超大型矿砂船运营背景下的国际铁矿石海运运价的波动性
章强 王学锋 殷明
摘要：
为研究矿砂船的大型化与运价波动性的联系，针对国际主流铁矿石运输航线的好望角型船海运运价的时间序列，引入虚拟变量构建GARCH模型.研究发现，超大型矿砂船（Very Large Ore Carrier，VLOC）投入运营并未对主流铁矿石航线的好望角型船海运运价的波动性产生根本性的影响.相比图巴朗至青岛航线，图巴朗至鹿特丹航线的铁矿石海运运价更具稳定性.航运企业应根据市场需求积极优化船队结构和船舶运营市场的布局.
关键词：
超大型矿砂船（VLOC）； 铁矿石； 运价； 好望角型船
0引言
2015年5月中远集团下属的中散集团与中海集团下属的中海发展股份有限公司合资成立“中国矿运有限公司”，该公司与巴西淡水河谷公司合作，购置40万吨级的超大型矿砂船（Very Large Ore Carrier， VLOC），专营国际铁矿石海上运输.这意味着一度被限制进入中国港口的超大型矿砂船将进入中国市场.超大型矿砂船比好望角型等传统铁矿石运输船具有更为明显的规模效应，所以其大规模运营会对原主流国际铁矿石海运航线上运营的好望角型船不可避免地产生“挤出效应”，这将引起整个国际铁矿石海运市场格局的变化.
目前学术文献多将船舶大型化与运价波动性作为两个不同的主题进行研究.船舶大型化方面的研究多集中于经济性论证[13]和影响分析[46]，运价波动方面的研究则多集中于现货市场与远期市场运价波动的关系[710]和不同船型或不同航线的运价波动[1112]等领域，鲜见有研究将船舶大型化与运价波动性联系于一体.XU等[13]利用广义矩方法（Generalized Method of Moments，GMM）模型研究了运价波动性与船队规模增长量的关系，指出两者呈正相关，其中好望角型船因在运营上缺乏灵活性，其运价波动对市场变化更为敏感.许贵斌[14]从战略层、战术层和操作层等3方面研究了船舶大型化对铁矿石供应链的影响，指出船舶大型化并不必然带来运价的下降.
鉴于超大型矿砂船明显的成本优势、下水运营规模不断扩大及其“挤占”好望角型船运输市场的事实，本文重点研究超大型矿砂船的运营是否对主流铁矿石海运航线上的好望角型船的运价波动产生结构化的影响，并结合实践对研究结果进行分析.
1数据选取与处理
1.1数据选取及说明
本文以国际海运市场中承担铁矿石运输份额最大的好望角型船铁矿石海运航线运价为研究对象，分别选择巴西—中国（图巴朗—青岛）和巴西—西欧（图巴朗—鹿特丹）航线为具体建模对象.为有效评估40万吨级超大型矿砂船投入运营是否对好望角型船铁矿石海运运价的波动性产生影响，考虑到受2008年全球经济危机影响，国际干散货运输市场在2008年下半年和2009年上半年出现断崖式暴跌（从计量经济的角度考量，这属于受到强烈外生冲击出现结构断点的情况），因此在数据上选取全球著名航运咨询商Clarkson提供的2009年5月至2015年4月期间两大航线好望角型船铁矿石海运运价的周度数据.每组时间序列包含309个观测数据.为体现数据的长期趋势，减缓短期影响，对数据进行对数处理.此外，为分析从2011年5月开始陆续下水投入运营的超大型矿砂船对好望角型船铁矿石海运运价波动是否产生可观测的显著影响，本文拟从两种研究视角展开建模研究.一是以2011年5月为分界点，分别就两大航线构建4组时间序列：2009年5月1日至2011年4月29日的图巴朗—青岛航线和图巴朗—鹿特丹航线的运价序列，以及2011年5月6日至2015年3月27日的图巴朗—青岛航线和图巴朗—鹿特丹航线的运价序列，然后分别建模进行对比研究以观测波动性是否出现显著变化.二是引入虚拟变量，以2011年5月为分界点，构造一组时间序列{Zt}，该序列的观测数据在2011年5月前被记为0，之后则被记为1，分别在随后所建模型的均值方程和条件方差方程中加入虚拟变量.引入虚拟变量的经济意义在于说明以2011年5月为界，好望角型船铁矿石海运航线处于两种不同的市场运营状态（没有超大型矿砂船和有超大型矿砂船），并借以判断2011年5月前后好望角型船铁矿石海运运价波动是否出现显著变化.本文所要研究的各时间序列及其描述见表1.
1.2描述性统计
表2列出了各经对数处理的运价时间序列的基本统计量值.
