基于ARIMA模型剖析中國出口集裝箱運(yùn)價(jià)指數(shù)短期波動規(guī)律與預(yù)測研究一、引言1.1研究背景與意義1.1.1研究背景在全球經(jīng)濟(jì)一體化的進(jìn)程中，國際貿(mào)易扮演著推動經(jīng)濟(jì)增長和促進(jìn)國際合作的關(guān)鍵角色。而航運(yùn)業(yè)作為國際貿(mào)易的重要紐帶，承擔(dān)著全球約90%的貨物運(yùn)輸量，其中集裝箱運(yùn)輸以其高效、便捷、安全等優(yōu)勢，在國際貨物貿(mào)易海上運(yùn)輸中占據(jù)著核心地位。中國，作為全球最大的貨物貿(mào)易國，出口集裝箱運(yùn)輸市場在國際貿(mào)易中發(fā)揮著舉足輕重的作用。自改革開放以來，中國對外貿(mào)易規(guī)模持續(xù)擴(kuò)大，出口商品種類日益豐富，出口目的地遍布全球。大量的商品通過集裝箱運(yùn)輸源源不斷地運(yùn)往世界各地，為中國經(jīng)濟(jì)的高速發(fā)展和全球供應(yīng)鏈的穩(wěn)定運(yùn)行提供了堅(jiān)實(shí)保障。中國出口集裝箱運(yùn)價(jià)指數(shù)（ChinaContainerizedFreightIndex，CCFI）作為衡量中國出口集裝箱運(yùn)輸市場運(yùn)價(jià)水平的重要指標(biāo)，如同航運(yùn)市場的“晴雨表”，其波動不僅直接反映了市場供需關(guān)系的變化，還對國際貿(mào)易和全球經(jīng)濟(jì)產(chǎn)生深遠(yuǎn)影響。CCFI由交通部主持、航交所編制發(fā)布，自1998年4月13日首次發(fā)布以來，憑借其科學(xué)性和權(quán)威性，成為繼波羅的海干散貨運(yùn)價(jià)指數(shù)之后的世界第二大運(yùn)價(jià)指數(shù)，被聯(lián)合國貿(mào)發(fā)會海運(yùn)年報(bào)作為權(quán)威數(shù)據(jù)引用。該指數(shù)選取了12條具有代表性的航線作為樣本航線，涵蓋了中國出口的主要貿(mào)易流向，通過對24家航線市場份額較大的中外船公司提供的運(yùn)價(jià)信息進(jìn)行綜合計(jì)算，準(zhǔn)確地反映了中國出口集裝箱運(yùn)輸市場的運(yùn)價(jià)走勢。近年來，CCFI呈現(xiàn)出明顯的波動特征。例如，在2020-2021年期間，受新冠疫情影響，全球供應(yīng)鏈遭遇嚴(yán)重沖擊，港口擁堵、船舶周轉(zhuǎn)效率下降、集裝箱短缺等問題接踵而至，導(dǎo)致CCFI大幅上漲。2021年9月，CCFI達(dá)到歷史峰值3266.6點(diǎn)，較2020年初增長了近200%。這一運(yùn)價(jià)的劇烈波動，使得航運(yùn)企業(yè)、貿(mào)易商和相關(guān)從業(yè)者面臨著巨大的經(jīng)營風(fēng)險(xiǎn)和挑戰(zhàn)。一方面，對于航運(yùn)企業(yè)而言，運(yùn)價(jià)的大幅波動增加了其運(yùn)營成本和收益的不確定性。在運(yùn)價(jià)上漲時(shí)，雖然短期內(nèi)可能獲得高額利潤，但也面臨著運(yùn)力不足、船舶租賃成本上升等問題；而在運(yùn)價(jià)下跌時(shí)，則可能出現(xiàn)運(yùn)力過剩、虧損加劇的困境。另一方面，對于貿(mào)易商來說，運(yùn)價(jià)的不穩(wěn)定直接影響到其貨物運(yùn)輸成本和貿(mào)易利潤。高昂的運(yùn)價(jià)可能導(dǎo)致出口商品價(jià)格競爭力下降，訂單減少；而運(yùn)價(jià)的突然下跌，又可能使貿(mào)易商在簽訂長期合同時(shí)面臨損失。此外，CCFI的波動還會對整個(gè)行業(yè)的發(fā)展產(chǎn)生連鎖反應(yīng)，影響到港口運(yùn)營、物流配送、金融保險(xiǎn)等相關(guān)產(chǎn)業(yè)的穩(wěn)定發(fā)展。因此，深入研究CCFI的短期波動規(guī)律，對于準(zhǔn)確把握航運(yùn)市場動態(tài)、有效應(yīng)對市場風(fēng)險(xiǎn)、促進(jìn)國際貿(mào)易和航運(yùn)業(yè)的健康發(fā)展具有重要的現(xiàn)實(shí)意義。1.1.2研究意義從理論層面來看，目前關(guān)于中國出口集裝箱運(yùn)價(jià)指數(shù)波動規(guī)律的研究，多集中于宏觀層面的影響因素分析或簡單的時(shí)間序列預(yù)測。然而，CCFI的波動受到多種復(fù)雜因素的交互作用，包括全球經(jīng)濟(jì)形勢、國際貿(mào)易政策、航運(yùn)市場供需關(guān)系、突發(fā)事件等。現(xiàn)有研究在綜合考慮這些因素的動態(tài)變化及其對CCFI短期波動的影響機(jī)制方面，尚存在一定的局限性。本研究通過運(yùn)用ARIMA模型對CCFI的短期波動進(jìn)行深入分析，不僅可以豐富和完善航運(yùn)經(jīng)濟(jì)領(lǐng)域的相關(guān)理論，還能為后續(xù)學(xué)者進(jìn)一步研究運(yùn)價(jià)指數(shù)波動提供新的思路和方法。具體而言，本研究將結(jié)合歷史數(shù)據(jù)，深入剖析CCFI波動的周期性、季節(jié)性和隨機(jī)性特征，探討不同因素在不同時(shí)間尺度上對CCFI的影響程度和作用方式，從而構(gòu)建更加準(zhǔn)確和全面的CCFI短期波動預(yù)測模型，填補(bǔ)現(xiàn)有理論研究在這方面的不足。在實(shí)踐層面，本研究的成果對于航運(yùn)企業(yè)、貿(mào)易商和行業(yè)發(fā)展具有重要的指導(dǎo)意義。對于航運(yùn)企業(yè)來說，準(zhǔn)確把握CCFI的短期波動規(guī)律，有助于其制定科學(xué)合理的經(jīng)營策略。例如，通過預(yù)測運(yùn)價(jià)的上漲趨勢，航運(yùn)企業(yè)可以提前增加運(yùn)力投入、優(yōu)化航線布局、簽訂長期運(yùn)輸合同，從而提高市場份額和盈利能力；而在預(yù)測運(yùn)價(jià)下跌時(shí)，則可以采取降低運(yùn)營成本、減少運(yùn)力投放、加強(qiáng)風(fēng)險(xiǎn)管理等措施，降低經(jīng)營風(fēng)險(xiǎn)。對于貿(mào)易商而言，了解CCFI的波動情況，能夠幫助其更好地安排貨物運(yùn)輸、合理控制物流成本、優(yōu)化貿(mào)易合同條款。在運(yùn)價(jià)上漲時(shí)，貿(mào)易商可以提前備貨、尋找更具性價(jià)比的運(yùn)輸方式或與航運(yùn)企業(yè)協(xié)商更有利的運(yùn)價(jià)；在運(yùn)價(jià)下跌時(shí)，則可以適時(shí)調(diào)整采購計(jì)劃和銷售策略，提高貿(mào)易利潤。從行業(yè)發(fā)展的角度來看，深入研究CCFI的短期波動規(guī)律，有助于政府部門和行業(yè)協(xié)會制定更加有效的政策和規(guī)劃，引導(dǎo)航運(yùn)市場的健康發(fā)展。例如，通過分析CCFI的波動趨勢，政府可以適時(shí)出臺扶持政策，促進(jìn)航運(yùn)企業(yè)的整合與升級，提高行業(yè)整體競爭力；行業(yè)協(xié)會可以加強(qiáng)市場監(jiān)管，規(guī)范市場秩序，維護(hù)各方利益。此外，本研究的成果還可以為金融機(jī)構(gòu)開發(fā)相關(guān)的金融衍生品提供參考依據(jù)，如集裝箱運(yùn)價(jià)指數(shù)期貨、期權(quán)等，幫助企業(yè)通過金融工具對沖運(yùn)價(jià)波動風(fēng)險(xiǎn)，進(jìn)一步完善航運(yùn)市場的風(fēng)險(xiǎn)管理體系。1.2國內(nèi)外研究現(xiàn)狀在國際航運(yùn)市場的研究領(lǐng)域中，集裝箱運(yùn)價(jià)指數(shù)波動一直是備受關(guān)注的焦點(diǎn)。