增加，推动干散货航运市场的繁荣，使得运价指数上升；反之，当全球经济陷入衰退或增长放缓时，干散货需求下降，运价指数下跌。在2010-2011年全球经济快速增长时期，全球GDP增长率分别达到5.4%和4%，干散货海运量大幅增长，波罗的海干散货运价指数（BDI）也随之上升。而在2008-2009年全球金融危机期间，全球经济低迷，BDI指数从2008年5月的11,793点暴跌至2008年12月的663点，跌幅高达94.4%。市场供需关系是决定干散货航运市场运价指数波动的直接因素。新造船交付量的增加会扩大市场运力供给，当运力供给过剩而需求相对不足时，运价指数往往会下跌；反之，干散货贸易量的增加会带动市场需求上升，推动运价指数上涨。在2013-2015年期间，全球新造船交付量持续增加，导致干散货航运市场运力过剩，运价指数下跌；而在2016-2017年，随着中国经济的企稳回升，铁矿石进口量增加，干散货航运市场需求旺盛，运价指数上涨。政治因素如贸易政策的调整和地缘政治冲突，会影响干散货的贸易量和运输成本，进而影响运价指数。在2018-2019年中美贸易摩擦期间，贸易量减少导致干散货航运市场需求下降，运价指数下跌。突发事件如自然灾害和公共卫生事件，具有突发性和不可预测性，会对市场造成短期但剧烈的冲击。2017年飓风“哈维”袭击美国墨西哥湾沿岸地区，导致港口关闭，货物运输受阻，运价指数短期内大幅上涨；2020-2021年新冠疫情期间，全球经济和贸易受限，干散货需求下降，运价指数大幅下跌。通过对2020-2021年受新冠疫情影响下的市场波动以及2024年不同船型市场表现的案例分析，进一步验证了波动溢出效应的存在和影响。在2020-2021年新冠疫情期间，疫情导致各国实施封锁措施，工厂停工停产，贸易活动受限，干散货运输需求大幅下降，市场运力严重过剩，运价指数急剧下跌。好望角型船市场的运价指数下跌迅速传递到巴拿马型和灵便型船市场，导致它们的运价指数也随之下降。随着疫情的发展和各国经济刺激政策的出台，市场逐步回暖，各船型市场的运价指数又呈现出同步上涨的趋势。在2024年，全球经济形势的变化导致好望角型船型市场的运价指数波动，这种波动通过市场间的关联传递到巴拿马型和超灵便型船型市场，影响了它们的运价指数走势。当全球经济增长放缓，中国铁矿石进口量下降，好望角型船型市场运价指数下跌，巴拿马型和超灵便型船型市场的运价指数也随之下跌。6.2对航运企业的风险管理建议航运企业作为干散货航运市场的重要参与者，面对市场间复杂的运价指数波动溢出效应，需要采取一系列有效的风险管理措施，以降低市场风险，实现稳健发展。在合理规划船队结构方面，航运企业应充分考虑不同船型干散货航运市场间的波动溢出效应，结合自身的发展战略和市场需求，制定科学合理的船队发展规划。通过市场调研和数据分析，深入了解不同船型市场的发展趋势和市场潜力。对于长期需求增长稳定的航线和货物类型，可适当增加相应船型的船舶数量，以提高市场份额和运营效率。如果企业发现某一地区对铁矿石的需求在未来几年内将持续增长，且该地区主要采用好望角型船舶运输铁矿石，那么企业可以考虑增加好望角型船舶的数量，以满足市场需求。要注重船队的多元化发展，避免过度集中于某一种船型。合理配置好望角型、巴拿马型和灵便型等不同船型的船舶，以分散市场风险。当某一船型市场出现波动时，其他船型市场的业务可以起到一定的缓冲作用，降低企业的整体风险。航运企业应充分利用衍生品市场进行套期保值，有效规避运价波动风险。目前，干散货航运市场常见的衍生品工具包括远期运费协议（FFA）、运费期货等。企业可以根据自身的业务需求和风险承受能力，合理运用这些衍生品工具。对于预期未来一段时间内有大量货物运输需求的企业，可以通过购买远期运费协议，锁定未来的运费价格，避免因运价上涨而增加运输成本。企业预计在三个月后需要租用一艘巴拿马型船舶运输货物，为了避免在此期间巴拿马型船型市场运价上涨，企业可以购买三个月后的巴拿马型船舶远期运费协议，按照协议约定的价格支付运费。反之，对于预期未来运费将下跌的企业，可以通过卖出远期运费协议或运费期货，提前锁定运费收入，降低市场风险。航运企业在利用衍生品市场进行套期保值时，要加强对衍生品市场的研究和分析，准确把握市场走势，合理确定套期保值的时机和规模。加强市场监测与分析，是航运企业有效应对市场波动风险的关键。企业应建立专业的市场研究团队，密切关注全球经济形势、政治局势、市场供需关系等因素的变化，及时捕捉市场动态和信息。通过对市场数据的收集、整理和分析，运用先进的数据分析工具和模型，对干散货航运市场间的波动溢出效应进行深入研究，预测市场走势。当发现全球经济增长放缓的迹象时，市场研究团队应及时分析这一变化对干散货航运市场的影响，包括不同船型市场的需求变化、运价走势等，为企业的决策提供依据。根据市场分析和预测结果，企业要及时调整经营策略。在市场需求下降时，可适当减少运力投放，降低运营成本；在市场需求上升时，可加大运力投入，提高市场份额。航运企业还应加强与上下游企业的合作，通过建立战略合作伙伴关系，实现资源共享、风险共担。与货主企业建立长期稳定的合作关系，不仅可以保证货源的稳定，还可以通过与货主的沟通和协商，共同应对市场波动风险。与货主签订长期运输合同，约定合理的运价和运输条款，在市场波动时，双方可以根据合同约定共同分担风险。与港口企业加强合作，优化港口作业流程，提高船舶的装卸效率，降低船舶