从表2可知：仅{Xt}和{X2t}的JB统计量的伴随概率接近0，拒绝了正态分布的原假设，2组序列的峰度均大于3，偏度均为负值，序列呈左偏，具有尖峰厚尾的特征；其他4组序列均接受原假设，呈正态分布.对拒绝正态分布原假设的2组序列在利用EViews软件构建GARCH模型时，设定误差分布形式为广义误差分布（Generalized Error Distribution，GED）.从统计量中的标准差看：就2009年5月1日至2015年3月27日这一大时间区段而言，图巴朗—青岛航线的好望角型船铁矿石海运运价的波动幅度小于图巴朗—鹿特丹航线的；就两大航线的分时间区段而言，两大航线在2009年5月1日至2011年4月29日这一时间区段的运价波动幅度均大于2011年5月6日至2015年3月27日这一时间区段的.
1.3平稳性检验
利用GARCH模型建模的一个重要前提是要求所研究的时间序列是一个平稳时间序列，这样才能得到大样本性质.如果一个时间序列{μt}的均值、方差和自协方差都不取决于时刻t，则称时间序列{μt}是弱平稳或协方差平稳序列.本文采用最常见的ADF检验.根据6组时间序列的走势图，在序列水平值下进行ADF检验，且不添加常数项和趋势项，检验结果见表3.
从表3可知：序列{X1t}，{X2t}和{Y1t}在10%显著性水平下均可接受原时间序列存在单位根的原假设，因此{X1t}，{X2t}和{Y1t}都是非平稳时间序列；{Xt}，{Yt}和{Y2t}在10%显著性水平下均可拒绝接受原时间序列存在单位根的原假设，因此{Xt}，{Yt}和{Y2t}都是平稳时间序列.为更精确地评判序列是否存在单位根，对{Xt}，{Yt}和{Y2t}序列再采用PP检验（见表4）.结合PP检验结果，认为{Xt}和{Yt}属于平稳时间序列，而{Y2t}属于非平稳时间序列.
采用一阶差分形式对非平稳的4组序列进行处理，使其成为平稳时间序列，得到4组新的时间序列，分别记为{X′1t}，{X′2t}，{Y′1t}和{Y′2t}，然后对这4组新序列进行ADF检验，且不添加常数项和趋势项，检验结果见表5.
1.4自相关检验
通过时间序列的自相关图，可根据自相关系数与偏自相关系数的拖尾或截尾特征来判断序列是否存在自相关性.这6组平稳时间序列的自相关性检验结果见表6.
从表6可知：仅有{X′1t}的自由度分别为10，15，20时的Q统计量均小于5%显著性水平下的临界值，故接受序列不存在自相关的原假设，即该时间序列不存在自相关性；其余序列均存在明显的序列自相关性.由于序列{X′1t}不存在自相关性，故在构建GARCH模型的均值方程时，不能采用自回归模型.
2GARCH模型的构建与实证研究
GARCH模型是刻画序列波动性的重要工具.一般而言，GARCH（1，1）模型足以描述大量的金融时间序列，它等价于ARCH（∞）模型[15].标准的GARCH（1，1）模型为
2.1建立均值方程
建立均值方程是构造GARCH模型的前提.所谓建立均值方程就是要建立能够较好地拟合时间序列的模型.现利用广泛运用的自回归移动平均（AutoRegressive and Moving Average，ARMA）模型来拟合平稳时间序列，通过综合比较R2，D.W.（DurbinWatson）值和AIC（Akaike Information Criterion）值选择最佳模型.由于{X′1t}不存在自相关性，故对其不能采用自回归模型.考虑到{X′1t}与{Y′1t}间相关系数较高，因此通过{Y′1t}对{X′1t}进行拟合.
各平稳时间序列的均值方程见表7.
2.2ARCH效应检验
各时间序列的残差序列ARCH LM检验结果见表8.从表8可知：除序列{Xt}外，其余时间序列的拟合模型的残差序列均不存在ARCH效应，这意味着其余时间序列的运价波动具有一定的稳定性.本文将在第3节对这样的检验结果进行详细的分析.
2.3序列{Xt}的GARCH模型构建
因{Xt}拟合模型的残差序列存在明显的ARCH效应，故需要通过GARCH建模消除异方差性.现利用GARCH（1，1）对{Xt}的拟合方程重新进行估计，误差分布形式设定为GED，得到如下的均值方程和条件方差方程，且相关系数均通过显著性检验.
采用Q统计量检验法对上述通过GARCH模型重新估计拟合后模型的残差序列条件异方差性进行检验，结果显示：残差平方序列在滞后阶数为10，15，20时的Q统计量均小于临界值且伴随概率大于显著性水平，表明残差平方序列不存在自相关性；模型拟合效果良好且也消除了残差序列中的异方差性，即不存在ARCH效应.这说明GARCH模型能够对{Xt}序列进行建模分析，并能够刻画出该序列的波动性.