國外學(xué)者在這方面的研究起步較早，成果豐碩。Kavussanos和Visvikis運(yùn)用ARCH族模型對波羅的海干散貨運(yùn)價(jià)指數(shù)（BDI）的波動特征進(jìn)行了深入分析，發(fā)現(xiàn)該指數(shù)存在明顯的異方差性和波動集聚性，市場中前期的價(jià)格波動對后期有著顯著影響。他們的研究為理解航運(yùn)市場價(jià)格波動的內(nèi)在機(jī)制提供了重要參考，使得后續(xù)學(xué)者能夠從時(shí)間序列的波動特征角度去深入剖析運(yùn)價(jià)指數(shù)。而在國內(nèi)，李劍等學(xué)者采用協(xié)整檢驗(yàn)和誤差修正模型，對中國出口集裝箱運(yùn)價(jià)指數(shù)（CCFI）與相關(guān)宏觀經(jīng)濟(jì)變量之間的關(guān)系展開研究，結(jié)果表明CCFI與國際貿(mào)易量、國內(nèi)生產(chǎn)總值等宏觀經(jīng)濟(jì)指標(biāo)之間存在長期穩(wěn)定的均衡關(guān)系，當(dāng)短期出現(xiàn)偏離時(shí)，會通過誤差修正機(jī)制回歸到長期均衡狀態(tài)。這一研究成果為國內(nèi)航運(yùn)市場與宏觀經(jīng)濟(jì)的關(guān)聯(lián)分析提供了重要的實(shí)證依據(jù)，讓業(yè)界和學(xué)界對CCFI的影響因素有了更全面的認(rèn)識。ARIMA模型作為時(shí)間序列分析的重要工具，在集裝箱運(yùn)價(jià)指數(shù)預(yù)測方面得到了廣泛應(yīng)用。國外學(xué)者Athanasopoulos等將ARIMA模型與其他機(jī)器學(xué)習(xí)算法進(jìn)行對比，發(fā)現(xiàn)ARIMA模型在短期預(yù)測中具有較高的準(zhǔn)確性和穩(wěn)定性，能夠較好地捕捉運(yùn)價(jià)指數(shù)的短期波動規(guī)律。他們的研究為ARIMA模型在航運(yùn)市場預(yù)測領(lǐng)域的應(yīng)用奠定了基礎(chǔ)，使得該模型在后續(xù)研究中成為重要的預(yù)測方法之一。國內(nèi)學(xué)者也在積極探索ARIMA模型在CCFI預(yù)測中的應(yīng)用。張寶友等通過對CCFI歷史數(shù)據(jù)的建模分析，運(yùn)用ARIMA模型成功預(yù)測了CCFI的短期走勢，并對模型的預(yù)測精度進(jìn)行了評估，結(jié)果顯示該模型在短期預(yù)測中具有一定的可靠性。他們的研究為國內(nèi)航運(yùn)企業(yè)和貿(mào)易商利用ARIMA模型進(jìn)行市場預(yù)測提供了實(shí)踐經(jīng)驗(yàn)，推動了該模型在國內(nèi)航運(yùn)市場的應(yīng)用。盡管國內(nèi)外學(xué)者在集裝箱運(yùn)價(jià)指數(shù)波動及ARIMA模型應(yīng)用方面取得了一定成果，但仍存在一些不足之處?，F(xiàn)有研究在考慮影響集裝箱運(yùn)價(jià)指數(shù)的因素時(shí)，往往側(cè)重于宏觀經(jīng)濟(jì)因素和市場供需關(guān)系，而對突發(fā)事件、政策變化等因素的動態(tài)影響分析不夠深入。在模型應(yīng)用方面，單一的ARIMA模型在處理復(fù)雜的航運(yùn)市場數(shù)據(jù)時(shí)，可能無法全面捕捉數(shù)據(jù)中的非線性特征和多重影響因素，導(dǎo)致預(yù)測精度受到一定限制。因此，未來的研究需要進(jìn)一步拓展影響因素的分析范圍，結(jié)合多種模型和方法，提高對集裝箱運(yùn)價(jià)指數(shù)短期波動規(guī)律的研究深度和預(yù)測準(zhǔn)確性。1.3研究內(nèi)容與方法1.3.1研究內(nèi)容本研究圍繞中國出口集裝箱運(yùn)價(jià)指數(shù)（CCFI）的短期波動規(guī)律展開，核心在于運(yùn)用ARIMA模型進(jìn)行深入分析。首先，對CCFI的相關(guān)理論和背景進(jìn)行全面梳理。詳細(xì)闡述CCFI的編制原理，包括樣本航線的選取，如涵蓋了中國出口主要貿(mào)易流向的12條航線，以及數(shù)據(jù)采集來源，即24家航線市場份額較大的中外船公司提供的運(yùn)價(jià)信息，這些構(gòu)成了CCFI反映市場運(yùn)價(jià)水平的基礎(chǔ)。同時(shí)，深入剖析影響CCFI波動的因素，從全球經(jīng)濟(jì)形勢來看，如全球GDP增長率的變化會直接影響國際貿(mào)易需求，進(jìn)而影響集裝箱運(yùn)輸需求，當(dāng)全球經(jīng)濟(jì)增長強(qiáng)勁時(shí)，貿(mào)易活動頻繁，對集裝箱運(yùn)輸?shù)男枨笤黾樱苿覥CFI上升；反之則下降。國際貿(mào)易政策也是重要因素，例如貿(mào)易保護(hù)主義政策的實(shí)施，加征關(guān)稅等，會抑制貿(mào)易量，導(dǎo)致集裝箱運(yùn)輸需求減少，使得CCFI下滑。航運(yùn)市場的供需關(guān)系更是直接決定了CCFI的波動，當(dāng)船舶運(yùn)力過剩，而貨物運(yùn)輸需求不足時(shí)，市場競爭激烈，運(yùn)價(jià)下跌，CCFI下降；相反，若運(yùn)力緊張，需求旺盛，如在傳統(tǒng)海運(yùn)旺季，CCFI則會上升。此外，突發(fā)事件如自然災(zāi)害、地緣政治沖突等，也會對CCFI產(chǎn)生短期的劇烈影響，像蘇伊士運(yùn)河堵塞事件，導(dǎo)致船舶通行受阻，全球航運(yùn)供應(yīng)鏈紊亂，集裝箱運(yùn)輸成本大幅上升，CCFI急劇上漲。其次，對CCFI數(shù)據(jù)進(jìn)行全面的分析與處理。收集自1998年發(fā)布以來至當(dāng)前的歷史數(shù)據(jù)，運(yùn)用統(tǒng)計(jì)分析方法，對數(shù)據(jù)的基本特征進(jìn)行深入挖掘，包括數(shù)據(jù)的均值、方差、最大值、最小值等，以了解CCFI的整體水平和波動范圍。通過繪制時(shí)間序列圖，直觀地展示CCFI隨時(shí)間的變化趨勢，觀察其是否存在明顯的周期性、季節(jié)性或趨勢性變化。同時(shí)，對數(shù)據(jù)進(jìn)行平穩(wěn)性檢驗(yàn)，采用ADF檢驗(yàn)等方法，判斷數(shù)據(jù)是否滿足平穩(wěn)性條件，若不平穩(wěn)，則進(jìn)行適當(dāng)?shù)牟罘痔幚?，使其滿足建模要求。此外，還需分析數(shù)據(jù)的自相關(guān)性和偏自相關(guān)性，通過計(jì)算自相關(guān)函數(shù)（ACF）和偏自相關(guān)函數(shù)（PACF），確定數(shù)據(jù)的相關(guān)結(jié)構(gòu)，為后續(xù)ARIMA模型的定階提供依據(jù)。再次，構(gòu)建ARIMA模型并進(jìn)行預(yù)測。在數(shù)據(jù)處理的基礎(chǔ)上，根據(jù)ARIMA模型的原理，結(jié)合CCFI數(shù)據(jù)的特征，確定模型的參數(shù)p、d、q值。通過多次試驗(yàn)和比較不同參數(shù)組合下模型的擬合效果，選擇最優(yōu)的模型。運(yùn)用選定的ARIMA模型對CCFI進(jìn)行短期預(yù)測，預(yù)測未來1-3個(gè)月或更短時(shí)間內(nèi)的CCFI走勢，并對預(yù)測結(jié)果進(jìn)行精度評估，采用均方根誤差（RMSE）、平均絕對誤差（MAE）等指標(biāo)來衡量模型的預(yù)測準(zhǔn)確性。分析預(yù)測結(jié)果與實(shí)際數(shù)據(jù)的差異，找出可能導(dǎo)致誤差的原因，如模型本身的局限性、未考慮到的突發(fā)因素等，為進(jìn)一步優(yōu)化模型提供參考。