远期运费市场与即期运费市场的关系研究

第36卷　第1期大连海事大学学报Vol.36　No.1 2010年2月Journal of Dalian Maritime U niversity Feb.,　2010

文章编号:100627736(2010)0120055204

远期运费市场与即期运费市场的关系研究Ξ

宫晓,吕　靖,王　尧

(大连海事大学交通运输管理学院,辽宁大连　116026)

摘要:为分析航运市场中远期运费与即期运费的关系,结合多个经济变量,建立向量自回归(VAR)模型,并利用Granger 进行模型验证.采用脉冲分析、方差分解分别考察Panamax 船的TΠC,P2A,P3A三条航线的远期运费协议(FFA)与即期市场的关系.实证分析结果表明:基于VAR的模型是可行的;FFA和经济信息突变对即期市场均具有持续性影响,即期市场对上述变量的反应存在时滞性.

关键词:远期运费协议(FFA);即期运费;向量自回归(VAR);脉冲分析;方差分解

中图分类号:F550.5 文献标志码:A

R elationship bet w een forw ard freight and

spot freight in shipping market

G ON G Xiao2xing,LV Jing,WAN G Y ao

(T ransportation M anagement College,

Dalian Maritime Universit y,Dalian116026,China) Abstract:To analyze the relationship between forward freight agreement(FFA)and spot freight in shipping market,vector autoregressive model(VAR)was built combined with multiple economic variables,and model validation was carried out by Granger test.Impulse analysis and variance decomposition were respectively applied to analyzing three Panamax lines including TΠC,P2A and P3A.Empirical results show that the proposed model is feasible.FFA and sudden changes in economic informa2 tion have continuing impact on spot freight market but the latter has time lag in response to above variables.

K ey w ords:forward freight agreement(FFA);spot freight;vec2 tor autoregressive model(VAR);impulse analysis;

variance decomposition

0　引　言

国际干散货海运市场风险巨大,风险管理成为航运企业关注的焦点.传统的规避风险方法无法满足现代风险管理的要求.为解决该问题,作为海运衍生品之一的远期运费协议(FFA)应运而生,并受到国内外学者的关注.文献[1-2]研究FFA的价格发现机制、套期保值效应,即期运费市场与FFA市场的信息流及收益分析等内容.文献[3]介绍FFA的含义及其在国际干散货航运市场中的发展情况,探讨FFA风险管理的作用.文献[4]介绍FFA的产生及作用,并举例说明运用FFA的实际操作过程.本文建立FFA与即期市场关系的向量自回归模型(VAR)并进行Granger检验,考虑经济变量的影响,利用脉冲分析、方差分解进行分析,旨在为航运企业决策管理奠定基础.

1　VAR模型建立

选取波罗的海航交所发布的Panamax船三条航线P2A、P3A、TΠC的即期和远期航线运费统计数据,采用美国能源署和雅虎金融网站提供的5个经济指标数据,即美国德克萨斯原油价格(WTI)、布伦特油价(Brent)、标准普尔(S&P500)、道琼斯指数(Dow Jones)、纳斯达克指数(Nasdaq)建模分析FFA 与即期市场的相互关系.其中:S&P500、Dow Jones、Nasdaq反映经济状况;WTI、Brent反映油价指标.样本时间为2005年1月4日～2009年7月14日.

含有N个变量滞后p期的VAR模型为

y t=A1y t-1+A2y t-2+…+A p y t-p+Bx t+μt

(1)其中:y

t为N×1阶时间序列向量;x t为d维的外生

变量;μ

t

～IDD(0,Ω);A

i

(i=1,…,p)和B为待估计的N×N系数参数矩阵[5-6].

由单位根检验可知,该序列在1%置信水平下

Ξ收稿日期:2009209203.

作者简介:

宫晓(1983-),女,辽宁大连人,博士研究生,E2mail:gongxiaoxing@https://www.wendangku.net/doc/1c3033413.html,.

通信作者:吕　靖(1959-),男,黑龙江五常人,教授,博士生导师,E2mail:lujingdmu@https://www.wendangku.net/doc/1c3033413.html,.