2.4引入虚拟变量后的建模
为进一步探究超大型矿砂船下水运营是否对好望角型船铁矿石海运运价波动产生实质性影响，引入虚拟变量{Zt}.由于{Yt}的拟合模型的残差序列不存在ARCH效应，故仅在{Yt}的拟合模型中加入虚拟变量{Zt}；由于{Xt}的拟合模型的残差序列存在ARCH效应，故在其均值方程和条件方差方程中加入虚拟变量{Zt}.加入虚拟变量后的模型的估计结果见表9和10.
从表10可知，均值方程和条件方差方程中的虚拟变量{Zt}及部分其他变量未能通过显著性检验.从现实经济意义看，该航线上的市场运价并未因有超大型矿砂船参与运营而发生显著变化.这意味着不能认为2011年5月之后超大型矿砂船的下水运营能对图巴朗—青岛航线好望角型船海运运价波动产生实质性的影响.
3建模结果的总结与分析
本文通过计量研究发现超大型矿砂船投入运营并未对主流铁矿石航线的好望角型船海运运价波动产生结构化的影响.对于这样的研究结果，可从如下几方面进行探讨认识.
（1）从超大型矿砂船运力投放规模以及潜在运力需求的角度看，截至2015年第一季度，已经投入运营的40万吨级的超大型矿砂船仅30艘左右，运力规模约在1 200万t.然而，2011和2012年巴西铁矿石出口量一直维持在3亿t以上，2013和2014年因主要进口国进口渠道的拓展，巴西铁矿石出口量降到2.7亿t左右.考虑到船舶下水运营的渐进性（运力并非集中投放市场），就运力投放规模与运力需求的比较而言，超大型矿砂船未能占较大市场份额，从而未能对好望角型船形成实质性的挤出效应，进而也就没能对巴西航线的好望角型船铁矿石运价产生结构化的影响.此外，超大型矿砂船队运力约占好望角型船队运力的5%（全球著名航运咨询商Clarkson数据显示，截至2014年底，全球好望角型船数量为1 309艘，总运力达2.34亿t）.从市场竞争的角度看，好望角型船的船舶所有人不可能主动放弃自身现有的市场份额，必定会采取多种措施与超大型矿砂船展开市场竞争，这意味着超大型矿砂船不可能迅速抢占整个市场，不能使市场发生显著的结构性变化.
（2）从超大型矿砂船的实际运营状况看，由于该型船曾出现过一些结构安全问题，加之船舶载重量巨大，全球能够满足其靠泊装卸的大型码头极为有限.有关国家对这类超设计规范船舶靠泊管理的规定，使该型船在实际运营中的载货量多数情况下未达到其最大允许载货量，这在一定程度上降低了该型船与好望角型船间的差异，也降低了其对原有航线上的好望角型船铁矿石运价产生结构化影响的可能.
（3）从本文具体研究的两条主流铁矿石航线看，中国是巴西铁矿石出口的重要目的地，中国的铁矿石进口量占整个巴西铁矿石出口总量的比重较大.但是，在过去几年时间中，因中国国内干散货船舶所有人的强烈反对，超大型矿砂船一直未能正常靠泊中国港口以及进行相关大规模装卸作业，也就是说实际上从该型船2011年5月投入运营至今，巴西至中国航线的铁矿石运输还主要依赖好望角型船.虽然淡水河谷公司采用超大型矿砂船载货至菲律宾、印尼等国，再通过载重量较小的船转运至中国港口，但这样的运营形式难以对主流的巴西直达中国的好望角型船运输产生结构化的影响.此外，以鹿特丹港为主要卸货港的西欧国家虽也是巴西铁矿石出口的重要目的地，但由于西欧国家的整体进口量相对较小，加之西欧至巴西的航程较短，在一定程度上降低了该型船相比好望角型船的经济优势.
（4）从研究方法看，本文以时间序列为研究对象，采用计量经济学中的研究模型展开研究，这其中就涉及到时间序列的时间跨度、数据频率等关键要素的选择问题，这些因素会直接影响研究结果.此外，本文评估超大型矿砂船投入运营是否对主流航线的好望角型船铁矿石海运运价波动产生结构化的影响，在研究上采用选择时间分界点的形式进行纵向比较，其中关键问题就是选择何时为分界点.本文选择以第一艘40万吨级超大型矿砂船下水投入运营的2011年5月为分界点，虽然能够清晰地比较存在该型船运营和不存在该型船运营这两种市场情形，但这是否足以辨别出该型船运营对市场运价的影响还是值得商榷的.因此，本文认为未来的一个研究方向是通过调整时间分界点来进一步评判超大型矿砂船投入运营带来的影响.