最后，基于ARIMA模型的預(yù)測結(jié)果，結(jié)合當(dāng)前航運(yùn)市場的實(shí)際情況和未來發(fā)展趨勢，對CCFI的短期波動進(jìn)行趨勢分析和風(fēng)險(xiǎn)評估。探討CCFI在未來短期內(nèi)可能的波動方向和幅度，為航運(yùn)企業(yè)、貿(mào)易商等市場參與者提供決策建議。對于航運(yùn)企業(yè)，根據(jù)預(yù)測結(jié)果合理安排運(yùn)力，在CCFI上升預(yù)期時(shí)，增加船舶投入，拓展航線；在CCFI下降預(yù)期時(shí)，優(yōu)化運(yùn)營成本，減少不必要的開支。對于貿(mào)易商，可根據(jù)CCFI波動提前規(guī)劃貨物運(yùn)輸，選擇合適的運(yùn)輸時(shí)機(jī)和合作伙伴，降低物流成本。同時(shí)，從宏觀角度，為政府部門和行業(yè)協(xié)會制定相關(guān)政策和規(guī)劃提供參考依據(jù)，促進(jìn)航運(yùn)市場的穩(wěn)定健康發(fā)展。1.3.2研究方法本研究綜合運(yùn)用多種研究方法，以確保研究的全面性和深入性。文獻(xiàn)研究法是研究的基礎(chǔ)，通過廣泛查閱國內(nèi)外相關(guān)文獻(xiàn)，包括學(xué)術(shù)期刊論文、學(xué)位論文、行業(yè)報(bào)告、統(tǒng)計(jì)數(shù)據(jù)等，全面了解中國出口集裝箱運(yùn)價(jià)指數(shù)波動規(guī)律及ARIMA模型應(yīng)用的研究現(xiàn)狀。梳理已有研究成果，分析其研究方法、研究結(jié)論和不足之處，為本文的研究提供理論支持和研究思路。例如，通過對國內(nèi)外關(guān)于航運(yùn)市場運(yùn)價(jià)波動影響因素的文獻(xiàn)研究，明確了全球經(jīng)濟(jì)形勢、國際貿(mào)易政策、航運(yùn)市場供需等主要因素對CCFI的作用機(jī)制，為后續(xù)的實(shí)證分析奠定了理論基礎(chǔ)。同時(shí)，從已有的ARIMA模型在航運(yùn)市場預(yù)測的文獻(xiàn)中，學(xué)習(xí)模型的構(gòu)建方法、參數(shù)確定技巧以及模型評估方式，借鑒其成功經(jīng)驗(yàn)，避免重復(fù)犯錯(cuò)。數(shù)據(jù)分析法在本研究中占據(jù)重要地位。收集中國出口集裝箱運(yùn)價(jià)指數(shù)的歷史數(shù)據(jù)，以及相關(guān)的影響因素?cái)?shù)據(jù)，如全球經(jīng)濟(jì)數(shù)據(jù)、國際貿(mào)易數(shù)據(jù)、航運(yùn)市場供需數(shù)據(jù)等。運(yùn)用統(tǒng)計(jì)分析工具，如Excel、SPSS等，對數(shù)據(jù)進(jìn)行整理、描述性統(tǒng)計(jì)分析和相關(guān)性分析。通過描述性統(tǒng)計(jì)分析，了解數(shù)據(jù)的集中趨勢、離散程度等基本特征，為后續(xù)的模型構(gòu)建提供數(shù)據(jù)基礎(chǔ)。例如，計(jì)算CCFI數(shù)據(jù)的均值、中位數(shù)、標(biāo)準(zhǔn)差等，直觀地了解其平均水平和波動程度。相關(guān)性分析則用于探究CCFI與各影響因素之間的關(guān)聯(lián)程度，確定哪些因素對CCFI波動具有顯著影響，為模型構(gòu)建時(shí)變量的選擇提供依據(jù)。此外，還運(yùn)用數(shù)據(jù)可視化工具，如Python的Matplotlib庫、Echarts等，將數(shù)據(jù)以圖表的形式呈現(xiàn)，如繪制CCFI時(shí)間序列圖、各影響因素與CCFI的散點(diǎn)圖等，更直觀地展示數(shù)據(jù)的變化趨勢和相互關(guān)系，便于發(fā)現(xiàn)數(shù)據(jù)中的規(guī)律和異常點(diǎn)。模型構(gòu)建法是本研究的關(guān)鍵方法。基于時(shí)間序列分析理論，構(gòu)建ARIMA模型對中國出口集裝箱運(yùn)價(jià)指數(shù)進(jìn)行建模和預(yù)測。根據(jù)數(shù)據(jù)的平穩(wěn)性檢驗(yàn)結(jié)果，確定差分階數(shù)d，使數(shù)據(jù)達(dá)到平穩(wěn)狀態(tài)。通過觀察自相關(guān)函數(shù)（ACF）和偏自相關(guān)函數(shù)（PACF）圖，結(jié)合AIC、BIC等信息準(zhǔn)則，確定模型的自回歸階數(shù)p和移動平均階數(shù)q。運(yùn)用Python的Statsmodels庫或R語言的forecast包等工具，進(jìn)行模型的估計(jì)和參數(shù)優(yōu)化，得到最優(yōu)的ARIMA模型。利用構(gòu)建好的模型對CCFI進(jìn)行預(yù)測，并通過對預(yù)測結(jié)果與實(shí)際數(shù)據(jù)的對比分析，評估模型的預(yù)測精度和可靠性。同時(shí)，為了提高模型的準(zhǔn)確性和適應(yīng)性，還考慮將ARIMA模型與其他方法相結(jié)合，如與小波分析相結(jié)合，先對數(shù)據(jù)進(jìn)行小波分解，去除噪聲和高頻干擾，再對分解后的序列分別進(jìn)行ARIMA建模，最后將各子模型的預(yù)測結(jié)果進(jìn)行重構(gòu)，以獲得更準(zhǔn)確的預(yù)測結(jié)果。二、中國出口集裝箱運(yùn)價(jià)指數(shù)概述2.1中國出口集裝箱運(yùn)價(jià)指數(shù)介紹中國出口集裝箱運(yùn)價(jià)指數(shù)（ChinaContainerizedFreightIndex，CCFI），作為航運(yùn)市場的關(guān)鍵“晴雨表”，在全球航運(yùn)領(lǐng)域占據(jù)著舉足輕重的地位，是繼波羅的海干散貨運(yùn)價(jià)指數(shù)之后的世界第二大運(yùn)價(jià)指數(shù)，也是全球唯一專門用于反映集裝箱市場運(yùn)價(jià)波動的指數(shù)，被聯(lián)合國貿(mào)發(fā)會海運(yùn)年報(bào)作為權(quán)威數(shù)據(jù)引用。該指數(shù)由交通部主持，上海航運(yùn)交易所負(fù)責(zé)編制，并于1998年4月13日首次向全球發(fā)布。其誕生是為了精準(zhǔn)反映中國出口集裝箱運(yùn)輸市場的運(yùn)價(jià)動態(tài)，滿足航運(yùn)企業(yè)、貿(mào)易商以及相關(guān)研究機(jī)構(gòu)等對市場信息的迫切需求，對推動中國航運(yùn)市場的規(guī)范化、透明化發(fā)展具有深遠(yuǎn)意義。CCFI的計(jì)算過程嚴(yán)謹(jǐn)且科學(xué)，涉及多個(gè)關(guān)鍵環(huán)節(jié)。首先是樣本航線的選擇，遵循典型性、地區(qū)分布性和相關(guān)性原則，精心篩選出12條具有代表性的主要航線，它們分別是韓國、日本、東南亞、澳新、地中海、歐洲、東西非、美西、美東、南非、南美和波紅航線。這些航線的國內(nèi)出發(fā)港覆蓋了大連、天津、青島、上海、南京、寧波、廈門、福州、深圳和廣州等中國十大主要港口，全面涵蓋了中國出口集裝箱運(yùn)輸?shù)闹饕Q(mào)易流向。例如，歐洲航線連接著中國與歐洲的主要經(jīng)濟(jì)體，貿(mào)易往來頻繁，是中國出口集裝箱運(yùn)輸?shù)闹匾ǖ?；美西航線則是中國與美國西部沿海地區(qū)貿(mào)易的關(guān)鍵紐帶，承載著大量的貨物運(yùn)輸需求。其次是樣本船公司的確定，選取在中國擁有獨(dú)立法人資格、商業(yè)信譽(yù)良好、航線分布廣泛且市場份額較大的23家中外船公司作為樣本。