超大型礦砂船運營背景下的國際鐵礦石海運運價的波動性

1、超大型礦砂船運營背景下的國際鐵礦石海運運價的波動性摘要： 為研究礦砂船的大型化與運價波動性的聯(lián)系，針對國際主流鐵礦右運輸航線的好望角型船海 運運 價的時間序列，引入虛擬變量構建GARCH模型.研究發(fā)現(xiàn)，超大型礦砂船Very Large Ore Carrier,VLOC投入運營并未對主流鐵礦石航線的好望角型船海運運價的波動性產生根本性的影響.相比圖巴朗至青島航線，圖巴朗至鹿特丹航線的鐵礦石海運運價更具穩(wěn)定性?航運企業(yè)應根據(jù)市場需求積極優(yōu)化船隊結構和船舶運營市場的布局 .關鍵詞：超大型礦砂船VLOC ；鐵礦石；運價；好望角型船0引言2021 年 5 月中遠集團下屬的中散集團與中海集團下屬的中海開展

2、股份合資成立 "中 國礦 運 " ，該公司與巴西淡水河谷公司合作， 購宜 40 萬噸級的超大型礦 ?砂船 Very Large Ore Carrier, VLOC，專營國際鐵礦石海上運輸.這意味著一度被限制進入中國港口的超大型礦砂船將進入中國市場 . 超大型礦砂船比好望角型等傳統(tǒng)鐵礦石運輸船具有更為明顯 的規(guī)模效應，所以其 大規(guī)模運營會對原主流國際鐵礦右海運航線上運營的好望角型船不可避免地產生 "擠岀效應 "，這將引起整個國際鐵礦石海運市場格局的變化 .目前學術文獻多將船舶大型化與運價波動性作為兩個不同的主題進行研究?船舶大型化方而 的研究多集中于經濟性

3、論證和影響分析，運價波動方而的研究那么多集中于現(xiàn)貨市場與遠期市場運價波動的關系和不同船型或不同航線的運價波動等領域，鮮見有研究將船舶大型化與運價波動性聯(lián)系于一體.XU等利用廣義矩方法 Generalized Method of Moments, GMM 模型研究了運價波動性與 船隊規(guī)模增長量的關系，指出兩者呈正相關，其中好望角型船因在運營 上缺乏靈活性，北運價波 動對市場變化更為敏感 ?許貴斌從戰(zhàn)略層、戰(zhàn)術層和操作層等3 方 而研究了船舶大型化對鐵礦石供給鏈的影響，指出船舶大型化并不必然帶來運價的下降 . 鑒于超大型礦砂船明顯的本錢優(yōu)勢、 下水運營規(guī)模不斷擴大及苴 "擠占 "

4、;好望角型船運輸市場 的事實，本文重點研究超大型礦砂船的運 營是否對主流鐵礦石海運航線上的好望角型船的運 價波動產生結構化的影響，并結合實踐對研究 結果進行分析 .1 數(shù)據(jù)選取與處理1.1 數(shù)據(jù)選取及說明 本文以國際海運市場中承當鐵礦石運輸份額最大的好望角型船鐵礦仃海運航線運價為研究對象，分別選擇巴西一中國圖巴朗一青島和巴西一西歐圖巴朗一鹿特丹航線為具體建模對象 .為有效評估 40 萬噸級超大型礦砂船投入運營是否對好望角型船鐵礦石海運運價的 波動性產生影 響，考慮到受 2021 年全球經濟危機影響，國際干散貨運輸市場在 2021 年下 半年和 2021 年上半 年岀現(xiàn)斷崖式暴跌從計量經濟的角度

5、考量，這屬于受到強烈外生沖擊出現(xiàn)結構斷點的情況，因此在數(shù)據(jù)上選取全球著名航運咨詢商Clarkson提供的2021年5月至2021年4月期間兩大航線好望角型船鐵礦石海運運價的周度數(shù)據(jù) . 每組時間序列包含 309 個觀測數(shù)拯 . 為表達數(shù)據(jù)的長期趨 勢，減緩短期影響，對數(shù)據(jù)進行對數(shù)處理 . 此外，為分 析從 2021 年 5 月開始陸續(xù)下水投入運營的 超大型礦砂船對好望角型船鐵礦石海運運價波動 是否產生可觀測的顯著影響，本文擬從兩種研究 視角展開建模研究 . 一是以 2021 年 5 月為分 界點，分別就兩大航線構建 4 組時間序列： 2021 年 5 月 1 日至 2021 年 4 月 29

6、日的圖巴朗一 青島航線和圖巴朗一鹿特丹航線的運價序列，以及 2021 年 5 月 6 日至 2021 年 3 月 27 日的 圖巴朗一青島航線和圖巴朗一鹿特丹航線的運價序列， 然后分 別建模進行比照研究以觀測波 動性是否岀現(xiàn)顯著變化 . 二是引入虛擬變戢， 以 2021 年 5 月為分界 點，構造一組時間序列 Zt, 該序列的觀測數(shù)據(jù)在 20H 年 5 月前被記為 0,之后那么被記為 1,分別在隨 后所建模型的均值 方程和條件方差方程中參加虛擬變量 . 引入虛擬變量的經濟意義在于說明以 20年5月為界，好望角型船鐵礦仃海運航線處于兩種不同的市場運營狀態(tài)沒有超大型礦砂船和 有超大型礦 砂船) ，

