免费论文查重: 大雅 万方 维普 turnitin paperpass

浅析运价我国集装箱运输企业运价风险预警机制研究

最后更新时间:2024-09-19 作者:用户投稿原创标记本站原创 点赞:6499 浏览:16986
论文导读:
【摘 要】 随着我国出口集装箱运输业的不断发展,集装箱运输企业面临着运价波动风险。文章分析了集装箱运价波动风险产生的原因,并应用时间序列分析中的经典模型ARIMA模型分析了我国出口集装箱运价指数的变动趋势,在集装箱运价走势分析的基础上,依据金融风险预警理论,建立了我国出口集装箱运价风险预警机制模型,为我国集装箱运输企业控制运价风险,提高企业管理经营水平提供了依据。
【关键词】 运价风险; 集装箱运价指数; ARIMA模型; 预警机制
引 言
随着我国经济与世界经济联系的日益紧密,作为航运主要产业之一的集装箱运输业将越来越多地受到世界经济的影响,航运风险有不断增大的趋势,在这种情况下,研究和讨论集装箱运价风险预警管理显得十分重要。而集装箱运价指数是反映集装箱运输市场的重要手段,中国出口集装箱运价指数(CCFI)由上海航运交易所于1998年4月23日首次编制发布,迄今为止已连续发布了近15年。为了完善中国出口集装箱运价指数体系,上海航运交易所于2009年10月16日推出了新版上海出口集装箱运价指数(SCFI)。目前,上海出口集装箱运价指数已成为反映我国出口集装箱班轮运输市场的风向标,并成为全球首个国际集装箱运价衍生品交易的结算依据。
目前,多数学者的研究主要集中于对波罗的海运价指数的研究,如Kevin Cullinane(1992)运用ARMA模型对BFI期货指数进行了研究和预测;杨伟年(1999)运用时间序列分析对国际干散货运价指数的波动性进行了研究;吕靖和陈庆辉(2003)对BDI分别提取了长期趋势项和季节波动项,得到一个符合ARMA模型建模要求的零均值平稳序列。朱剑(2007)利用ARIMA模型对BDI指数的变化趋势进行了建模分析;张页(2010)运用协整理论研究了中国出口集装箱运价指数与航线运价上的相关性。这些研究中,对于新版上海集装箱运价指数趋势研究较少,更是缺乏对我国集装箱运价风险预警机制的研究。
对于集装箱运价风险预警研究的基础是对集装箱运价走势的准确判断,本文以时间序列分析的经典模型ARIMA模型为工具,建立上海出口集装箱运价指数预测模型,并在上海出口集装箱运价指数走势的基础上,根据金融企业风险预警理论,建立了我国集装箱运价风源于:论文格式字体www.7ctime.com
险预警机制模型,以帮助集装箱运输企业及相关金融机构掌握集装箱运价风险的变化规律,控制集装箱运价风险,在国际航运市场的竞争中占据有利地位。

一、集装箱运价波动风险

集装箱运输企业具有投入高、周期长、跨国经营的特征,影响集装箱运输的影响因素众多。集装箱运输不仅受到集装箱运输企业自身经营状况例如运营成本、管理水平等的影响,还受到世界政治、经济和国际贸易等多方面的影响。由于集装箱运输具有派生性,其产生和发展依赖于其他行业和国际贸易的增长和发展,这就导致了集装箱运输的被动性以及对其他相关行业、世界经济贸易发展的依赖性。这些因素综合作用的结果通过集装箱运价波动反映出来,这种波动给集装箱运输企业的收入带来了极大的不确定性。另外,由于国际贸易周期性和季节性的变化,使得作为派生性需求的运输服务也具有周期性波动和季节性波动特征,这给集装箱运输市场的预测带来困难。集装箱运输有着较大的波动性和不确定性,使得集装箱运输企业处于巨大的经营风险之中。因此,为了控制和防范风险,对于集装箱运输的准确预测及相应的风险预警就显得十分重要。