這些公司包括法國達(dá)飛輪船（中國）有限公司（CMA-CGM）、中遠(yuǎn)海運(yùn)集裝箱運(yùn)輸有限公司（COSCO）、馬士基（中國）航運(yùn)有限公司（MAERSK）等行業(yè)知名企業(yè)，它們按照自愿原則，積極參與運(yùn)價(jià)指數(shù)編制委員會，并嚴(yán)格按照要求及時(shí)、準(zhǔn)確地提供運(yùn)價(jià)信息。這些樣本船公司的選擇，充分體現(xiàn)了行業(yè)的代表性和權(quán)威性，確保了所收集的運(yùn)價(jià)數(shù)據(jù)能夠真實(shí)反映市場的實(shí)際情況。在運(yùn)價(jià)信息采集方面，主要依賴于樣本船公司提供的運(yùn)價(jià)數(shù)據(jù)，其中涵蓋了各航線上的即期運(yùn)價(jià)和合約運(yùn)價(jià)。這些數(shù)據(jù)是計(jì)算CCFI的核心基礎(chǔ)，為準(zhǔn)確把握市場運(yùn)價(jià)水平提供了直接依據(jù)。例如，即期運(yùn)價(jià)反映了當(dāng)前市場的即時(shí)供需關(guān)系和價(jià)格波動情況，而合約運(yùn)價(jià)則體現(xiàn)了長期合作的價(jià)格約定，兩者的綜合考量，使得CCFI能夠全面、客觀地反映市場運(yùn)價(jià)的全貌。最后是計(jì)算方式，CCFI采用拉氏指數(shù)公式進(jìn)行計(jì)算，即各航線當(dāng)期平均運(yùn)價(jià)除以基期平均運(yùn)價(jià)，再乘以航線權(quán)重和基期指數(shù)后求和。具體而言，首先根據(jù)樣本船公司提供的運(yùn)價(jià)數(shù)據(jù)，計(jì)算各航線在報(bào)告期內(nèi)的平均運(yùn)價(jià)；接著以1998年1月1日為基期，計(jì)算各航線在基期內(nèi)的平均運(yùn)價(jià)；然后依據(jù)各航線的箱量、運(yùn)輸需求等因素，科學(xué)合理地確定各航線在CCFI中的權(quán)重；最后將各航線當(dāng)期平均運(yùn)價(jià)、基期平均運(yùn)價(jià)、航線權(quán)重和基期指數(shù)代入拉氏公式，從而計(jì)算出CCFI的數(shù)值。這種計(jì)算方式以基期成交量為權(quán)數(shù)，計(jì)算各航線平均價(jià)格的加權(quán)算術(shù)平均數(shù)，使得不同時(shí)期的價(jià)格指數(shù)具有良好的可比性，能夠準(zhǔn)確反映中國出口集裝箱運(yùn)輸市場價(jià)格的相對變化情況。上海航運(yùn)交易所每周五會編制并發(fā)布中國出口集裝箱綜合運(yùn)價(jià)指數(shù)及12條分航線指數(shù)，為市場參與者提供及時(shí)、準(zhǔn)確的市場信息。在航運(yùn)市場中，CCFI發(fā)揮著不可替代的重要作用。對于航運(yùn)企業(yè)而言，CCFI是其制定經(jīng)營策略的重要參考依據(jù)。通過密切關(guān)注CCFI的波動，航運(yùn)企業(yè)能夠及時(shí)洞察市場供需關(guān)系的變化，合理安排船舶運(yùn)力，優(yōu)化航線布局，制定科學(xué)的運(yùn)價(jià)策略。當(dāng)CCFI上升時(shí)，表明市場需求旺盛，運(yùn)價(jià)上漲，航運(yùn)企業(yè)可以適時(shí)增加船舶投入，開辟新的航線，提高市場份額；反之，當(dāng)CCFI下降時(shí)，企業(yè)則可以通過減少運(yùn)力投放、優(yōu)化運(yùn)營成本等方式，降低經(jīng)營風(fēng)險(xiǎn)。例如，在2020-2021年期間，CCFI大幅上漲，許多航運(yùn)企業(yè)提前預(yù)判市場趨勢，增加了船舶租賃和新船訂單，從而在市場中獲得了豐厚的利潤。對于貿(mào)易商來說，CCFI是其評估運(yùn)輸成本、制定貿(mào)易計(jì)劃的關(guān)鍵指標(biāo)。貿(mào)易商可以根據(jù)CCFI的走勢，合理安排貨物運(yùn)輸時(shí)間和運(yùn)輸方式，降低物流成本，提高貿(mào)易利潤。在CCFI上漲時(shí)，貿(mào)易商可以提前備貨，選擇更具性價(jià)比的運(yùn)輸方式，或者與航運(yùn)企業(yè)協(xié)商更有利的運(yùn)價(jià)條款；在CCFI下跌時(shí)，則可以適時(shí)調(diào)整采購計(jì)劃和銷售策略，抓住市場機(jī)遇。例如，一些大型貿(mào)易企業(yè)會根據(jù)CCFI的預(yù)測結(jié)果，提前與航運(yùn)企業(yè)簽訂長期運(yùn)輸合同，鎖定運(yùn)價(jià)，從而有效控制運(yùn)輸成本。從宏觀角度來看，CCFI也為政府部門對中國集裝箱航運(yùn)市場的宏觀調(diào)控提供了有力的決策支持。政府可以通過分析CCFI的變化趨勢，了解市場的運(yùn)行狀況，適時(shí)出臺相關(guān)政策，促進(jìn)航運(yùn)市場的健康、穩(wěn)定發(fā)展。例如，當(dāng)CCFI出現(xiàn)異常波動時(shí)，政府可以采取措施加強(qiáng)市場監(jiān)管，規(guī)范市場秩序，防止市場壟斷和不正當(dāng)競爭行為的發(fā)生；同時(shí)，政府還可以通過政策引導(dǎo)，鼓勵(lì)航運(yùn)企業(yè)加大技術(shù)創(chuàng)新和節(jié)能減排力度，推動行業(yè)的轉(zhuǎn)型升級。此外，CCFI還對全球航運(yùn)市場的發(fā)展具有重要的影響，它為國際航運(yùn)市場提供了中國市場的運(yùn)價(jià)參考，促進(jìn)了全球航運(yùn)市場的信息交流和資源配置。2.2指數(shù)短期波動現(xiàn)狀2.2.1波動特征分析近年來，中國出口集裝箱運(yùn)價(jià)指數(shù)（CCFI）呈現(xiàn)出顯著的波動特征，其波動幅度和周期受多種復(fù)雜因素的交互影響，對航運(yùn)市場和國際貿(mào)易產(chǎn)生著深遠(yuǎn)的影響。從波動幅度來看，CCFI在不同時(shí)期表現(xiàn)出較大的差異。在某些時(shí)間段，其波動幅度較為劇烈，反映出市場供需關(guān)系的急劇變化。例如，在2020-2021年新冠疫情期間，全球供應(yīng)鏈遭受嚴(yán)重沖擊，CCFI經(jīng)歷了一輪大幅上漲。2020年初，CCFI處于相對平穩(wěn)的狀態(tài)，指數(shù)值約為1000點(diǎn)左右。然而，隨著疫情在全球范圍內(nèi)的蔓延，各國紛紛采取封鎖措施，導(dǎo)致港口擁堵、船舶周轉(zhuǎn)效率下降、集裝箱短缺等問題接踵而至。這些因素使得航運(yùn)市場的供需關(guān)系嚴(yán)重失衡，運(yùn)輸成本大幅上升，推動CCFI一路飆升。到2021年9月，CCFI達(dá)到歷史峰值3266.6點(diǎn)，較2020年初增長了近200%，這一漲幅在CCFI的歷史波動中極為罕見，充分體現(xiàn)了市場在特殊時(shí)期的極端變化。而在其他時(shí)期，CCFI的波動幅度則相對較小，市場處于相對平穩(wěn)的運(yùn)行狀態(tài)。在2015-2017年期間，全球經(jīng)濟(jì)增長相對穩(wěn)定，國際貿(mào)易需求沒有出現(xiàn)大幅波動，航運(yùn)市場的供需關(guān)系也較為平衡。這使得CCFI在這一時(shí)期的波動幅度較小，指數(shù)值基本維持在700-800點(diǎn)之間，波動范圍相對狹窄，市場表現(xiàn)出較強(qiáng)的穩(wěn)定性。在波動周期方面，CCFI存在一定的季節(jié)性和周期性特征。從季節(jié)性來看，每年的傳統(tǒng)海運(yùn)旺季，如歐美市場的圣誕節(jié)前和中國春節(jié)后的一段時(shí)間，由于貿(mào)易需求的增加，CCFI往往會出現(xiàn)上漲趨勢。在圣誕節(jié)前，歐美市場對各類商品的需求旺盛，大量的貨物需要從中國等出口國運(yùn)往歐美地區(qū)，導(dǎo)致集裝箱運(yùn)輸需求大幅上升，推動CCFI上漲。