（5）从航线自身的波动性看，图巴朗—鹿特丹航线的好望角型船铁矿石运价波动不存在异方差性，而图巴朗—青岛航线的好望角型船铁矿石运价波动存在异方差性和波动集群性，也就是说相比图巴朗—青岛航线，图巴朗—鹿特丹航线的运价更具稳定性.对于这一研究发现，本文认为原因主要在于如下两方面.一方面图巴朗—青岛航线的运力需求远超图巴朗—鹿特丹航线的，加之该航线的运价相对较高，因此图巴朗—青岛航线更易吸引更多船舶经营人的运力投放，特别是近几年国际铁矿石价格下挫，中国表现出了强劲的铁矿石进口需求，此外，近年来每年的好望角型新船投放量都十分可观，但由于矿山集中发货等原因，在某些短时间段内航线上仍会出现运力供不应求现象，进而导致运价不断攀升.但是由于整个干散货市场存在严重的运力过剩问题，船舶经营人间运价竞争日益激烈，当运力需求放缓时，为争夺货源，又极易出现竞相杀价、运价猛跌的情形.总体看，图巴朗—青岛航线运价表现出较大的波动性和随意性.另一方面图巴朗—青岛航线的航程大大超过图巴朗—鹿特丹航线的，这在一定程度上降低了图巴朗—青岛航线的船舶“适用性”，为充分发挥船舶的规模经济性，图巴朗—青岛航线的铁矿石运输大多数情况下都需要依赖载货量较大的好望角型船，若使用巴拿马型船等载货量较小的干散货船，就难以形成运价优势.然而，图巴朗—鹿特丹航线的航程较短，航次时间也相应较短，这样在大西洋市场巴拿马型船出现运力过剩的情形下，会有一部分巴拿马型等载货量较小的干散货船进入该航线对好望角型船运输市场进行竞争分流，不同船型的船舶之间运力的流动会在一定程度上起到平滑运价波动的作用.
4结论
超大型矿砂船投入运营并未对主流铁矿石航线的好望角型船海运运价产生结构化的影响，这对我国拥有大量好望角型船的航运企业是一个有利消息，但是需要认识到：近几年好望角型新船投入量巨大，市场存在明显的运力过剩状况，而且随着越来越多的超大型矿砂船将下水运营和靠泊政策的放开，这势必会对铁矿石运输航线的好望角型船运输市场产生更加明显的“挤出效应”.因此，我国航运企业应根据市场需求积极优化船队结构，优化船舶运营市场的布局，注重与大型货主企业的紧密合作.
参考文献：
[1]吴冲. 集装箱船舶大型化规模经济研究[D]. 上海： 上海海事大学， 2005.
[2]徐敏杰. 集装箱船舶大型化的规模经济论证[J]. 集装箱化， 2007（18）： 16.
[3]孙领. 船舶大型化趋势下新能源的经济可行性分析[J]. 珠江水运， 2013（5）： 6264.
[4]万征. 集装箱船舶大型化对中国班轮运输的影响[J]. 中国航海， 2006（4）： 96100.
[5]王汪洋. 船舶大型化对干散货海运市场的影响研究[D]. 大连： 大连海事大学， 2012.
[6]丁敏. 船舶大型化发展趋势及其对我国港口业发展的影响[J]. 中国港口， 2013（7）： 912.
[7]KAVUSSANOS M G， VISVIKS I D. Market interactions in returns and volatilities between spot and forward shipping freight markets[J]. Journal of Banking and Finance， 2004， 28（8）： 20152049.
[8]KAVUSSANOS M G， VISVIKS I D， BATCHELOR R A. Overthecounter forward contracts and spot price volatility in shipping[J]. Transportation Research Part E， 2004， 40（4）： 273296.
[9]王建华， 吕靖， 谭威， 等. 巴拿马型船舶航运市场价格波动的VAR模型分析[J]. 上海海事大学学报， 2009， 30（2）： 7883.
[10]殷明， 郑士源， 章强. 航运金融市场价格传导及买卖价差的形成机制——基于干散货运输现货与衍生市场的实证分析[J]. 上海金融， 2015（2）： 7781.
[11]KAVUSSANOS M G. Time varying risks among segments of the tanker freight markets[J]. Maritime Economics and Logistics， 2003， 5（3）： 227250.
[12]曲胜斌. VLCC船运输市场运价波动性研究[D]. 大连： 大连海事大学， 2013.
[13]XU J J， YIP T L， MARLOW P B. The dynamics between freight volatility and fleet size growth in dry bulk shipping markets[J]. Transportation Research Part E， 2011， 47： 983991.
[14]许贵斌. 船舶大型化对铁矿石供应链影响研究[D]. 大连： 大连海事大学， 2014.
[15]高铁梅. 计量经济分析方法与建模[M]. 北京： 清华大学出版社， 2009： 199200.
