基于TVP-VAR模型的国际原油价格、运力增长率对干散货运价指数的时变冲击论文

基于TVP-VAR模型的国际原油价格、运力增长率对干散货运价指数的时变冲击

邵俊岗, 郝亚楠

(上海海事大学经济管理学院, 上海 201306)

摘 要: 为探求不同时期国际原油价格、干散货船运力增长率对波罗的海干散货运价指数(Baltic dry index,BDI)的运态影响,运用时变参数向量自回归(time-varying parameter vector auto-regressive, TVP-VAR)模型进行研究。研究发现,国际原油价格和干散货船运力增长率对BDI的影响呈现时变特征。国际原油价格对BDI的冲击以正向为主;在世界经济不稳定期间,这种冲击更加明显,且随着滞后期数的增加冲击强度逐渐变小。干散货船运力增长率对BDI冲击以负向为主;在航运市场不景气时,这种冲击更大;不同时期,这种冲击随着滞后期数的增加呈现不同的强度变化。发现自2005年以来,国际原油价格比干散货船运力增长率对BDI的影响更大。

关键词: 波罗的海干散货运价指数(BDI); 国际原油价格; 干散货船运力增长率; 时变特征

0 引 言

2018年6月15日,美国政府宣布,将对从中国进口的约500亿美元商品加征25%的关税,其中对约340亿美元商品自2018年7月6日起实施加征关税,另外160亿美元商品自2018年8月23日起实施加征关税。中国被迫反击,国务院关税税则委员会发布公告,对原产于美国的659项约500亿美元进口商品加征25%的关税,其中545项约340亿美元商品自2018年7月6日起实施加征关税,114项约160亿商品自2018年8月23日起实施加征关税。这意味着世界上最大的两个经济体之间的贸易战开始了。另外,美国与欧盟、日本、加拿大、墨西哥、印度、土耳其等大搞贸易争端,美国2018年3月宣布对进口钢铁和铝产品分别加征25%和10%的关税,欧盟决定对价值28亿欧元的美国产品加征25%的关税,印度、土耳其、墨西哥等国也宣布拟对美国采取反制措施。世界性的全球贸易战一触即发,全球航运业必然会受到较大的影响。

波罗的海干散货运价指数(Baltic dry index, BDI)的波动主要受世界经济的影响:在世界贸易频繁时,BDI一般处于高位;在世界经济状况不好时,BDI一般处于低位。

影响BDI的因素有很多,其中运力代表船舶的供给能力,它的投入具有滞后性,航运贸易量的供需平衡需要一定的时间,从供给方面对运价产生影响。伊朗是最大的石油出口国,2018年5月美国决定重启对伊朗能源业的制裁,势必会影响石油的价格。万九文[1]曾提出原油作为船舶的燃料,占航运企业营运成本的20%~50%,其价格的波动必然会对BDI产生不可忽视的影响。在不同的经济形势下,原油价格的波动对BDI的影响有哪些变化呢?

梳理现有文献,学者对波罗的海海运价格的分析主要集中在海运价格指数的波动特征、其他经济变量与海运价格指数之间的关联机制和溢出效应等。早期对海运价格指数波动特征研究较多,例如:汤霞等[2]利用经验模态分析法研究中国出口集装箱运价指数(China containerized freight index, CCFI)的波动特性,表明重大事件和长期发展趋势对CCFI影响最大;李晶等[3]利用自回归滑动平均-广义自回归条件异方差(autoregressive moving average - generalized autoregressive conditional heteroskedasticity, ARMA-GARCH)模型对BDI波动进行研究发现,面对外部冲击时,灵便型船舶运输市场产生波动时间最长,而巴拿马型船和好望角型船运输市场变动比较平稳;韩华漪等[4]利用多重分形去趋势分析法(multifractal detrended fluctuation analysis, MF-DFA)对海运运价指数的时间序列进行分析,发现原油运输市场和成品油运输市场都有显著的分形特征,成品油运输市场的分形强度更大,市场风险更高;邵斐等[5]通过GARCH模型研究了在金融危机前后BDI的波动特征,发现国际航运市场在金融危机后表现出复苏周期拉长、预期风险上升、收益下降和利好因素强于利空因素等特征。