均满足平稳性要求.根据赤池信息准则(AIC)、施瓦茨准则(SC),分别对TΠC、P2A、P3A三条航线选取不同滞后期数的VAR模型.模型参数估计结果如表1～3所示.

从表1可以看出:滞后一期及两期的TΠC,滞后一期的FFA TΠC,滞后两期的S&P500和滞后一期的Brent对TΠC具有显著影响;其他变量对TΠC无显著影响.

表1　Panamax TΠC的VAR(2)参数估计结果

TΠC TΠC TΠC

TΠC (-1)1.11333

(0.03)Brent

(-1)0.05

33

(0.02)

DowJones

(-1)

0.14

(0.09)

TΠC (-2)-0.37333

0.03

Brent(-2)0.03

(0.02)

DowJones

(-2)

-0.08

(0.09)

FFATΠC (-1)0.07333

(0.01)WTI

(-1)-0.01

(0.02)

Nasdaq

(-1)

-0.06

(0.08)

FFATΠC (-2)0.00

(0.01)WTI(-2)

-0.00

(0.02)

Nasdaq

(-2)

0.07

(0.08)

S&P500 (-1)-0.02

(0.03)

S&P500

(-2)

0.063

(0.03)C

-0.00

(0.00)

R2sq0.76F2stat250.01S.resids0.26

AIC-5.49SC-5.43likelihood3069

注:(1)333、33、3分别为1%、5%、10%水平下显著.(2)括号内数据为标准差.(3)R2sq、F2stat、S.resids、likelihood分别代表模型的拟合度、F统计量、累积残差平方、似然对数值,用以描述模型设定好坏的程度(下同).

从表2可以看出:滞后一期及滞后二期的P2A,滞后一期及滞后三期的FFAP2A,滞后三期的S&P500对P2A具有显著影响;其他变量对P2A无显著影响.

表2　P2A的VAR(3)参数估计结果

P2A P2A P2A

P2A (-1)0.85333

(0.04)

Brent

(-1)

0.03

(0.02)

DowJones

(-1)

0.00

(0.09)

P2A (-2)-0.23333

(0.04)

Brent

(-2)

0.00

(0.02)

DowJones

(-2)

0.11

(0.09)

P2A (-3)-0.04

(0.03)

Brent

(-3)

0.03

(0.02)

DowJones

(-3)

0.12

(0.09)

FFAP2A (-1)0.16333

(0.02)

WTI1

(-1)

0.02

(0.02)

Nasdaq

(-1)

0.01

(0.08)

FFAP2A (-2)0.02

(0.02)

WTI1

(-2)

-0.01

(0.02)

Nasdaq

(-2)

-0.07

(0.08)

FFAP2A (-3)0.043

(0.02)

WTI1

(-3)

-0.02

(0.02)

Nasdaq

(-3)

-0.08

(0.08)

S&P500 (-1)-0.03

(0.03)

S&P500

(-2)

0.03

(0.03)

S&P500

(-3)

-0.0833

(0.03)

C0.00(0.00)

R2sq0.70AIC-5.56S.resids0.241

F2stat115.80SC-5.46likelihood3081

从表3可以看出:滞后一期及滞后二期的P3A,滞后一期的FFAP3A,滞后一期及二期的Brent,滞后一期的WTI,滞后二期的S&P500,滞后一期的Dow Jones对P3A具有显著影响;其他变量对P3A 无显著影响.