（编辑赵勉）
摘要：
为研究矿砂船的大型化与运价波动性的联系，针对国际主流铁矿石运输航线的好望角型船海运运价的时间序列，引入虚拟变量构建GARCH模型.研究发现，超大型矿砂船（Very Large Ore Carrier，VLOC）投入运营并未对主流铁矿石航线的好望角型船海运运价的波动性产生根本性的影响.相比图巴朗至青岛航线，图巴朗至鹿特丹航线的铁矿石海运运价更具稳定性.航运企业应根据市场需求积极优化船队结构和船舶运营市场的布局.
关键词：
超大型矿砂船（VLOC）； 铁矿石； 运价； 好望角型船
0引言
2015年5月中远集团下属的中散集团与中海集团下属的中海发展股份有限公司合资成立“中国矿运有限公司”，该公司与巴西淡水河谷公司合作，购置40万吨级的超大型矿砂船（Very Large Ore Carrier， VLOC），专营国际铁矿石海上运输.这意味着一度被限制进入中国港口的超大型矿砂船将进入中国市场.超大型矿砂船比好望角型等传统铁矿石运输船具有更为明显的规模效应，所以其大规模运营会对原主流国际铁矿石海运航线上运营的好望角型船不可避免地产生“挤出效应”，这将引起整个国际铁矿石海运市场格局的变化.
目前学术文献多将船舶大型化与运价波动性作为两个不同的主题进行研究.船舶大型化方面的研究多集中于经济性论证[13]和影响分析[46]，运价波动方面的研究则多集中于现货市场与远期市场运价波动的关系[710]和不同船型或不同航线的运价波动[1112]等领域，鲜见有研究将船舶大型化与运价波动性联系于一体.XU等[13]利用广义矩方法（Generalized Method of Moments，GMM）模型研究了运价波动性与船队规模增长量的关系，指出两者呈正相关，其中好望角型船因在运营上缺乏灵活性，其运价波动对市场变化更为敏感.许贵斌[14]从战略层、战术层和操作层等3方面研究了船舶大型化对铁矿石供应链的影响，指出船舶大型化并不必然带来运价的下降.
鉴于超大型矿砂船明显的成本优势、下水运营规模不断扩大及其“挤占”好望角型船运输市场的事实，本文重点研究超大型矿砂船的运营是否对主流铁矿石海运航线上的好望角型船的运价波动产生结构化的影响，并结合实践对研究结果进行分析.
1数据选取与处理
1.1数据选取及说明
本文以国际海运市场中承担铁矿石运输份额最大的好望角型船铁矿石海运航线运价为研究对象，分别选择巴西—中国（图巴朗—青岛）和巴西—西欧（图巴朗—鹿特丹）航线为具体建模对象.为有效评估40万吨级超大型矿砂船投入运营是否对好望角型船铁矿石海运运价的波动性产生影响，考虑到受2008年全球经济危机影响，国际干散货运输市场在2008年下半年和2009年上半年出现断崖式暴跌（从计量经济的角度考量，这属于受到强烈外生冲击出现结构断点的情况），因此在数据上选取全球著名航运咨询商Clarkson提供的2009年5月至2015年4月期间两大航线好望角型船铁矿石海运运价的周度数据.每组时间序列包含309个观测数据.为体现数据的长期趋势，减缓短期影响，对数据进行对数处理.此外，为分析从2011年5月开始陆续下水投入运营的超大型矿砂船对好望角型船铁矿石海运运价波动是否产生可观测的显著影响，本文拟从两种研究视角展开建模研究.一是以2011年5月为分界点，分别就两大航线构建4组时间序列：2009年5月1日至2011年4月29日的图巴朗—青岛航线和图巴朗—鹿特丹航线的运价序列，以及2011年5月6日至2015年3月27日的图巴朗—青岛航线和图巴朗—鹿特丹航线的运价序列，然后分别建模进行对比研究以观测波动性是否出现显著变化.二是引入虚拟变量，以2011年5月为分界点，构造一组时间序列{Zt}，该序列的观测数据在2011年5月前被记为0，之后则被记为1，分别在随后所建模型的均值方程和条件方差方程中加入虚拟变量.引入虚拟变量的经济意义在于说明以2011年5月为界，好望角型船铁矿石海运航线处于两种不同的市场运营状态（没有超大型矿砂船和有超大型矿砂船），并借以判断2011年5月前后好望角型船铁矿石海运运价波动是否出现显著变化.本文所要研究的各时间序列及其描述见表1.
1.2描述性统计
表2列出了各经对数处理的运价时间序列的基本统计量值.