近期的研究多侧重于其他经济变量对海运运价指数的溢出效应和关联机制。例如:张永锋等[6]通过格兰杰因果检验方法得出钢材价格对铁矿石运费有直接的影响;郝玉柱等[7]通过格兰杰因果检验、脉冲响应函数和方差分解等方法发现当干散货航运市场供求关系失衡时,提供航运供给的船舶运力增量对BDI的影响变小,作为成本因素的原油价格则逐渐成为影响BDI的重要因素;李瑞华等[8]运用Johanson协整关系和误差修正模型研究了BDI、黄金价格和道琼斯指数间的关系,结果表明BDI与黄金价格和道琼斯指数均呈现负相关的协整关系;唐韵捷等[9]运用动态条件相关多变量广义自回归条件异方差(dynamic conditional correlation multi-variable GARCH, DCC-MGARCH)和向量自回归(vector autoregression, VAR)模型对上证综指和BDI进行分析发现,两个市场之间存在信息溢出,具有较强的动态相关性。

催化油浆是催化裂化反应过程的副产品,因原料、工艺条件的差异,各炼厂所产催化油浆的组成和性质也各不相同,但其化学组成具有密度大,稠环芳烃含量高,氢碳原子比低等特点,是一种低附加值的副产品。根据催化油浆的性质,利用其所含优质碳资源的特性,可将其作为原料生产不同需求的新型碳材料和多种化工产品。但催化油浆中包裹的催化剂和焦粉粉末等机械杂质严重影响深加工产品的质量,因此,进一步开发利用催化油浆就必须采取科学合理的方法有效地脱除油浆的催化剂粉末,以满足后续加工单元的需求。

其中,为使不同方程的同期关系间能够相互独立,假定随机游走过程中各参数误差干扰项的矩阵Σ βΣ αΣ h 均为正定矩阵。模型估计使用贝叶斯方法,参数后验估计用马尔科夫链蒙特卡洛(Markov Chain Monte Carlo, MCMC)方法进行。

1 模型设定

1.1 TVP- VAR模型

沈悦等[11]介绍的VAR模型是以多方程联立的的形式出现的,系统内每个方程右边的变量是相同的,通过模型中所有当期内生变量对它们的若干滞后值进行回归,进而估计出全部内生变量的动态关系。多变量结构的VAR模型可以表示为

Ay t =f 1y t-1 +f 2y t-2 +…+f r y t-r +u t ,

t =r +1,…,n

(1)

式中:y t 表示k ×1维可观察的内生变量;A 为k ×k 维联立参数矩阵,表示同期相关性;f 1,f 2,…,f r 为k ×k 维系数矩阵,代表跨时期相关性;随机扰动项u t 是k ×1维向量,可产生结构冲击;r 表示模型的滞后阶数。

企业融资是企业通过市场机制配置资本资源的过程,是企业获取经营投资的主要途径。融资方式的划分,从资本来源角度包括内部融资(主要依靠自有资产)和外部融资(主要通过外部途径获取);从融资渠道包括银行贷款、直接融资、小额公司贷款、民间借贷、典当融资等。考虑到小微企业的发展阶段和自身资本实力,大都以外源性融资为扩大再生产主要资本来源。而小微企业自身经营规模小、可抵押资产少、品牌知名度低、企业软实力弱等天然缺陷与融资市场获取资本的要求和条件完全背离,这一现实决定了其融资能力和渠道的缺陷。因此,小微企业“融资困境”是指因能力和渠道欠缺导致融资难度远远高于其他企业的现象和问题。

本文把A 确定为主对角线均为1的k ×k 维下三角矩阵,Σ 为k ×k 维的对角矩阵,δ i (i =1,2,…,k )表示结构冲击的标准方差。即

b i =A -1f i ,i =1,2,…,r 。模型简写为

y t =b 1y t-1 +b 2y t-2 +…+b r y t-r +A -1Σε t ,

对比图1与图2可以看出,国际原油价格波动比干散货船运力增长率变动对BDI的影响大。

(2)

b i 中的每行元素重新处理为k 2p ×1维向量β ,同时设定为克罗内克乘积,模型可进一步变为

“敢为人先、抢抓机遇”。苏州人民敢于争第一、勇于创唯一,“第一”和“唯一”的背后是认清大势、抢抓机遇。改革开放后,苏州诞生了全国第一个自主开发的工业小区、第一个与国外合作开发的工业园区、第一个封关运作的出口加工区、第一个设在县级市的国家级高新区、唯一一个深化两岸产业合作试验区和开展开放创新综合试验的开发区,这无一不是“闯”的结果,无一不是“敢为人先”的探索。党的十八大以来,苏州还在全面深化改革方面先行先试,争取到一大批含金量较高、对全市经济社会发展牵引作用较大的改革试点,苏州工业园区开放创新综合试验累计实施130项重点改革任务。

y t =X t β +A -1Σε t

(3)