而在春節(jié)后，中國工廠陸續(xù)復(fù)工復(fù)產(chǎn)，出口訂單增加，也會帶動CCFI的上升。相反，在傳統(tǒng)淡季，如夏季的部分時(shí)段，貿(mào)易需求相對疲軟，CCFI則可能出現(xiàn)下跌。從長期周期來看，CCFI還受到全球經(jīng)濟(jì)周期、航運(yùn)市場運(yùn)力投放等因素的影響。在全球經(jīng)濟(jì)增長強(qiáng)勁的時(shí)期，國際貿(mào)易活動頻繁，對集裝箱運(yùn)輸?shù)男枨笤黾?，CCFI往往處于上升周期。例如，在2003-2007年期間，全球經(jīng)濟(jì)處于快速增長階段，中國加入世界貿(mào)易組織后，對外貿(mào)易規(guī)模迅速擴(kuò)大，CCFI持續(xù)上升。然而，當(dāng)全球經(jīng)濟(jì)出現(xiàn)衰退或調(diào)整時(shí)，如2008-2009年的全球金融危機(jī)，國際貿(mào)易需求大幅萎縮，航運(yùn)市場運(yùn)力過剩，CCFI則進(jìn)入下降周期。此外，航運(yùn)市場的運(yùn)力投放也會對CCFI的周期產(chǎn)生影響。當(dāng)大量新船交付，市場運(yùn)力過剩時(shí)，CCFI可能面臨下行壓力；而當(dāng)航運(yùn)企業(yè)采取運(yùn)力縮減措施，如拆解老舊船舶、減少新船訂單時(shí)，市場供需關(guān)系得到改善，CCFI則可能出現(xiàn)上升趨勢。2.2.2波動趨勢分析中國出口集裝箱運(yùn)價(jià)指數(shù)（CCFI）的短期波動趨勢呈現(xiàn)出多樣化的特點(diǎn)，受到全球經(jīng)濟(jì)形勢、國際貿(mào)易政策、航運(yùn)市場供需關(guān)系以及突發(fā)事件等諸多因素的綜合影響。在過去的一段時(shí)間里，CCFI的短期波動趨勢表現(xiàn)出明顯的階段性特征。在某些階段，CCFI呈現(xiàn)出上升趨勢。在2020-2021年期間，如前文所述，受新冠疫情影響，全球供應(yīng)鏈紊亂，港口擁堵、集裝箱短缺等問題導(dǎo)致航運(yùn)市場運(yùn)輸成本大幅上升，CCFI持續(xù)攀升。2020年4月，CCFI為834.4點(diǎn)，到2021年9月已飆升至3266.6點(diǎn)，在這一年多的時(shí)間里，指數(shù)持續(xù)上揚(yáng)，反映出市場運(yùn)價(jià)的快速上漲。這一上升趨勢主要是由于疫情導(dǎo)致的供需失衡，需求端在疫情后期逐漸恢復(fù)，而供給端受到港口擁堵、船舶周轉(zhuǎn)不暢等因素的制約，無法及時(shí)滿足需求，從而推動運(yùn)價(jià)不斷上漲。在其他階段，CCFI則呈現(xiàn)出下降趨勢。2022-2023年期間，隨著全球疫情防控措施的調(diào)整和供應(yīng)鏈的逐步恢復(fù)，港口擁堵情況得到緩解，集裝箱供應(yīng)逐漸充足，航運(yùn)市場的供需關(guān)系發(fā)生轉(zhuǎn)變，CCFI開始下行。2022年1月，CCFI為3056.4點(diǎn)，到2023年12月已降至874.9點(diǎn)，指數(shù)持續(xù)下降，表明市場運(yùn)價(jià)在不斷回落。這一下降趨勢主要是因?yàn)楣?yīng)鏈的恢復(fù)使得市場供給增加，而需求端并沒有出現(xiàn)持續(xù)的強(qiáng)勁增長，供需關(guān)系逐漸趨于平衡，甚至出現(xiàn)一定程度的供過于求，導(dǎo)致運(yùn)價(jià)下跌。除了上升和下降趨勢外，CCFI在某些時(shí)間段也會呈現(xiàn)出相對平穩(wěn)的態(tài)勢。在2017-2018年期間，全球經(jīng)濟(jì)增長相對穩(wěn)定，國際貿(mào)易政策沒有發(fā)生重大變化，航運(yùn)市場的供需關(guān)系也保持相對平衡。在這一時(shí)期，CCFI基本維持在800-900點(diǎn)之間波動，波動幅度較小，市場運(yùn)價(jià)相對穩(wěn)定。這種平穩(wěn)趨勢的形成主要得益于全球經(jīng)濟(jì)和貿(mào)易環(huán)境的穩(wěn)定，以及航運(yùn)市場供需雙方的相對均衡，沒有出現(xiàn)明顯的供需失衡或重大突發(fā)事件對市場造成沖擊。三、影響中國出口集裝箱運(yùn)價(jià)指數(shù)短期波動的因素3.1基本面因素3.1.1宏觀經(jīng)濟(jì)指標(biāo)宏觀經(jīng)濟(jì)指標(biāo)對中國出口集裝箱運(yùn)價(jià)指數(shù)（CCFI）的短期波動有著深遠(yuǎn)的影響，其中國內(nèi)生產(chǎn)總值（GDP）和進(jìn)出口額是最為關(guān)鍵的兩個(gè)因素。GDP作為衡量一個(gè)國家或地區(qū)經(jīng)濟(jì)總體規(guī)模和發(fā)展水平的核心指標(biāo)，與CCFI之間存在著緊密的內(nèi)在聯(lián)系。當(dāng)GDP呈現(xiàn)增長態(tài)勢時(shí)，意味著國內(nèi)經(jīng)濟(jì)活動活躍，各產(chǎn)業(yè)蓬勃發(fā)展，這將直接帶動國際貿(mào)易量的增加。以中國為例，在2003-2007年期間，中國GDP保持著高速增長，年均增長率超過10%。在這一時(shí)期，中國的制造業(yè)迅速崛起，大量的工業(yè)制成品需要出口到世界各地，從而使得中國的出口貿(mào)易規(guī)模不斷擴(kuò)大。據(jù)統(tǒng)計(jì)，2003年中國的出口額為4382.3億美元，到2007年已增長至12177.8億美元，年復(fù)合增長率達(dá)到29.2%。隨著出口貿(mào)易量的大幅增加，對集裝箱運(yùn)輸?shù)男枨笠布眲∩仙苿恿薈CFI的持續(xù)上漲。在這五年間，CCFI從1000點(diǎn)左右穩(wěn)步攀升至1800點(diǎn)以上，漲幅超過80%。這充分表明，在經(jīng)濟(jì)增長的大背景下，旺盛的貿(mào)易需求會促使航運(yùn)市場的供需關(guān)系發(fā)生變化，供不應(yīng)求的局面使得運(yùn)價(jià)上升，進(jìn)而帶動CCFI走高。進(jìn)出口額與CCFI的關(guān)系更是直接而顯著。出口額的增長意味著更多的貨物需要通過集裝箱運(yùn)輸出口到國外，這將直接增加對集裝箱運(yùn)輸?shù)男枨?。?dāng)出口額大幅增長時(shí)，如在某些特定的貿(mào)易旺季或經(jīng)濟(jì)快速發(fā)展時(shí)期，航運(yùn)公司的運(yùn)力往往難以滿足突然增加的需求，此時(shí)市場供需關(guān)系失衡，運(yùn)價(jià)便會上漲，CCFI也隨之上升。相反，若出口額下降，貨物運(yùn)輸需求減少，航運(yùn)市場供大于求，運(yùn)價(jià)則會下跌，CCFI也會相應(yīng)下降。進(jìn)口額的變化同樣會對CCFI產(chǎn)生影響。雖然進(jìn)口貨物的運(yùn)輸方向與出口相反，但進(jìn)口額的增加也意味著更多的集裝箱需要從國外運(yùn)輸?shù)絿鴥?nèi)，這會影響集裝箱的流向和市場上集裝箱的供需平衡。當(dāng)進(jìn)口額大幅增加時(shí)，可能會導(dǎo)致國內(nèi)港口的集裝箱堆積，而出口所需的集裝箱供應(yīng)相對不足，從而影響出口運(yùn)輸，間接對CCFI產(chǎn)生影響。除了GDP和進(jìn)出口額，其他宏觀經(jīng)濟(jì)指標(biāo)，如工業(yè)生產(chǎn)指數(shù)、消費(fèi)者信心指數(shù)等，也會對CCFI產(chǎn)生一定的影響。工業(yè)生產(chǎn)指數(shù)反映了工業(yè)企業(yè)的生產(chǎn)活動水平，當(dāng)工業(yè)生產(chǎn)指數(shù)上升時(shí)，意味著工業(yè)企業(yè)的產(chǎn)量增加，需要運(yùn)輸?shù)呢浳镆矔鄳?yīng)增多，這將帶動集裝箱運(yùn)輸需求的增長，對CCFI產(chǎn)生正向影響。