表3　P3A的VAR(2)参数估计结果

P3A P3A P3A P3A

(-1)

0.99333

(0.03)

Brent

(-1)

0.0733

(0.03)

Dow Jones

(-1)

0.293

(0.14)

P3A

(-2)

-0.31333

(0.03)

Brent

(-2)

0.063

(0.03)

Dow Jones

(-2)

-0.21

(0.14)

FFAP3A

(-1)

0.08333

(0.02)

WTI

(-1)

-0.053

(0.03)

Nasdaq

(-1)

-0.13

(0.13)

FFAP3A

(-2)

0.01

(0.02)

WTI

(-2)

-0.01

(0.03)

Nasdaq

(-2)

0.09

(0.13)

S&P500

(-1)

-0.04

(0.05)

S&P500

(-2)

0.1233

(0.05)C

-0.00

(0.00)

R2sq0.69AIC-4.58S.resids0.64

F2static173SC-4.52likelihood2545

利用Granger对上述结果进行检验[7],检验结果(表4～6)证明了VAR模型的有效性,即FFA市场及经济因素对即期运费市场具有显著影响,其中经济因素对其有影响的原因在于航运市场的派生性.

表4　Panamax TΠC VAR结果的Granger检验

Granger检验结果

TC FFATΠC S&P

500

Dow

Jones Nasdaq WTI Brent

13.38333 4.38 3.95 3.11 5.48 4.973 35.77333 1.41 2.00 4.3925.27333 1.54

4.9239.1533 4.60

5.173333.24333

6.8233

3.36 2.48

4.2511.52333 2.060.69

1.27 1.35

2.26 2.60

3.220.05

0.84 2.50 4.40 2.67 3.540.81 9.71333 2.31 2.390.790.46 1.48

表5　P2A VAR结果的Granger检验

Granger检验结果

P2A FFA

P2A

S&P

500

Dow

Jones Nasdaq WTI Brent

32.3233310.7833 3.37 5.00 5.8312.41333 67.89333 2.47 5.569 3.94911.1933 1.28 9.3233 4.43 5.72 6.27334.98333 6.793

3.44 1.287.44313.78333 2.78 2.01

1.670.10 4.35 4.31 4.61 1.28

3.80 1.4210.3133 2.78 3.29 1.58

5.560.91 3.827.1138.6333 3.90

65

大连海事大学学报 第36卷　

表6　P3A 的VAR 结果Grange 检验

Granger 检验结果

P3A FFA P3A S &P500Dow

Jones Nasdaq WTI Brent 183.473336.273

3

8.4433

8.6033

1.88 5.95319.46333 1.59

2.883

2.458.33330.11

7.66

338.89

33

5.63

3

31.16

333 5.27

3

6.5733

2.49 4.12

3.0912.36333 2.180.721.66 1.97 2.34 5.56 3.010.03

4.433 1.642

5.05

3

1.68 1.700.72

10.553

33

0.95

2.523

0.81

0.44

1.13

2　脉冲分析

利用脉冲响应函数对VAR 结构模型内生变量的当期值和未来值的关系进行脉冲分析.引进转换矩阵解释脉冲,使扰动项不相关.对任意VAR (k )模型进行友矩阵变换,将其转换为VAR (1)模型:

Y t +s =U t +s +A 1U t +s -1+A 2

1U t +s -2+…

+A s

1U t +…

(2)Y t +s =U t +s +Ψ1U t +s -1+

Ψ2U t +s -2+…+Ψs U t +…

(3)

其中:Ψ1=A 1,Ψ2=A 2

1,Ψs =A s

1,故

Ψs =

5Y t +s

U t

(4)

式(4)为脉冲响应函数,描述其他变量在t 期及

t 期以前各期保持不变的前提下,对一次冲击的响应

过程.三条航线的显著影响经济指标脉冲响应过程如图1～3所示.

从图1(a )～(c )中可以看出:一个单位标准离差的FFA T ΠC 和Brent 对T ΠC 具有正向冲击,在第3期达到最大,分别为0.331%和0.221%;随后,冲击开始衰减,分别在第9期及第10期基本消失.一个单位标准离差的S &P500对T ΠC 在第2期具有负向冲击,该冲击从第3期开始产生正向影响,并在第4期达最大;随后开始减弱,在第8期后影响基本消失.

由图2(a )～(b )知:一个单位标准离差的FFAP2A 对P2A 有正向冲击,在第4期达到最大,为0.451%;随后冲击开始衰减,在第12期对P2A 影

响基本消失.一个单位标准离差的S &P500对P2A 在第2

期具有一个负向冲击,该冲击在第3期基本为零,第4期时冲击又变为负向最大,随后开始减弱,在第6期以后影响基本消失.