式(3)为传统的结构向量自回归(structural vector auto-regressive,SVAR)模型,假设各矩阵系数随机扰动项的值是恒定的,不具有时变性。本文设置协方差矩阵和系数矩阵为动态的,得到TVP-VAR模型:

(4)

β t+1 =β t +u βt ,α t+1 =α t +u αt ,h t+1 =h t +u ht

借鉴NAKAJIMA[12]、PRIMICERI[13]的方法,把A t 中非1和0的元素按行堆叠为一列向量,可表示α t =(a 2,1,a 3,1,…,a kk -1),设定h t =(h 1,t ,h 2,t ,…,h kt )′,同时h p,t =lnδ t ,p =1,2,…,k ,t =r +1,r +2,…,n 。式(4)中所有具有时变性的参数服从如下随机游走过程:

另外有少数的学者采用量化的方法研究了国际干散货航运市场影响因素,例如李瑞华等[10]运用普通最小二乘法(ordinary least square, OLS)对BDI的影响因素进行分析,结果发现钢铁产量和铁矿石出口量(作为需求量的代理变量)对 BDI 的影响并不显著,而船舶数量(作为供给的代理变量)和燃油价格才是影响 BDI 波动的真正因素。综上所述,现有研究多采用固定系数模型进行分析,一般情况下,能捕捉到BDI与其他经济变量之间的关联机制或溢出效应,但当有突发大事件时,固定系数模型反映的情况与实际会有所偏差,不能反映BDI与其影响因素之间的关系可能随时间变化的特性。另外,当前研究没有说明不同经济时期、不同时间点对BDI的影响有哪些变化、哪种因素影响最大。基于这些问题,本文针对各变量在不同时间面对不同冲击所出现的脉冲响应特征,建立时变参数VAR模型(time-varying parameter-VAR, TVP-VAR),模拟国际原油价格、干散货船运力增长率对BDI的时变冲击,探讨不同时期、不同时间点对BDI影响的差异性。

大家听了刘少奇的分析,无不眼前一亮:原来路就在脚下,办法就在彼此之间。于是,造船修船、疏通河流、建立白区据点、联络各地商户等等办法都提了出来。一场讨论会圆满结束,效果超出预期。更重要的是,这些办法付诸实践产生了很好的经济效益与社会效益,还锻炼了工人阶级的革命坚定性和斗争灵活性。

1.2 参数估计方法

在TVP-VAR模型中,假定时变参数服从随机游走过程,产生的随机波动是非线性的,会导致估计结果不准确,使用MCMC方法进行估计可以克服这个问题;对先验参数α β h 同时抽样,在先验参数β 不确定的情况下,对状态变量α h 进行估计;在估计脉冲响应函数时将参数不确定性考虑在内。对于给定数据y ,需要通过重复抽样构建平稳分布为π (ω )的马尔科夫链推断π (ω )的样本,基于这些样本,再进行参数的后验估计。参照NAKAJIMA[12]的方法,先指定再将ω 的后验概率密度记为π (ω )。在给定数据y 后,对后验分布进行抽样,过程如下:(1)对α β h ω 赋初值;(2)给定Σ βα h y ,抽样(β |Σ βα h 、y );(3)给定β ,抽样(Σ β |β );(4)给定Σ hα β 、y ,抽样(h |β α Σ h 、y );(5)给定h ,抽样(Σ h |h );(6)给定Σ αh β 、y ,抽样(α |β h Σ α 、y );(7)给定α ,抽样(Σ α |α );(8)返回(2),循环。

混合对照品按照“2.1”项下优化的色谱、质谱条件进样后,采集得到的UHPLC-Q-Orbitrap总离子流图见图1;芪参益气滴丸在“2.1”项下优化的色谱、质谱条件进样后,采集得到的UHPLC-Q- Orbitrap总离子流图见图2。依据“2.3”项下确定的数据分析方法,本实验共识别出53种化合物,其中经推断的化合物有36种,结果见表1。