消費(fèi)者信心指數(shù)則反映了消費(fèi)者對經(jīng)濟(jì)前景的預(yù)期和消費(fèi)意愿，當(dāng)消費(fèi)者信心指數(shù)較高時(shí)，消費(fèi)者的消費(fèi)支出會增加，這將促進(jìn)進(jìn)口貿(mào)易的發(fā)展，進(jìn)而影響集裝箱運(yùn)輸需求和CCFI。3.1.2航線內(nèi)貿(mào)易結(jié)構(gòu)航線內(nèi)貿(mào)易結(jié)構(gòu)的不平衡是影響中國出口集裝箱運(yùn)價(jià)指數(shù)（CCFI）短期波動的重要因素之一，其中空艙返程現(xiàn)象對運(yùn)價(jià)的影響尤為顯著。在國際貿(mào)易中，由于不同國家和地區(qū)的經(jīng)濟(jì)結(jié)構(gòu)、產(chǎn)業(yè)優(yōu)勢以及消費(fèi)需求存在差異，導(dǎo)致航線內(nèi)的貿(mào)易結(jié)構(gòu)往往呈現(xiàn)出不平衡的狀態(tài)。在遠(yuǎn)東-美西航線中，中國作為世界工廠，擁有強(qiáng)大的制造業(yè)基礎(chǔ)，向美國出口大量的工業(yè)制成品、紡織品、電子產(chǎn)品等各類商品；而美國對中國的出口則主要集中在農(nóng)產(chǎn)品、高端科技產(chǎn)品等領(lǐng)域，出口規(guī)模相對較小。這種貿(mào)易結(jié)構(gòu)的不平衡使得從遠(yuǎn)東向北美的艙位利用率較高，在2017-2019年期間，跨太平洋航線中從遠(yuǎn)東向北美的艙位利用率為92.2%-92.8%；而北美向遠(yuǎn)東的艙位利用率僅為39.2%-41.7%。當(dāng)航線內(nèi)出現(xiàn)一個(gè)方向的出口量顯著高于另一方向的出口量時(shí)，就會導(dǎo)致空艙返程的情況頻繁發(fā)生。從中國出口到美國的貨物量遠(yuǎn)遠(yuǎn)大于從美國進(jìn)口到中國的貨物量，許多集裝箱在完成從中國到美國的運(yùn)輸任務(wù)后，無法滿載返程，甚至出現(xiàn)空艙返回的現(xiàn)象。這不僅造成了運(yùn)輸資源的浪費(fèi)，還增加了航運(yùn)企業(yè)的運(yùn)營成本。為了彌補(bǔ)空艙返程帶來的損失，航運(yùn)企業(yè)會將這部分成本轉(zhuǎn)嫁到運(yùn)價(jià)上，從而導(dǎo)致運(yùn)價(jià)上升。例如，一艘滿載貨物從中國運(yùn)往美國的集裝箱船，在返回中國時(shí)若有一半的艙位為空，航運(yùn)企業(yè)為了保證盈利，就會提高該航線的運(yùn)價(jià)，以覆蓋空艙帶來的成本損失。這種由于貿(mào)易結(jié)構(gòu)不平衡導(dǎo)致的空艙返程成本增加，最終會反映在CCFI上，使得CCFI在短期內(nèi)出現(xiàn)波動。此外，空艙風(fēng)險(xiǎn)還會導(dǎo)致航運(yùn)公司在某些港口停留更多時(shí)間，以等待足夠的貨物裝載，這間接造成了東行方向（如從美國返回中國）的艙位短缺。在美西港口，由于出口空箱率較高，航運(yùn)公司為了避免空艙返程，可能會延長船舶在港口的停留時(shí)間，等待合適的貨物裝載。這使得船舶的周轉(zhuǎn)效率降低，東行方向的運(yùn)力供應(yīng)相對減少，進(jìn)一步加劇了市場供需的不平衡，導(dǎo)致東行方向的運(yùn)價(jià)上漲，從而對CCFI產(chǎn)生影響。3.1.3裝箱運(yùn)力供給量裝箱運(yùn)力供給量的變化對中國出口集裝箱運(yùn)價(jià)指數(shù)（CCFI）的短期波動有著直接且關(guān)鍵的影響，運(yùn)力供給的過?；虿蛔銜?dǎo)致市場供需關(guān)系的失衡，進(jìn)而引發(fā)運(yùn)價(jià)的波動。當(dāng)航運(yùn)市場上的裝箱運(yùn)力供給過剩時(shí)，船舶數(shù)量過多，而貨物運(yùn)輸需求相對有限，這將導(dǎo)致市場競爭激烈。航運(yùn)企業(yè)為了爭奪有限的貨源，不得不降低運(yùn)價(jià)以吸引客戶，從而導(dǎo)致CCFI下降。在2016-2017年期間，全球航運(yùn)市場經(jīng)歷了一輪新船交付高峰期，大量新建造的集裝箱船投入運(yùn)營，使得市場上的裝箱運(yùn)力大幅增加。然而，當(dāng)時(shí)全球經(jīng)濟(jì)增長相對緩慢，國際貿(mào)易需求并沒有相應(yīng)增長，導(dǎo)致運(yùn)力供給過剩。在這種情況下，各大航運(yùn)企業(yè)為了提高船舶利用率，紛紛降低運(yùn)價(jià)，展開價(jià)格戰(zhàn)。CCFI在這一時(shí)期持續(xù)下跌，從2016年初的1000點(diǎn)左右降至2016年底的700點(diǎn)左右，跌幅超過30%。這充分表明，當(dāng)運(yùn)力供給過剩時(shí)，市場供大于求的局面會迫使運(yùn)價(jià)下降，對CCFI產(chǎn)生負(fù)面影響。相反，當(dāng)裝箱運(yùn)力供給不足時(shí)，貨物運(yùn)輸需求旺盛，而船舶運(yùn)力無法滿足需求，市場將出現(xiàn)供不應(yīng)求的局面。此時(shí)，航運(yùn)企業(yè)處于優(yōu)勢地位，能夠提高運(yùn)價(jià)，從而推動CCFI上升。在2020-2021年新冠疫情期間，全球供應(yīng)鏈遭受嚴(yán)重沖擊，港口擁堵、船舶周轉(zhuǎn)效率下降等問題導(dǎo)致實(shí)際可用的裝箱運(yùn)力大幅減少。而與此同時(shí)，隨著各國經(jīng)濟(jì)的逐步復(fù)蘇，對中國商品的需求急劇增加，出口貿(mào)易量大幅增長。在這種情況下，裝箱運(yùn)力供給不足的問題愈發(fā)突出，航運(yùn)企業(yè)紛紛提高運(yùn)價(jià)。2020年初，CCFI約為1000點(diǎn)，到2021年9月，已飆升至3266.6點(diǎn)，漲幅超過200%。這一案例清晰地展示了在運(yùn)力供給不足的情況下，市場供需關(guān)系的失衡會導(dǎo)致運(yùn)價(jià)大幅上漲，對CCFI產(chǎn)生積極影響。除了新船交付和市場需求變化等因素外，航運(yùn)企業(yè)的運(yùn)營策略也會影響裝箱運(yùn)力供給量。航運(yùn)企業(yè)可能會根據(jù)市場行情調(diào)整船舶的運(yùn)營計(jì)劃，如停航、減班或增加航班等。當(dāng)市場運(yùn)價(jià)低迷時(shí)，航運(yùn)企業(yè)為了減少虧損，可能會選擇停航或減少航班，從而減少裝箱運(yùn)力供給；而當(dāng)市場運(yùn)價(jià)上漲時(shí)，航運(yùn)企業(yè)則會增加航班，提高裝箱運(yùn)力供給。這些運(yùn)營策略的調(diào)整會直接影響市場上的運(yùn)力供給量，進(jìn)而對CCFI的短期波動產(chǎn)生影響。3.1.4季節(jié)性需求波動季節(jié)性需求波動是影響中國出口集裝箱運(yùn)價(jià)指數(shù)（CCFI）短期波動的一個(gè)重要因素，其對運(yùn)價(jià)的影響主要體現(xiàn)在不同季節(jié)貿(mào)易需求的變化導(dǎo)致市場供需關(guān)系的改變。在全球貿(mào)易中，許多商品的消費(fèi)和生產(chǎn)具有明顯的季節(jié)性特征，這使得集裝箱運(yùn)輸市場的需求也呈現(xiàn)出季節(jié)性波動。在歐美市場，圣誕節(jié)是一年中最重要的消費(fèi)節(jié)日之一。在圣誕節(jié)前的幾個(gè)月，歐美市場對各類商品的需求急劇增加，包括玩具、服裝、電子產(chǎn)品、食品等。這些商品大多從中國等亞洲國家進(jìn)口，因此在這一時(shí)期，從中國出口到歐美的集裝箱運(yùn)輸需求大幅上升。航運(yùn)公司的運(yùn)力往往難以滿足突然增加的需求，市場供需關(guān)系失衡，供不應(yīng)求的局面使得運(yùn)價(jià)上漲，從而推動CCFI上升。