由图3(a )～(e )可知:一个单位标准离差的FFAP3A 、Brent 、Dow Jones 对P3A 具有正向冲击,

分别在第3期(0.342%)、第3期(0.332%)和第2

图1　显著指标对T ΠC 的脉冲响应

图2　显著指标对P2A 的脉冲响应

期(0.216%)达到最大;随后冲击开始减弱,并分别在第10期、第10期和第7期时影响基本消失.一个

单位标准离差的WTI 对P3A 具有负向冲击,在第3期达到最大,并在第9期影响基本消失.一个单位标准离差的S &P500对P3A 在第2期有一个负向冲击,该冲击在第4期达到最大值0.158%;随后开始衰减,在第9期影响基本消失.

综上所述,FFA 信息和经济信息突变指标对即

7

5第1期 宫晓,等:远期运费市场与即期运费市场的关系研究

图3　显著指标对P3A的脉冲响应

期市场均具有持续的影响,即期市场对上述变量的反应存在一定时滞性.

3　方差分解

利用方差分解将内生变量的变化分解为对VAR分量的冲击,给出对VAR变量产生影响的每个随机扰动的相对重要性信息,并将每个变量预测误差的方差按其成因分解为与各个内生变量相关联的组成部分.

VAR(p)模型的相应向量MA(∞)为

y t=(ψ0I+ψ1L+ψ2L2+…)μt(5)则第i个变量y

it为

y it=∑

p

j=1

(ψ0

ij

μ

jt

+ψ1ijμjt-1+

ψ

2ij

μ

jt-2

+ψ3ijμjt-3+…)(6)其方差

E[(ψ0ijμjt+ψ1ijμjt-1+ψ2ijμjt-2+

ψ

3ij

μ

jt-3

+…)2]=∑

∞

q=0

(ψ

qij

)2σ2

ij

(7)

为测定各扰动项对y

it

方差的贡献程度,定义RV C j→i(∞)=

∑∞

q=0

(ψ

qij

)2σ2

ij

∑k

j=1

∑∞

q=0

(ψ

qij

)2σ2

ij

(8)

其中,RV C为相对方差贡献率.根据第j个变量基于冲击的方差对方差的相对贡献度,观察第j个变量

对第i个变量的影响.如果RV C

j→i

(S)大,则表示第j个变量对第i个变量的影响大,反之则小.根据式(8),方差的分解结果见表7～9.

表7　TΠC方差分解结果

Period S.E.TΠC FFA

TΠC Brent WTI

Dow

Jones Nasdaq

S&P

500

10.021000.000.000.000.000.000.00

20.0298.25 1.230.260.000.020.020.01

30.0396.55 2.200.780.010.030.010.08

40.0395.49 2.69 1.190.010.030.010.18

50.0394.95 2.91 1.430.010.040.010.22

60.0394.75 2.98 1.530.010.040.010.23

70.0394.68 3.00 1.560.010.040.010.23

80.0394.67 3.00 1.570.010.040.010.23

表8　P2A方差分解结果

Period S.E.P2A FFA

P2A Brent WTI

Dow

Jones Nasdaq

S&P

500

10.011000.000.000.000.000.000.00

20.0297.03 2.710.010.080.000.000.06

30.0294.17 5.370.030.090.010.000.04

40.0391.047.840.050.090.030.010.14

50.0389.409.140.060.010.050.010.15

60.0388.739.670.060.010.060.010.14

70.0388.469.870.060.010.060.010.14

80.0388.379.930.060.010.070.010.14

表9　P3A方差分解结果

Period S.E.P3A FFA

P3A Brent WTI

Dow

Jones Nasdaq

S&P

500

10.021000.000.000.000.000.000.00

20.0498.190.870.300.180.370.050.03

30.0496.91 1.380.900.310.310.040.16

40.0496.14 1.61 1.320.330.280.040.28

50.0495.81 1.69 1.540.340.280.030.31

60.0495.68 1.72 1.630.340.280.030.31

70.0495.63 1.73 1.670.340.280.030.31

80.0495.62 1.74 1.680.340.280.030.32

(下转第64页)

对于复杂仿真模型,本方法具有如下优点:(1)提供了自动化的方法用于复杂仿真模型的验证,提高了验证工作的效率;(2)大部分定性验证方法可采用标准的形式进行,减少了验证工作的偏差;(3)领域专家的知识被集成到知识库中,知识可被重用和修改.