2 数据描述

本文主要选取的变量有BDI、干散货船运力增长率和国际原油价格。考虑到1997年的金融危机和2008年美国次贷危机引起的全球金融危机和后续发生的欧债危机,以及近期的贸易战等重大事件可以反映不同的经济情况,故本文选取1998年1月到2018年4月的样本,每组共有244个数据。BDI的月度数据来源于克拉克森数据库,用I BD表示;干散货船运力增长率的月度数据来源于克拉克森数据库,用R BE表示;国际原油价格取布伦特原油、美国西德克萨斯州原油、迪拜石油价格的平均值,用P IO表示,来源于Wind数据库。对I BD、R BE和P IO先进行对数处理,再进行一阶差分,之后对这3组数据进行平稳性检验,检验结果见表1。由于分析过程中要取差分项,故选择1998年1月到2018年4月中的第1个月为窗口期,汇报1998年2月到2018年4月的实证结果。

图1展示了BDI对国际原油价格冲击的动态脉冲响应。首先,从不同时期看,BDI对国际原油价格的传递效应是不同的,具有明显的时变特征,这说明国际原油价格对BDI的影响在不同时期具有不同的影响。具体可以分为三个阶段:第一阶段是1998年到2007年(月份序号从1到120),BDI对国际原油价格的脉冲响应较为平稳;第二阶段从2008到2015年(月份序号从121到216),BDI对国际原油价格的脉冲响应较为剧烈,呈现明显的波动;第三个阶段是从2016年到2018年4月(月份序号从217到244)。从冲击方向和强度看,第一阶段,国际原油价格对BDI的冲击,由负向冲击慢慢地变为正向冲击,且以正向冲击为主,冲击强度不大,主要原因之一是,经历过1997年亚洲金融危机后,各国的经济处于上升期,各国贸易往来逐渐频繁。第二阶段,国际原油对BDI的冲击基本上是正向冲击,而且冲击强度较大,自2008全球金融危机到世界油价大跌,BDI对国际原油价格的响应变化幅动较大,说明在世界经济不稳定期间,国际原油价格对BDI的冲击更加明显。第三阶段,国际原油价格对BDI的冲击强度不大,变化较为平稳,均为负向冲击,有转向正向冲击的趋势。整体看,国际原油价格对BDI的冲击以正向冲击为主。由图1知,在不同滞后期数(即滞后月数)下,BDI对国际原油价格冲击的动态响应基本相同,滞后4期影响最大,其次是滞后8期,最后是滞后12期,说明国际原油价格对BDI的冲击随着时间推移逐渐减小。

表1显示这3组数据在5%显著性水平上都是平稳序列,从而可对BDI(I BD)、国际原油价格(P IO)和干散货船运力增长率(R BE)等3个变量构建TVP-VAR模型,即内生变量y t =(I BD,R BE,P IO)并进行参数估计。借助MATLAB软件完成。

表1 ADF平稳性检验

3 实证分析

3.1 模拟估计

本文使用MCMC方法中的贝叶斯参数进行模型估计。先设置合理的先验值,借鉴NAKAJIMA[12]的方法人为地设定模型参数,其中α β h 服从正态分布,为初始状态,在进行MCMC模拟抽取样本时,迭代10 000次,其中前1 000次为预烧样本。根据SIC和AC准则,得到最优滞后阶数为1阶。

表2是模型参数估计结果,主要有后验分布均值、标准差、在95%置信水平下的置信区间、收敛统计量和无效因子。Geweke收敛统计量可以测量马尔科夫链是否收敛于后验分布,Inef无效因子指后验均值与不相关序列样本均值两者方差比值。从表2可得:在5%的临界水平下,无法拒绝后验分布的原假设,且MCMC模拟结果收敛,Geweke诊断值都在5%临界范围内(1.96),无效因子都小于120,也就是说进行10 000次的迭代,其中有83(≈10 000/120)个是不相关的样本,对于后验分布的推断数量是足够的,说明模拟取样是有效的,结果较为稳健。