二、时间序列模型简介

时间序列分析(Time Series Analysis)是一种处理动态数据的统计方法,该方法基于随机过程理论和数理统计学方法,研究随机数据序列所遵从的统计规律。ARIMA模型全称为自回归移动平均模型(Autoregressive Integrated Moving Average Model,简记为ARIMA),是由博克思(Box)和詹金斯(Jenkins)于70年代初提出的著名时间序列预测方法。该方法简单易行,一般适用于短期预测,时间序列预测一般反映三种实际变化规律:趋势变化、周期性变化、随机性变化。常用的模型有:AR模型、MA模型、ARMA模型、ARIMA模型。AR模型、MA模型和ARMA模型主要用于分析平稳时间序列的典型模论文导读:由于大量的社会经济数据多为非平稳的时间序列,因此在应用ARIMA模型前,需要对非平稳的时间序列数据通过适当差分;然后对差分后的平稳数据进行ARIMA模型拟合。该方法的基本步骤为:模型的识别;模型中参数的估计;模型的检验及优选。(一)模型的识别利用自相关分析和偏自相关分析等方法,分析时间序列的随机性、平稳性和季节
型,而ARIMA模型是对于非平稳的时间序列的典型模型。对于上海出口集装箱运价指数的分析预测,本文采用ARIMA模型进行分析研究。
ARIMA模型的基本思想是将预测对象随时间推移而形成的数据序列视为一个随机序列,用数学模型ARIMA(p,d,q)来近似描述,其结构如下:
ARIMA模型是差分运算和ARMA模型的组合,由于大量的社会经济数据多为非平稳的时间序列,因此在应用ARIMA模型前,需要对非平稳的时间序列数据通过适当差分;然后对差分后的平稳数据进行ARIMA模型拟合。该方法的基本步骤为:模型的识别;模型中参数的估计;模型的检验及优选。

(一)模型的识别

利用自相关分析和偏自相关分析等方法,分析时间序列的随机性、平稳性和季节性,根据样本数据提出一组值得考虑的模型,包括模型的类型和阶数。如果数据不平稳,需要对数据进行差分,然后根据差分后平稳数据序列的自相关系数(ACF)和偏自相关系数(PACF)值选择适当的阶数。

(二)模型的参数估计

根据样本数据,用最小二乘法等对已选出的模型进行估计,估计出p个自回归系数?准1,?准2…?准p,q个移动平均参数θ1,θ2…θq等参数。

(三)模型的检验和优选

检验每个模型的残差序列?着t是否为白噪声序列,若为白噪声序列,则模型检验通过。在所有通过检验的拟合模型中,根据模型的AIC、BIC准则作为优选标准选择最优模型。

三、实证分析

(一)数据选取与处理

本文选取上海出口集装箱运价指数(SCFI)2010年11月到2012年5月共80个数据进行分析,利用eviews6.0软件对相关数据进行处理。观察原始数据的走势图(见图1),初步判断上海出口集装箱运价指数时间序列为非平稳的时间序列。 对原数据序列一阶差分后的数据序列进行ADF单位根检验,ADF检验结果见表1。可知序列{SCFI}的ADF值大于1%的临界值,所以无法拒绝不存在单位根的原假设,也就是说该序列为非平稳序列;而一阶差分序列{dSCFI}的ADF值小于1%的显著水平下的临界值,所以拒绝差分变量含有单位根的原假设,即{dSCFI}序列是平稳的,记为I(1)过程,可以对该序列进行建模分析。

(二)建立预测模型

由于{SCFI}序列的一阶差分序列为平稳性序列,本文采用ARIMA(p,1,q)模型对{dSCFI}序列进行拟合。其中,P为自回归阶数,q为移动平均阶数,p值和q值取决于样本的自相关系数(ACF)和偏相关系数(PACF)。{dSCFI}序列的自相关和偏自相关的图形,如图2所示。
从自相关图的ACF值看,4阶以后函数值明显趋于0,呈现拖尾性,故q可取4;从偏自相关图PACF值看,第4阶、8阶、9阶、10阶显著不为零,因此可以考虑p取4,8,9或10。所以可以考虑4个备选模型:ARIMA(4,1,4)、ARIMA(8,1,4)、ARIMA(9,1,4)和ARIMA(10,1,4)。
通过eviews