从表2可知：仅{Xt}和{X2t}的JB统计量的伴随概率接近0，拒绝了正态分布的原假设，2组序列的峰度均大于3，偏度均为负值，序列呈左偏，具有尖峰厚尾的特征；其他4组序列均接受原假设，呈正态分布.对拒绝正态分布原假设的2组序列在利用EViews软件构建GARCH模型时，设定误差分布形式为广义误差分布（Generalized Error Distribution，GED）.从统计量中的标准差看：就2009年5月1日至2015年3月27日这一大时间区段而言，图巴朗—青岛航线的好望角型船铁矿石海运运价的波动幅度小于图巴朗—鹿特丹航线的；就两大航线的分时间区段而言，两大航线在2009年5月1日至2011年4月29日这一时间区段的运价波动幅度均大于2011年5月6日至2015年3月27日这一时间区段的.
1.3平稳性检验
利用GARCH模型建模的一个重要前提是要求所研究的时间序列是一个平稳时间序列，这样才能得到大样本性质.如果一个时间序列{μt}的均值、方差和自协方差都不取决于时刻t，则称时间序列{μt}是弱平稳或协方差平稳序列.本文采用最常见的ADF检验.根据6组时间序列的走势图，在序列水平值下进行ADF检验，且不添加常数项和趋势项，检验结果见表3.
从表3可知：序列{X1t}，{X2t}和{Y1t}在10%显著性水平下均可接受原时间序列存在单位根的原假设，因此{X1t}，{X2t}和{Y1t}都是非平稳时间序列；{Xt}，{Yt}和{Y2t}在10%显著性水平下均可拒绝接受原时间序列存在单位根的原假设，因此{Xt}，{Yt}和{Y2t}都是平稳时间序列.为更精确地评判序列是否存在单位根，对{Xt}，{Yt}和{Y2t}序列再采用PP检验（见表4）.结合PP检验结果，认为{Xt}和{Yt}属于平稳时间序列，而{Y2t}属于非平稳时间序列.
采用一阶差分形式对非平稳的4组序列进行处理，使其成为平稳时间序列，得到4组新的时间序列，分别记为{X′1t}，{X′2t}，{Y′1t}和{Y′2t}，然后对这4组新序列进行ADF检验，且不添加常数项和趋势项，检验结果见表5.
1.4自相关检验
通过时间序列的自相关图，可根据自相关系数与偏自相关系数的拖尾或截尾特征来判断序列是否存在自相关性.这6组平稳时间序列的自相关性检验结果见表6.
从表6可知：仅有{X′1t}的自由度分别为10，15，20时的Q统计量均小于5%显著性水平下的临界值，故接受序列不存在自相关的原假设，即该时间序列不存在自相关性；其余序列均存在明显的序列自相关性.由于序列{X′1t}不存在自相关性，故在构建GARCH模型的均值方程时，不能采用自回归模型.
2GARCH模型的构建与实证研究
GARCH模型是刻画序列波动性的重要工具.一般而言，GARCH（1，1）模型足以描述大量的金融时间序列，它等价于ARCH（∞）模型[15].标准的GARCH（1，1）模型为
2.1建立均值方程
建立均值方程是构造GARCH模型的前提.所谓建立均值方程就是要建立能够较好地拟合时间序列的模型.现利用广泛运用的自回归移动平均（AutoRegressive and Moving Average，ARMA）模型来拟合平稳时间序列，通过综合比较R2，D.W.（DurbinWatson）值和AIC（Akaike Information Criterion）值选择最佳模型.由于{X′1t}不存在自相关性，故对其不能采用自回归模型.考虑到{X′1t}与{Y′1t}间相关系数较高，因此通过{Y′1t}对{X′1t}进行拟合.
各平稳时间序列的均值方程见表7.
2.2ARCH效应检验
各时间序列的残差序列ARCH LM检验结果见表8.从表8可知：除序列{Xt}外，其余时间序列的拟合模型的残差序列均不存在ARCH效应，这意味着其余时间序列的运价波动具有一定的稳定性.本文将在第3节对这样的检验结果进行详细的分析.
2.3序列{Xt}的GARCH模型构建
因{Xt}拟合模型的残差序列存在明显的ARCH效应，故需要通过GARCH建模消除异方差性.现利用GARCH（1，1）对{Xt}的拟合方程重新进行估计，误差分布形式设定为GED，得到如下的均值方程和条件方差方程，且相关系数均通过显著性检验.
采用Q统计量检验法对上述通过GARCH模型重新估计拟合后模型的残差序列条件异方差性进行检验，结果显示：残差平方序列在滞后阶数为10，15，20时的Q统计量均小于临界值且伴随概率大于显著性水平，表明残差平方序列不存在自相关性；模型拟合效果良好且也消除了残差序列中的异方差性，即不存在ARCH效应.这说明GARCH模型能够对{Xt}序列进行建模分析，并能够刻画出该序列的波动性.