7、并借以判斷 2021 年 5 月前后好望角型船鐵礦石海運運價波動是否岀現(xiàn)顯著變 化 . 本 文所要研究的各時間序列及其描述見表 1.1.2 描述性統(tǒng)計表 2 列出了各經對數(shù)處理的運價時間序列的根本統(tǒng)計量值.從表2可知：僅 Xt和X2t的JB統(tǒng)訃量的伴隨概率接近 0,拒絕了正態(tài)分布的原假設，2組序 列的峰度均大于 3,偏度均為負值，序列呈左偏，具有尖峰厚尾的特征：英他4 組序列均 接受原假設，呈正態(tài)分布.對拒絕正態(tài)分布原假設的 2組序列在利用EViews軟件構建GARCH模型時，設定 誤差分布形式為廣義誤差分布 (Generalized Error Distribution. GED). 從統(tǒng)計

8、 量中的標準差看：就 2021 年 5 月 1 日至 2021 年 3 月 27 日這一大時間區(qū)段而言，圖巴朗一 青島航線的好望角型船鐵 礦仃海運運價的波動幅度小于圖巴朗一鹿特丹航線的：就兩大航線 的分時間區(qū)段而言，兩大航線 在2021年5月1日至20年4月29日這一時間區(qū)段的運價 波動幅度均大于2021年5月6日至 2021 年 3 月 27 日這一時間區(qū)段的 .1.3 平穩(wěn)性檢驗利用GARCH模型建模的一個重要前提是要求所研究的時間序列是一個平穩(wěn)時間序列，這樣才能得到大樣本性質？如果一個時間序列比的均值、方差和自協(xié)方差都不取決于時刻t,那么稱時間序列?t是弱平穩(wěn)或協(xié)方差平穩(wěn)序列.本文采用最

9、常見的ADF檢驗.根據(jù)6組時間序列 的疋勢圖， 在序列水平值下進行 ADF檢驗，且不添加常數(shù)項和趨勢項，檢驗結果見表 3.從表3可知：序列 Xlt , X2t和 YIt在10%顯著性水平下均可接受原時間序列存在單位根 的原假設，因此 Xlt , X2t和 YIt都是非平穩(wěn)時間序列；Xt , Yt和 Y2t在10%顯 著性水平下 均可拒絕接受原時間序列存在單位根的原假設，因此Xt , Yt和 Y2t都是平穩(wěn)時間序列.為更精確地評判序列是否存在單位根，對Xt , 丫卩和 Y2t序列再采用PP檢驗(見表4).結合PP檢驗結果，認為 Xt和 Yt屬于平穩(wěn)時間序列，而 Y2t屬于非平穩(wěn)時 間序列 . 采

10、用一階差 分形式對非平穩(wěn)的 4 組序列進行處理，使其成為平穩(wěn)時間序列，得到 4 組新 的時間序列，分 另I記為 XF , X, 2t , Ylt和 Y, 2t然后對這4組新序列進行ADF檢 驗，且不添加常數(shù)項和 趨勢項，檢驗結果見表 5.1.4 自相關檢驗 通過時間序列的自相關圖,可根據(jù)自相關系數(shù)與偏自相關系數(shù)的拖尾或截尾特征來判斷序列是否存在自相關性 . 這 6 組平穩(wěn)時間序列的自相關性檢驗結果見表 6.從表6可知：僅有 Xlt的自由度分別為10, 15, 20時的Q統(tǒng)計量均小于5%顯著性水平下 的臨 界值,故接受序列不存在自相關的原假設,即該時間序列不存在自相關性；英余序列均存在明顯的序列

11、自相關性.由于序列 Xlt不存在自相關性，故在構建 GARCH模型的均值方程 時，不能采 用自回歸模型 .2GARCH模型的構建與實證研究GARCH模型是刻畫序列波動性的重要工具.一般而言，GARCH (1, 1模型足以描述大量的 金融時間 序列,它等價于 ARCH(R) 模型 . 標準的 GARCH (1, 1模) 型為2.1 建立均值方程建立均值方程是構造GARCH模型的前提.所謂建立均值方程就是要建立能夠較好地擬合時間序列的模型 ?現(xiàn)利用廣泛運用的自回歸移動平均 (AutoRegressive and Moving Average* ARMA) 模型來擬 合平穩(wěn)時間序列，通過綜合比擬 R