其中,τ为半高宽;N0为积分常量。电子发射面取为受照的端面。因为发射面为平面,所以可认为整个端面是均匀发射,各点发射状态相同。

表2 模型参数估计结果

3.2 脉冲响应分析

脉冲响应函数表现为在随机误差项上加一个标准差大小的冲击后内生变量的反应,它对其当期值和未来值都会产生影响,具体就是一个变量的一个标准差大小的脉冲对模型中其他变量的影响,运用脉冲响应函数对模型结果进行分析。TVP-VAR模型不同于传统的VAR模型的特点就是具有时变性,脉冲响应函数也具有时变特征,每个时间点计算一次脉冲响应,即各变量在不同的时间点和不同的时间间隔面对不同的冲击时可以精确地描述脉冲响应特征。通过分析可以得出,国际原油价格和干散货船运力增长率对BDI的影响具有一定的时变性。考虑到国际原油价格和干散货船运力增长率对BDI冲击的时效性,本文选取冲击间隔为4个月,在脉冲响应图上分别用短虚线、长虚线和实线描述BDI对国际原油价格、干散货船运力增长率冲击滞后4个月、8个月、12个月的动态响应变化。选择脉冲响应的时间点为2007年7月、2014年6月和2017年12月,分别代表全球金融危机前夕、国际原油价格大跌前夕和中美贸易战前夕,用以研究国际原油价格和干散货船运力增长率对BDI的影响是否有相似之处。

(2)该支承辊剥落块中碳元素含量较标准值偏低,不满足标准要求,含碳量的适当降低,可以通过采用合理的热处理工艺来提高支承辊的综合使用性能,但不是导致辊面剥落掉快的主要原因。

图1 BDI对国际原油价格冲击的动态脉冲响应

图2是BDI对干散货船运力增长率冲击的动态脉冲响应。从图2看,BDI对干散货船运力增长率的响应具有时变特征,但不是特别显著。具体也可分为3个阶段进行分析:第一阶段是1998年1月—2006年12月(月份序号从1到108),这一阶段BDI对干散货船运力增长率的脉冲响应剧烈;第二阶段是2007年1月—2014年12月(月份序号从109到204),这一阶段BDI对干散货船运力增长率的脉冲响应较为平稳;第三阶段是2015年1月—2018年4月(月份序号从205到244),这一阶段BDI对干散货船运力增长率的脉冲响应稍有动荡。从冲击方向看,这3个阶段干散货船运力增长率对BDI的冲击均为负向,这与众多文献的分析结果一致,即干散货船运力增长率从供给方面影响航运运价,运力增加会使运价降低。在第一阶段BDI对干散货船运力增长率的脉冲响应剧烈,在1998年到2005年期间,干散货运力供给每年都在增长,航运市场经济缓慢复苏,干散货船运力增长率对干散货运价的冲击较为强烈,这表明在航运市场不景气时,干散货船运力变化对BDI的影响更大。在第二阶段BDI对干散货船运力增长率的动态脉冲响应较为平稳,郝玉柱[7]曾提到自2005年到2014年,干散货船运力增长率一直在提高,同时该阶段航运市场繁荣,并带动了船舶业的发展,即在航运市场较为繁荣时,干散货船运力增长率对BDI的冲击不强烈,这说明在航运市场较为稳定繁荣时,运价指数对船舶供给的变化响应不明显,抗风险能力更强。在第三阶段,世界贸易格局发生改变,尤其自2018年2月以来全球贸易摩擦升级,对航运业的影响不容忽视,航运业的低迷状态暂时不会明显回升。在这个阶段,干散货船运力增长率对BDI的冲击强度适中,比第一阶段的冲击更小,一方面是因为现在的航运企业抗风险能力增强,另一个原因可能是最近各国的贸易摩擦比亚洲金融危机对航运业的影响小,与第一阶段的结论是一样的,即在经济状况低迷状况下,BDI对干散货船运力增长率的动态脉冲响应较为显著。从不同的滞后期数看,在第一阶段干散货船运力增长率对BDI负向冲击逐渐增强时,滞后4期影响最大,其次是滞后8期,影响最小的是滞后12期,这说明在航运市场萧条时,时间越长,干散货船运力增长率对BDI的冲击越小;在负向冲击逐渐减弱时,滞后12期影响最大,其次是滞后8期,最后是滞后4期,在干散货船运力增长率对BDI的冲击强度逐渐变小的过程中,时间越长,BDI的响应越明显。从整体看,随着滞后期数的增加,干散货船运力增长率对BDI的冲击越小。