2.4引入虚拟变量后的建模
为进一步探究超大型矿砂船下水运营是否对好望角型船铁矿石海运运价波动产生实质性影响，引入虚拟变量{Zt}.由于{Yt}的拟合模型的残差序列不存在ARCH效应，故仅在{Yt}的拟合模型中加入虚拟变量{Zt}；由于{Xt}的拟合模型的残差序列存在ARCH效应，故在其均值方程和条件方差方程中加入虚拟变量{Zt}.加入虚拟变量后的模型的估计结果见表9和10.
从表10可知，均值方程和条件方差方程中的虚拟变量{Zt}及部分其他变量未能通过显著性检验.从现实经济意义看，该航线上的市场运价并未因有超大型矿砂船参与运营而发生显著变化.这意味着不能认为2011年5月之后超大型矿砂船的下水运营能对图巴朗—青岛航线好望角型船海运运价波动产生实质性的影响.
3建模结果的总结与分析
本文通过计量研究发现超大型矿砂船投入运营并未对主流铁矿石航线的好望角型船海运运价波动产生结构化的影响.对于这样的研究结果，可从如下几方面进行探讨认识.
（1）从超大型矿砂船运力投放规模以及潜在运力需求的角度看，截至2015年第一季度，已经投入运营的40万吨级的超大型矿砂船仅30艘左右，运力规模约在1 200万t.然而，2011和2012年巴西铁矿石出口量一直维持在3亿t以上，2013和2014年因主要进口国进口渠道的拓展，巴西铁矿石出口量降到2.7亿t左右.考虑到船舶下水运营的渐进性（运力并非集中投放市场），就运力投放规模与运力需求的比较而言，超大型矿砂船未能占较大市场份额，从而未能对好望角型船形成实质性的挤出效应，进而也就没能对巴西航线的好望角型船铁矿石运价产生结构化的影响.此外，超大型矿砂船队运力约占好望角型船队运力的5%（全球著名航运咨询商Clarkson数据显示，截至2014年底，全球好望角型船数量为1 309艘，总运力达2.34亿t）.从市场竞争的角度看，好望角型船的船舶所有人不可能主动放弃自身现有的市场份额，必定会采取多种措施与超大型矿砂船展开市场竞争，这意味着超大型矿砂船不可能迅速抢占整个市场，不能使市场发生显著的结构性变化.
（2）从超大型矿砂船的实际运营状况看，由于该型船曾出现过一些结构安全问题，加之船舶载重量巨大，全球能够满足其靠泊装卸的大型码头极为有限.有关国家对这类超设计规范船舶靠泊管理的规定，使该型船在实际运营中的载货量多数情况下未达到其最大允许载货量，这在一定程度上降低了该型船与好望角型船间的差异，也降低了其对原有航线上的好望角型船铁矿石运价产生结构化影响的可能.
（3）从本文具体研究的两条主流铁矿石航线看，中国是巴西铁矿石出口的重要目的地，中国的铁矿石进口量占整个巴西铁矿石出口总量的比重较大.但是，在过去几年时间中，因中国国内干散货船舶所有人的强烈反对，超大型矿砂船一直未能正常靠泊中国港口以及进行相关大规模装卸作业，也就是说实际上从该型船2011年5月投入运营至今，巴西至中国航线的铁矿石运输还主要依赖好望角型船.虽然淡水河谷公司采用超大型矿砂船载货至菲律宾、印尼等国，再通过载重量较小的船转运至中国港口，但这样的运营形式难以对主流的巴西直达中国的好望角型船运输产生结构化的影响.此外，以鹿特丹港为主要卸货港的西欧国家虽也是巴西铁矿石出口的重要目的地，但由于西欧国家的整体进口量相对较小，加之西欧至巴西的航程较短，在一定程度上降低了该型船相比好望角型船的经济优势.
（4）从研究方法看，本文以时间序列为研究对象，采用计量经济学中的研究模型展开研究，这其中就涉及到时间序列的时间跨度、数据频率等关键要素的选择问题，这些因素会直接影响研究结果.此外，本文评估超大型矿砂船投入运营是否对主流航线的好望角型船铁矿石海运运价波动产生结构化的影响，在研究上采用选择时间分界点的形式进行纵向比较，其中关键问题就是选择何时为分界点.本文选择以第一艘40万吨级超大型矿砂船下水投入运营的2011年5月为分界点，虽然能够清晰地比较存在该型船运营和不存在该型船运营这两种市场情形，但这是否足以辨别出该型船运营对市场运价的影响还是值得商榷的.因此，本文认为未来的一个研究方向是通过调整时间分界点来进一步评判超大型矿砂船投入运营带来的影响.