12、2? D. ( Durbi nWatso n)值和AIC( Akaike In formation Criterio n)值選 擇最正確模型.由于Xlt不存在自相關性，故對其不能采用自回歸模型 .考慮到XF與Y, lt 間相關系數(shù)較髙，因此通過Y %對乂日進行擬合.各平穩(wěn)時間序列的均值方程見表 7.2.2ARCH效應檢驗各時間序列的殘差序列 ARCH LM檢驗結果見表8?從表8可知：除序列Xt外，苴余時間序列 的 擬合模型的殘差序列均不存在 ARCH效應，這意味著英余時間序列的運價波動具有一定的 穩(wěn)定性. 本文將在第 3 節(jié)對這樣的檢驗結果進行詳細的分析 .2.3序列 Xt的GARCH模型構建

13、因 Xt擬合模型的殘差序列存在明顯的 ARCH效應，故需要通過 GARCH建模消除異方差性.現(xiàn) 利用GARCH (1, 1)對 Xt的擬合方程重新進行估計，誤差分布形式設妃為 GED得到如 下的均 值方程和條件方差方程，且相關系數(shù)均通過顯著性檢驗 .采用Q統(tǒng)計疑檢驗法對上述通過 GARCH模型重新估計擬合后模型的殘差序列條件異方差性進行檢驗，結果顯示：殘差平方序列在滯后階數(shù)為 10, 15, 20時的 Q 統(tǒng)計量均小于臨界值 且伴隨概率 大于顯著性水平，說明殘差平方序列不存在自相關性：模型擬合效果良好且也消除了殘差序列中的異方差性，即不存在 ARCH效應.這說明GARCH模型能夠對 Xt序列進

14、行建模分析，并能夠 刻畫出該序列的波動性 .2.4 引入虛擬變量后的建模 為進一步探究超大型礦砂船下水運營是否對好望角型船鐵礦石海運運價波動產生實質性影響，引入虛擬變疑 Zt.由于 Yt的擬合模型的殘差序列不存在ARCH效應，故僅在 Yt的擬合模型中參加虛擬變屋 Zt;由于 Xt的擬合模型的殘差序列存在 ARCH效應，故在其均值方程 和 條件方差方程中參加虛擬變雖 : Zt .參加虛擬變量后的模型的估計結果見表9 和 10.從表10可知，均值方程和條件方差方程中的虛擬變量 Zt及局部苴他變量未能通過顯著性檢 驗 ?從現(xiàn)實經濟意義看，該航線上的市場運價并未因有超大型礦砂船參與運營而發(fā)生顯箸變化.

15、 這意味著不能認為 2021 年 5 月之后超大型礦砂船的下水運營能對圖巴朗一青島航線好望角型船海運運價波動產生實質性的影響 .3 建模結果的總結與分析 本文通過計量研究發(fā)現(xiàn)超大型礦砂船投入運營并未對主流鐵礦石航線的好望角型船海運運價波動產生結構化的影響 . 對于這樣的研究結果，可從如下幾方而進行探討認識 .(1) 從超大型礦砂船運力投放規(guī)模以及潛在運力需求的角度看，截至 2025 年第一季度，已經投入運營的40萬噸級的超大型礦砂船僅 30艘左右，運力規(guī)模約在2 200萬t.然而，2021和2021 年巴西鐵礦石岀口量一直維持在 3 億 t 以上， 2021 和 2021 年因主要進口國進口渠

16、 道的拓展，巴 四鐵礦石出口量降到 2.7 億 t 左右. 考慮到船舶下水運營的漸進性(運力并非集 中投放市場)，就 運力投放規(guī)模與運力需求的比擬而言，超大型礦砂船未能占較大市場份額，從而未能對好望角型船形成實質性的擠出效應，進而也就沒能對巴西航線的好望角型船鐵礦 石運價產生結構化的影響 此外，超大型礦砂船隊運力約占好望角型船隊運力的 5% (全球著 名航運咨詢商 Clarkson 數(shù)據(jù)顯 示，截至 2024 年底，全球好望角型船數(shù)量為 1 309艘，總運 力達 2.34 億 t) ?從市場競爭的角度 看，好望角型船的船舶所有人不可能主動放棄自身現(xiàn)有 的市場份額，必定會采取多種措施與超大 型礦

17、砂船展開市場競爭，這意味著超大型礦砂船不 可能迅速搶占整個市場，不能使市場發(fā)生顯著 的結構性變化 .(2) 從超大型礦砂船的實際運營狀況看， 由于該型船曾岀現(xiàn)過一些結構平安問題， 加之船 舶載重量巨大，全球能夠滿足苴靠泊裝卸的大型碼頭極為有限 . 有關國家對這類超設汁標準 船舶靠 泊管理的規(guī)定，使該型船在實際運營中的載貨疑多數(shù)情況下未到達其最大允許載貨量, 這在一泄程度上降低了該型船與好望角型船間的差異，也降低了其對原有航線上的好望角型船鐵礦石運價產生結構化影響的可能 .(3) 從本文具體研究的兩條主流鐵礦石航線看， 中國是巴西鐵礦石出口的重要目的地， 中 國 的鐵礦石進口量占整個巴西鐵礦石出口總量的比重較大 ?但是，在過去幾年時間中，因中國國內干散貨船舶所有人的強烈反對，超大