参考文献(References):

[1]SAR GEN T R G.Verification and validation of simulation

models[C]ΠΠProceeding of Winter Simulation Conference.

New Y ork,N Y:IEEE,2007:1242137.

[2]CARSONⅡJ S.Model verification and validation[C]ΠΠ

Proceeding of Winter Simulation Conference.[S.l.]: IEEE,2002:52258.

[3]K L EI J N EN P C.Validation of models:statistical tech2

niques and data availability[C]ΠΠProceeding of Winter Sim2 ulation Conference.Piscataway,NJ:IEEE,1999:6472 654.

[4]SADOWSKI D,DEBORAH A.Tips for successful practice

of simulation[C]ΠΠProceeding of Winter Simulation Confer2 ence.New Y ork,N Y:IEEE,2007:1072112.

[5]WAN G J T,MIN F Y.Knowledge elicitation and acquisi2

tion for simulation validation[C]ΠΠThe International Con2 ference on Computational Intelligence and Security Work2 shop.Piscataway,NJ:IEEE,2007:85288.

[6]BIRTA L G,OZMIZRA K F N.A knowledge based ap2

proach for the validation of simulation models[J].ACM Transactions on Modeling and Simulation,1996,6(1):762

98.

[7]HOPKINSON W C,SEPULV EDA J A.Real time valida2

tion of man2in2the2loop simulations[C]ΠΠProceedings of Winter Simulation Conference.Arlington,Virginia,US: IEEE,2004:125021256.

[8]SCHREIBER G,A KKERMANS H,ANJ EWIERDEN A,

et al.Knowledge Engineering and Management:The Com2 mon K ADS Methodology[M].New Y ork:MIT Press, 2003.

(上接第58页)

4　结　论

本文运用VAR模型,采用Granger因果检验、脉冲分析和方差分解考察FFA及经济变量对散货即期运费市场的影响,结果表明:(1)FFA TΠC、S&P500和Brent对TΠC有显著影响;FFA2A、S&P500对P2A有显著影响;FFAP3A、Brent、WTI、S&P500和Dow Jones对P3A有显著影响.

(2)TΠC对FFA TΠC反应最为强烈,对Brent次之,对S&P500最弱;P2A对FFA2A反应最强;P3A对FFAP3A反应最为强烈,对Brent次之,对Dow Jones反应最弱.(3)FFA对Panamax TΠC、P2A、P3A 方差变动解释力最大.

参考文献(References):

[1]K AVUSSANOS M G,V ISV IKIS I D,BA TCHELOR R A.

Over2the2counter forward contracts and s pot price volatility

in shipping[J].Transportation Research Part E,2004,40

(4):2732296.

[2]K AVUSSANOS M G,AL IZADEH A H.Seaso2nality pat2

terns in tanker spot freight rate markets[J].Economic Modelling,2002,19(5):7472782.

[3]张建,杨永志.FFA在航运市场风险管理中的应用[J].

世界海运,2006,29(5):36237.

[4]张振霖,张仁颐.浅谈远期运费合约在运费保值中的应

用[J].水运管理,2001(4):13215.

[5]高铁梅.计量经济分析方法与建模———Eviews应用及实

例[M].北京:清华大学出版社,2006.

[6]张世英,樊智.协整理论与波动模型———金融时间序列

分析及应用[M].北京:清华大学出版社,2004.

[7]V EENSTRA A W,FRANSES P H.A co2integration ap2

proach to forecasting freight rates in the dry bulk shipping sector[J].Transportation Research Part A:Policy and Practice,1997,31(6):4472458.