6.0软件,得到这个模型的AIC参数值和残差检验,如表2所示。

从表2可以看出,四组ARIMA模型均通过残差检验,而ARIMA(4,1,4)模型AIC值较低,因此可以选用ARIMA(4,1,4)模型作为预测模型,模型具体表达式为:

(三)预测结果分析

应用ARIMA(4,1,4)模型,对2010年11月至2012年5月上海出口集装箱运价指数预测值和实际值进行比较,发现预测模型的Theil不平衡系数为0.0128,偏差和方差百分比均接近于零,协方差百分比为0.997,接近于1,说明预测效果比较好。预测效果如图3所示。

四、基于集装箱运价走势分析的我国出口集装箱运价风险预警机制

集装箱运价风险预警机制是集装箱运输企业运价风险控制的核心,为了更好地控制集装箱运输企业的运价风险,根据金融风险管理的相关理论,本文把集装箱运价风险预警机制的基论文导读:险的度量需要建立集装箱运价风险测度指标体系。集装箱运价风险判别就是根据集装箱运价风险度量的结果,判断集装箱运价风险的类型和程度,判断集装箱运价风险是否在系统可接受的风险程度内。集装箱运价风险管理决策是根据集装箱运价风险判别的结果,如果集装箱运价风险在系统正常的风险范围内,则继续进行集装箱运价风险
本程序表述为:集装箱运价走势监控、集装箱运价风险识别、集装箱运价风险度量、集装箱运价风险判别和集装箱运价风险管理决策五个阶段,如图4所示。
集装箱运价走势监控是对集装箱运价的趋势变化情况进行全程监督,及时发现集装箱运价波动情况,为识别集装箱运价风险提供依据。
集装箱运价风险识别就是对潜在的各种集装箱运价风险进行系统归类和全面分析,以确定其性质和特征,包括运价风险发生的因素、形式、影响程度、作用方式以及性质等。
集装箱运价风险度量是在集装箱运价风险识别的基础上,进一步对集装箱运价风险进行度量与监测,包括集装箱运价风险发生的概率以及相应风险程度。集装箱运价风险的度量需要建立集装箱运价风险测度指标体系。
集装箱运价风险判别就是根据集装箱运价风险度量的结果,判断集装箱运价风险的类型和程度,判断集装箱运价风险是否在系统可接受的风险程度内。
集装箱运价风险管理决策是根据集装箱运价风险判别的结果,如果集装箱运价风险在系统正常的风险范围内,则继续进行集装箱运价风险正常监控;如果集装箱运价风险已经超过系统正常范围,则企业需要立即启动集装箱运价风险的危机处理机制,解除危机,使得集装箱运价风险处在系统可接受的范围内。
五、结语
集装箱运输业是高风险、高收益行业,如何降低经营风险一直是集装箱运输企业十分关心的课题。本文在分析时间序列模型ARIMA预测模型的基础上,以新版上海出口集装箱运价指数序列为基础,通过对该序列的平稳性分析、差分处理、自相关偏相关系数计算、ARIMA建模、参数估计、假设检验及模型预测等研究了集装箱运价指数的走势。结果显示,ARIMA(4,1,4)模型能很好地拟合上海出口集装箱运价指数波动情况,能够较为准确地判断集装箱运价走势,并在准确监控集装箱运价走势的基础上,提出了集装箱运价风险预警机制模型,通过对集装箱运价风险的监控、识别、度量、判断及管理决策,帮助集装箱运输企业利用好集装箱运价指数,降低企业经营风险。
【参考文献】
Batchelor,Alizadeh,Visvikis. Forecasting spot and forward prices in the international freight market[J].International Journal of Forecasting,2007(23):101-114.
杨伟年.国际干散货运价波动研究[D].上海:上海海运学院学位论文,1999.
[3] 吕靖,陈庆辉.海运指数的波动规律[J].大连海事大学学报,2003(1):1-4.
[4] 朱剑.干散货远期运费市场功能实证研究[D].上海:上海交通大学学位论文,2007.
[5] 张页.中国出口集装箱运价指数与实际运价相关分析[J].中国航海,2010(6): 96-100.
[6] G.E.P.Box,G.N.Jenkins and G.C.Reinsel. 时间序列分析预测与控制[M].顾岚,主译.北京:中国统计出版社,199

7.源于:论文格式www.7ctime.com