图2 BDI对干散货船运力增长率冲击的动态脉冲响应

ε t ~N(0,I k )

2.转变观念发挥模范作用。加强思想教育,提高思想认识,彻底转变党员干部的思想观念,充分发挥先锋模范作用,通过党建带团建、带工青妇。同时,充分调动老干部的工作积极性,采取以老带新的方式,对青年干部做好传帮带,提高税收执法水平,推动税收工作向前发展。

图3显示了不同时间点国际原油价格对BDI的冲击。从图3可以看出:在2007年7月、2014年6月、2017年12月这3个时间点,国际原油价格对BDI的冲击强度和持续时间基本保持一致,均为正向冲击,在第1期达到最大,在第6期影响降为0,这3个时间点分别代表全球金融危机前夕、国际原油价格大跌前夕和中美贸易战前夕,这说明在世界经济产生较大变化前国际原油价格对BDI的影响具有相似之处。这主要是因为原油成本为航运企业主要的营运成本,当原油价格波动时,营运成本也同向变化,航运企业会根据营运成本调整运费以保证最大利润。

图3 不同时间点国际原油价格对 BDI的冲击

图4显示的是不同时间点干散货船运力增长率对BDI的冲击,结果表明:不同时间点干散货船运力增长率对BDI的冲击路径较为一致,均是在第1期到第2期冲击较为缓和,并在第2期达到最大,然后逐渐减小,在第8期减小到0,这与实际相符合;运力的投入具有滞后性,在第8期时冲击降为0,这说明BDI对干散货船运力增长率的传递效应,影响时间基本是8个月;从冲击强度看,2007年7月干散货船运力增长率的冲击较为强烈,2014年6月和2017年12月干散货船运力增长率的冲击基本一致,比2007年7月略低,这表明在全球金融危机背景下,干散货船运力变化对BDI的影响更大。

人工湿地:指的就是技术人员通过模拟自然湿地,并且在微生物与植物的相互作用下,对农村地区的生活污水进行有效处理。人工湿地通过土壤与填充料相结合的方法,将水生植物种植在河床上,通过人工的方法建立起小型生态系统。通过人工湿地能够使污水得到净化,而且人工湿地管理较为容易,构件也较为简单,能够降低资金成本,虽然会占据一定的土地面积,但是会净化自然环境,因此人工湿地方法在农村集中地区较为适宜。

图4 不同时间点干散货船运力增长率对 BDI的冲击

4 结 论

本文基于1998年1月—2018年4月的相关数据,运用TVP-VAR(时变参数向量自回归)模型分析了国际原油价格和干散货船运力增长率对BDI的动态影响。结果表明,国际原油价格和干散货船运力增长率对BDI的冲击均具有时变性特征。研究主要结论有:

国际原油价格对BDI的冲击以正向为主;在世界经济不稳定期间,国际原油价格对BDI的冲击更明显;随着滞后期数的增加冲击强度逐渐变小。国际原油价格在不同时间点上对BDI的冲击基本保持一致,从选取的时间点的特殊性上看,在世界经济产生较大变化前国际原油价格对BDI的影响具有相似之处。

干散货运力增长率对BDI的冲击以负向为主;在航运市场不景气时,干散货运力变化对BDI的影响更大,在航运市场较为繁荣时,干散货运力增长率对BDI的冲击不强烈,运价指数对船舶供给的变化响应不明显,抗风险能力更强;在不同的市场行情下,干散货运力增长率对BDI的冲击随着滞后期数的增加呈现不同的强度变化;干散货运力增长率在不同时间点对BDI的冲击强度略有不同,但持续时间基本保持一致。

比较国际原油价格与干散货船运力增长率对BDI的影响程度发现,自2005年来,国际原油价格波动比干散货运力增长率变动对BDI的影响大。

本文结论可以为航运企业在不同的经济时期分析海运运费、营运成本、运力竞争间关系提供一定的参考。

参考文献:

[1] 万九文. 国际原油海运运费市场波动特征研究[D]. 大连: 大连海事大学, 2010.