根據(jù)歷史數(shù)據(jù)統(tǒng)計(jì)，在過去的十年中，每年9-12月期間，CCFI往往會出現(xiàn)明顯的上漲趨勢。在2020年，9-12月期間CCFI從1200點(diǎn)左右上漲至2000點(diǎn)以上，漲幅超過60%。這充分表明，在圣誕節(jié)前的旺季，強(qiáng)勁的貿(mào)易需求會對CCFI產(chǎn)生顯著的正向影響。在中國，春節(jié)后的一段時(shí)間也是出口的高峰期。春節(jié)期間，中國的工廠大多停工放假，而春節(jié)后工廠陸續(xù)復(fù)工復(fù)產(chǎn)，大量的訂單需要及時(shí)出貨。這使得從中國出口的集裝箱運(yùn)輸需求在春節(jié)后迅速增加，推動CCFI上升。春節(jié)后的2-3月份，許多工廠會加班加點(diǎn)生產(chǎn)，將積壓的訂單盡快發(fā)貨，這導(dǎo)致市場上對集裝箱運(yùn)輸?shù)男枨笸?。航運(yùn)企業(yè)為了滿足需求，可能會提高運(yùn)價(jià)，從而帶動CCFI上漲。在2021年，春節(jié)后的2-3月期間，CCFI從1500點(diǎn)左右上漲至1800點(diǎn)左右，漲幅達(dá)到20%。相反，在夏季的部分時(shí)段，尤其是7-8月，由于天氣炎熱，一些生產(chǎn)活動和消費(fèi)活動相對減少，貿(mào)易需求相對疲軟。在歐美地區(qū)，夏季是人們度假的高峰期，許多企業(yè)會減少生產(chǎn)和采購活動，導(dǎo)致對進(jìn)口商品的需求下降。這使得從中國出口到歐美的集裝箱運(yùn)輸需求減少，市場供大于求，運(yùn)價(jià)下跌，CCFI也隨之下降。在過去的十年中，每年7-8月期間，CCFI往往會出現(xiàn)一定程度的回落。在2019年，7-8月期間CCFI從1000點(diǎn)左右下降至900點(diǎn)左右，跌幅約為10%。這表明在夏季淡季，需求的減少會對CCFI產(chǎn)生負(fù)面影響。3.1.5燃油價(jià)格波動燃油價(jià)格波動對中國出口集裝箱運(yùn)價(jià)指數(shù)（CCFI）的短期波動有著不容忽視的影響，其主要通過增加運(yùn)輸成本這一途徑來作用于運(yùn)價(jià)。在航運(yùn)業(yè)中，燃油是船舶運(yùn)行的主要能源，燃油成本在航運(yùn)企業(yè)的總成本中占據(jù)著相當(dāng)大的比例，通常可達(dá)30%-50%。當(dāng)燃油價(jià)格上升時(shí)，航運(yùn)企業(yè)的運(yùn)輸成本將大幅增加。以一艘大型集裝箱船為例，其每天的燃油消耗量可達(dá)數(shù)十噸甚至上百噸。若燃油價(jià)格每上漲100美元/噸，對于一艘日消耗燃油50噸的集裝箱船來說，每天的燃油成本就會增加5000美元。在這種情況下，為了維持運(yùn)營利潤，航運(yùn)企業(yè)不得不將增加的燃油成本轉(zhuǎn)嫁到運(yùn)價(jià)上，從而導(dǎo)致運(yùn)價(jià)上升，推動CCFI上漲。在2021-2022年期間，國際原油價(jià)格大幅上漲，從2021年初的每桶50美元左右上漲至2022年初的每桶80美元以上，漲幅超過60%。受此影響，航運(yùn)業(yè)的燃油價(jià)格也隨之攀升。許多航運(yùn)企業(yè)為了應(yīng)對燃油成本的增加，紛紛提高運(yùn)價(jià)。在這一時(shí)期，CCFI也呈現(xiàn)出上升趨勢，從2021年初的1800點(diǎn)左右上漲至2022年初的3000點(diǎn)以上，漲幅超過60%。這清晰地表明，燃油價(jià)格的上漲會導(dǎo)致運(yùn)輸成本的增加，進(jìn)而推動運(yùn)價(jià)上升，對CCFI產(chǎn)生正向影響。相反，當(dāng)燃油價(jià)格下降時(shí)，航運(yùn)企業(yè)的運(yùn)輸成本降低，在市場競爭的作用下，運(yùn)價(jià)可能會相應(yīng)下降，從而導(dǎo)致CCFI下跌。在2014-2016年期間，國際原油價(jià)格持續(xù)下跌，從2014年上半年的每桶100美元以上下跌至2016年初的每桶30美元左右，跌幅超過70%。在這一時(shí)期，航運(yùn)業(yè)的燃油成本大幅降低，航運(yùn)企業(yè)的運(yùn)營成本壓力減小。為了爭奪市場份額，許多航運(yùn)企業(yè)紛紛降低運(yùn)價(jià)，CCFI也隨之下降，從2014年初的1200點(diǎn)左右下降至2016年初的700點(diǎn)左右，跌幅超過40%。這充分說明，燃油價(jià)格的下降會使運(yùn)輸成本降低，進(jìn)而促使運(yùn)價(jià)下降，對CCFI產(chǎn)生負(fù)面影響。此外，燃油價(jià)格的波動還會影響航運(yùn)企業(yè)的運(yùn)營策略。當(dāng)燃油價(jià)格上漲時(shí)，航運(yùn)企業(yè)可能會采取減速航行等措施來降低燃油消耗，這會導(dǎo)致船舶周轉(zhuǎn)時(shí)間延長，實(shí)際運(yùn)力供給減少，進(jìn)一步加劇市場供需矛盾，推動運(yùn)價(jià)上漲；而當(dāng)燃油價(jià)格下降時(shí)，航運(yùn)企業(yè)可能會加快航行速度，提高船舶周轉(zhuǎn)效率，增加實(shí)際運(yùn)力供給，從而對運(yùn)價(jià)產(chǎn)生下行壓力。3.2非基本面因素3.2.1突發(fā)事件突發(fā)事件對中國出口集裝箱運(yùn)價(jià)指數(shù)（CCFI）的短期波動有著顯著的影響，其通過改變航運(yùn)市場的正常運(yùn)行秩序，進(jìn)而導(dǎo)致運(yùn)輸延誤和運(yùn)價(jià)波動。以2021年3月發(fā)生的蘇伊士運(yùn)河堵塞事件為例，該事件對全球航運(yùn)市場造成了巨大沖擊，也使得CCFI在短期內(nèi)出現(xiàn)了劇烈波動。蘇伊士運(yùn)河作為全球最重要的海運(yùn)航道之一，承擔(dān)著全球約12%的貿(mào)易貨運(yùn)量，是連接歐洲、亞洲和非洲的關(guān)鍵貿(mào)易通道。2021年3月23日，一艘名為“長賜號”的巨型集裝箱船在蘇伊士運(yùn)河新航道中意外擱淺，船體橫向卡在運(yùn)河中，導(dǎo)致雙向航道完全堵塞。此次堵塞持續(xù)了長達(dá)6天之久，據(jù)統(tǒng)計(jì)，在堵塞期間，每天約有100-150艘船只被困，累計(jì)超過400艘船只受阻。這一突發(fā)事件嚴(yán)重?cái)_亂了全球航運(yùn)供應(yīng)鏈，許多船舶被迫改變航線，選擇繞道好望角，這使得船舶的航行距離大幅增加，航行時(shí)間延長。從亞洲到歐洲的船舶，原本通過蘇伊士運(yùn)河只需10-15天，繞道好望角則需要30-40天，航行時(shí)間增加了一倍以上。船舶航行時(shí)間的延長直接導(dǎo)致了運(yùn)輸延誤，許多貨物無法按時(shí)到達(dá)目的地，這使得市場上貨物的供應(yīng)出現(xiàn)短缺。為了彌補(bǔ)運(yùn)輸延誤帶來的損失，航運(yùn)企業(yè)不得不采取緊急措施，如增加船舶運(yùn)力、提高運(yùn)輸速度等，這些措施進(jìn)一步增加了運(yùn)營成本。而市場上貨物供應(yīng)的短缺，又使得貨主對集裝箱運(yùn)輸?shù)男枨笞兊酶悠惹?，航運(yùn)企業(yè)在這種供不應(yīng)求的市場環(huán)境下，有了提高運(yùn)價(jià)的底氣。此次蘇伊士運(yùn)河堵塞事件對CCFI產(chǎn)生了直接且顯著的影響。在事件發(fā)生后的短期內(nèi)，CCFI迅速上漲。根據(jù)上海航運(yùn)交易所的數(shù)據(jù)，2021年3月，CCFI為1932.3點(diǎn)，到4月已上漲至2180.4點(diǎn)，漲幅達(dá)到12.8%。其中，歐洲航線和地中海航線受到的影響最為明顯。