（5）从航线自身的波动性看，图巴朗—鹿特丹航线的好望角型船铁矿石运价波动不存在异方差性，而图巴朗—青岛航线的好望角型船铁矿石运价波动存在异方差性和波动集群性，也就是说相比图巴朗—青岛航线，图巴朗—鹿特丹航线的运价更具稳定性.对于这一研究发现，本文认为原因主要在于如下两方面.一方面图巴朗—青岛航线的运力需求远超图巴朗—鹿特丹航线的，加之该航线的运价相对较高，因此图巴朗—青岛航线更易吸引更多船舶经营人的运力投放，特别是近几年国际铁矿石价格下挫，中国表现出了强劲的铁矿石进口需求，此外，近年来每年的好望角型新船投放量都十分可观，但由于矿山集中发货等原因，在某些短时间段内航线上仍会出现运力供不应求现象，进而导致运价不断攀升.但是由于整个干散货市场存在严重的运力过剩问题，船舶经营人间运价竞争日益激烈，当运力需求放缓时，为争夺货源，又极易出现竞相杀价、运价猛跌的情形.总体看，图巴朗—青岛航线运价表现出较大的波动性和随意性.另一方面图巴朗—青岛航线的航程大大超过图巴朗—鹿特丹航线的，这在一定程度上降低了图巴朗—青岛航线的船舶“适用性”，为充分发挥船舶的规模经济性，图巴朗—青岛航线的铁矿石运输大多数情况下都需要依赖载货量较大的好望角型船，若使用巴拿马型船等载货量较小的干散货船，就难以形成运价优势.然而，图巴朗—鹿特丹航线的航程较短，航次时间也相应较短，这样在大西洋市场巴拿马型船出现运力过剩的情形下，会有一部分巴拿马型等载货量较小的干散货船进入该航线对好望角型船运输市场进行竞争分流，不同船型的船舶之间运力的流动会在一定程度上起到平滑运价波动的作用.
4结论
超大型矿砂船投入运营并未对主流铁矿石航线的好望角型船海运运价产生结构化的影响，这对我国拥有大量好望角型船的航运企业是一个有利消息，但是需要认识到：近几年好望角型新船投入量巨大，市场存在明显的运力过剩状况，而且随着越来越多的超大型矿砂船将下水运营和靠泊政策的放开，这势必会对铁矿石运输航线的好望角型船运输市场产生更加明显的“挤出效应”.因此，我国航运企业应根据市场需求积极优化船队结构，优化船舶运营市场的布局，注重与大型货主企业的紧密合作.
参考文献：
[1]吴冲. 集装箱船舶大型化规模经济研究[D]. 上海： 上海海事大学， 2005.
[2]徐敏杰. 集装箱船舶大型化的规模经济论证[J]. 集装箱化， 2007（18）： 16.
[3]孙领. 船舶大型化趋势下新能源的经济可行性分析[J]. 珠江水运， 2013（5）： 6264.
[4]万征. 集装箱船舶大型化对中国班轮运输的影响[J]. 中国航海， 2006（4）： 96100.
[5]王汪洋. 船舶大型化对干散货海运市场的影响研究[D]. 大连： 大连海事大学， 2012.
[6]丁敏. 船舶大型化发展趋势及其对我国港口业发展的影响[J]. 中国港口， 2013（7）： 912.
[7]KAVUSSANOS M G， VISVIKS I D. Market interactions in returns and volatilities between spot and forward shipping freight markets[J]. Journal of Banking and Finance， 2004， 28（8）： 20152049.
[8]KAVUSSANOS M G， VISVIKS I D， BATCHELOR R A. Overthecounter forward contracts and spot price volatility in shipping[J]. Transportation Research Part E， 2004， 40（4）： 273296.
[9]王建华， 吕靖， 谭威， 等. 巴拿马型船舶航运市场价格波动的VAR模型分析[J]. 上海海事大学学报， 2009， 30（2）： 7883.
[10]殷明， 郑士源， 章强. 航运金融市场价格传导及买卖价差的形成机制——基于干散货运输现货与衍生市场的实证分析[J]. 上海金融， 2015（2）： 7781.
[11]KAVUSSANOS M G. Time varying risks among segments of the tanker freight markets[J]. Maritime Economics and Logistics， 2003， 5（3）： 227250.
[12]曲胜斌. VLCC船运输市场运价波动性研究[D]. 大连： 大连海事大学， 2013.
[13]XU J J， YIP T L， MARLOW P B. The dynamics between freight volatility and fleet size growth in dry bulk shipping markets[J]. Transportation Research Part E， 2011， 47： 983991.
[14]许贵斌. 船舶大型化对铁矿石供应链影响研究[D]. 大连： 大连海事大学， 2014.
[15]高铁梅. 计量经济分析方法与建模[M]. 北京： 清华大学出版社， 2009： 199200.
（编辑赵勉）