[2] 汤霞, 匡海波, 孟斌, 等. 基于EMD的中国出口集装箱运价指数波动特性[J]. 科研管理, 2017, 38(12): 144-154. DOI: 10.19571/j. cnki.1000-2995.2017.12.016.

[3] 李晶, 王婷婷. 波罗的海干散货运价指数波动研究: 基于ARMA-GARCH模型的分析[J]. 价格理论与实践, 2015(1): 82-84.

[4] 韩华漪, 钱斌, 王学锋. 基于MF-DFA方法的国际油船运价指数多重分形分析[J]. 重庆交通大学学报(自然科学版), 2014, 33(5): 128-133.

[5] 邵斐, 真虹, 韩军. 金融危机前后国际干散货运输市场波动特征演变[J]. 中国航海, 2016, 39(4): 123-128.

[6] 张永锋, 赵刚, 陈继红. 干散货运价指数与钢材价格的联动关系[J]. 上海海事大学学报, 2016, 37(2): 53-58. DOI: 10.13340/j.jsmu.2016.02.010.

[7] 郝玉柱, 张莲. 国际原油价格波动对波罗的海指数影响实证分析[J]. 商业经济研究, 2016(6): 25-28.

[8] 李瑞华, 宋炳良. 基于协整理论的海运价格指数影响因素[J]. 中国航海, 2014, 37(3): 123-126.

[9] 唐韵捷, 曲林迟. 中国股票市场与干散货航运市场的动态相关性: 基于DCC-MGARCH和VAR模型的实证分析[J]. 上海海事大学学报, 2015, 36(1): 38-45. DOI: 10.13340/j.jsmu.2015.01.007.

[10] 李瑞华, 宋炳良. 国际干散货航运市场影响因素及规律[J]. 上海海事大学学报, 2015, 36(3): 35-39, 70. DOI: 10.13340/j.jsmu.2015.03.007.

[11] 沈悦, 李善燊, 马续涛. VAR宏观计量经济模型的演变与最新发展: 基于2011年诺贝尔经济学奖得主Smis研究成果的拓展脉络[J]. 数量经济技术经济研究, 2012, 29(10): 150-160. DOI: 10.13653/j.cnki.jqte.2012.10.008.

[12] NAKAJIMA J. Time-varying parameter VAR model with stochastic volatility: an overview of methodology and empirical applications[J]. Monetary and Economic Studies, 2011(29): 107-142.

[13] PRIMICERI G E. Time varying structural vector autoregressions and monetary policy[J]. Review of Economic Studies, 2005, 72(3): 821-852.

Time -varying impact of international crude oil price and capacity growth rate on dry bulk freight index based on TVP -VAR model

SHAO Jungang, HAO Yanan

(School of Economics & Management, Shanghai Maritime University, Shanghai 201306,China)

Abstract : In order to explore the dynamic impact of the international crude oil price and the dry bulk shipping capacity growth rate on the Baltic dry index (BDI) in different periods, the time-varying parameter vector auto-regressive (TVP-VAR) model is used to study the impact. It is found that the impact of the international crude oil price and the dry bulk shipping capacity growth rate on BDI is time-varying. The impact of the international crude oil price on BDI is mainly positive; during the unstable period of world economy, the impact is more obvious, and the impact strength gradually decreases with the increase of lag period. The impact of the dry bulk shipping capacity growth rate on BDI is mainly negative; when the shipping market is sluggish, the impact is greater; in different periods, the impact shows different intensity changes with the increase of lag period. It is found that since 2005, the international crude oil price has had a greater impact on BDI than the dry bulk shipping capacity growth rate.

Key words : Baltic dry index (BDI); international crude oil price; dry bulk shipping capacity growth rate; time-varying characteristic

中图分类号: U695.2;F740

文献标志码: A

DOI10.13340/ j.jsmu.2019.03.015

文章编号: 1672-9498(2019)03-0087-06

收稿日期: 2018-08-12

修回日期: 2018-09-26

作者简介: 邵俊岗(1963—),男,河南西华人,教授,博士,研究方向为项目评估理论与方法,(E-mail)jgshao@shmtu.edu.cn

(编辑 赵勉)

标签:;  ;  ;  ;  ;  

基于TVP-VAR模型的国际原油价格、运力增长率对干散货运价指数的时变冲击论文
下载Doc文档

猜你喜欢