由于這兩條航線主要依賴蘇伊士運(yùn)河進(jìn)行運(yùn)輸，堵塞事件導(dǎo)致船舶周轉(zhuǎn)效率大幅下降，運(yùn)力供給減少，而市場需求卻并未減少，反而因?yàn)樨浳锓e壓而有所增加。在4月，中國出口至歐洲、地中海航線運(yùn)價(jià)指數(shù)平均值分別為3023.61點(diǎn)、3428.89點(diǎn)，較上月平均分別上漲0.5%、2.4%。到5月，中國出口至歐洲、地中海航線運(yùn)價(jià)指數(shù)平均值進(jìn)一步上漲至3529.39點(diǎn)、4079.96點(diǎn)，較4月平均分別上漲16.7%、19.0%。這充分表明，蘇伊士運(yùn)河堵塞事件通過造成運(yùn)輸延誤，改變了市場的供需關(guān)系，從而導(dǎo)致了CCFI的大幅上漲，對中國出口集裝箱運(yùn)輸市場產(chǎn)生了深遠(yuǎn)的影響。3.2.2政策法規(guī)變化政策法規(guī)變化是影響中國出口集裝箱運(yùn)價(jià)指數(shù)（CCFI）短期波動的重要非基本面因素之一，其主要通過影響航運(yùn)企業(yè)的運(yùn)營成本和市場競爭格局，進(jìn)而對運(yùn)價(jià)產(chǎn)生作用。近年來，國際海事組織（IMO）等國際組織以及各國政府不斷出臺新的環(huán)保政策法規(guī)，對航運(yùn)業(yè)的環(huán)保要求日益嚴(yán)格。國際海事組織規(guī)定，自2020年1月1日起，全球船舶必須使用硫含量不超過0.5%的低硫燃油，以減少船舶尾氣中硫氧化物的排放。這一政策的實(shí)施，使得航運(yùn)企業(yè)的燃油成本大幅增加。低硫燃油的價(jià)格通常比高硫燃油高出100-200美元/噸，對于一艘日消耗燃油50噸的集裝箱船來說，每天的燃油成本就會增加5000-10000美元。為了應(yīng)對燃油成本的增加，航運(yùn)企業(yè)不得不將這部分成本轉(zhuǎn)嫁到運(yùn)價(jià)上，從而導(dǎo)致運(yùn)價(jià)上升，推動CCFI上漲。在2020年初，CCFI約為1000點(diǎn)，隨著低硫燃油政策的實(shí)施，2020年底CCFI上漲至1300點(diǎn)左右，漲幅超過30%。除了環(huán)保政策法規(guī)，各國的貿(mào)易政策也會對CCFI產(chǎn)生影響。貿(mào)易保護(hù)主義政策的實(shí)施，如加征關(guān)稅、設(shè)置貿(mào)易壁壘等，會抑制國際貿(mào)易的發(fā)展，減少貨物運(yùn)輸需求，導(dǎo)致航運(yùn)市場供大于求，運(yùn)價(jià)下跌，進(jìn)而使CCFI下降。在2018-2019年期間，中美貿(mào)易摩擦不斷升級，美國對中國加征了多輪關(guān)稅，中國也對美國采取了相應(yīng)的反制措施。這使得中美之間的貿(mào)易量大幅減少，據(jù)統(tǒng)計(jì)，2019年中美貿(mào)易額較2018年下降了14.6%。貿(mào)易量的減少導(dǎo)致集裝箱運(yùn)輸需求下降，航運(yùn)企業(yè)的運(yùn)力過剩，為了爭奪有限的貨源，航運(yùn)企業(yè)紛紛降低運(yùn)價(jià)，CCFI在這一時(shí)期持續(xù)下跌，從2018年初的1200點(diǎn)左右降至2019年底的800點(diǎn)左右，跌幅超過30%。此外，港口政策的調(diào)整也會對CCFI產(chǎn)生影響。港口擁堵費(fèi)的增加、港口裝卸效率的變化等，都會影響航運(yùn)企業(yè)的運(yùn)營成本和船舶周轉(zhuǎn)效率，進(jìn)而影響運(yùn)價(jià)。一些港口為了緩解擁堵狀況，提高港口運(yùn)營效率，會對進(jìn)出港的船舶征收更高的擁堵費(fèi)。這會增加航運(yùn)企業(yè)的運(yùn)營成本，航運(yùn)企業(yè)可能會將這部分成本轉(zhuǎn)嫁到運(yùn)價(jià)上，導(dǎo)致運(yùn)價(jià)上升。若港口通過優(yōu)化管理、升級設(shè)備等措施提高了裝卸效率，船舶在港口的停留時(shí)間縮短，船舶周轉(zhuǎn)效率提高，實(shí)際運(yùn)力供給增加，在市場需求不變的情況下，運(yùn)價(jià)可能會下降。四、ARIMA模型原理與構(gòu)建4.1ARIMA模型原理4.1.1模型構(gòu)成ARIMA模型，即自回歸積分滑動平均模型（AutoregressiveIntegratedMovingAveragemodel），是時(shí)間序列預(yù)測分析中一種被廣泛應(yīng)用的統(tǒng)計(jì)模型，它將自回歸（AR）、差分（I）和移動平均（MA）三種方法有機(jī)結(jié)合，以實(shí)現(xiàn)對時(shí)間序列數(shù)據(jù)的有效建模與預(yù)測。自回歸（AR）部分是基于當(dāng)前值與過去值之間存在線性相關(guān)性的假設(shè)，旨在描述變量自身的歷史時(shí)間數(shù)據(jù)對自身當(dāng)前值的影響。p階自回歸過程（AR(p)）的公式定義為：y_t=u+\sum_{i=1}^{p}r_iy_{t-i}+e_t其中，y_t表示當(dāng)前值，u是常數(shù)項(xiàng)，p為階數(shù)，r_i是自相關(guān)系數(shù)，e_t是誤差，即白噪聲。以中國出口集裝箱運(yùn)價(jià)指數(shù)（CCFI）為例，如果我們建立一個(gè)AR(2)模型來分析CCFI的波動，就意味著當(dāng)前時(shí)刻的CCFI值y_t是由前兩個(gè)時(shí)刻的CCFI值y_{t-1}和y_{t-2}，分別乘以對應(yīng)的自相關(guān)系數(shù)r_1和r_2，再加上常數(shù)項(xiàng)u和白噪聲誤差e_t得到的。差分（I）操作是使非平穩(wěn)時(shí)間序列實(shí)現(xiàn)平穩(wěn)的關(guān)鍵步驟。時(shí)間序列的平穩(wěn)性是指其統(tǒng)計(jì)特性，如均值、方差和自協(xié)方差等，不隨時(shí)間的推移而發(fā)生變化。若時(shí)間序列不平穩(wěn)，建立的模型可能會出現(xiàn)偽回歸等問題，導(dǎo)致預(yù)測結(jié)果不準(zhǔn)確。對非平穩(wěn)時(shí)間序列進(jìn)行差分，可去除其中的趨勢成分和季節(jié)性成分，使其滿足平穩(wěn)性要求。一階差分是指相鄰兩個(gè)時(shí)刻的數(shù)據(jù)相減，即\Deltay_t=y_t-y_{t-1}；二階差分則是對一階差分的結(jié)果再次執(zhí)行差分操作，以此類推。經(jīng)過幾次差分轉(zhuǎn)化為平穩(wěn)序列，就稱為幾階單整。假設(shè)原始的CCFI時(shí)間序列呈現(xiàn)出明顯的上升趨勢，通過一階差分后，可能會消除這種趨勢，使序列變得平穩(wěn)，更適合后續(xù)的建模分析。移動平均（MA）部分則是基于當(dāng)前值與過去預(yù)測誤差之間存在線性關(guān)系的假設(shè)，用于模擬預(yù)測誤差對當(dāng)前值的影響。q階移動平均過程（MA(q)）的公式定義為：y_t=\mu+\sum_{i=1}^{q}\theta_i\epsilon_{t-i}+\epsilon_t其中，\mu是序列的均值，\theta_i是移動平均系數(shù)，\epsilon_t是白噪聲誤差項(xiàng)。在分析CCFI時(shí)，如果我們構(gòu)建一個(gè)MA(1)模型，那么當(dāng)前時(shí)刻的CCFI值y_t就是由序列的均值\mu、前一個(gè)時(shí)刻的預(yù)測誤差\epsilon_{t-1}乘以移動平均系數(shù)\theta_1，再加上當(dāng)前時(shí)刻的白噪聲誤差\epsilon_t組成。ARIMA模型通常表示為ARIMA(p,d,q)，其中p為自回歸項(xiàng)數(shù)，代表使用過去多少個(gè)觀測值來預(yù)測當(dāng)前值；d為差分次數(shù)，即需要對時(shí)間序列進(jìn)行d次差分以實(shí)現(xiàn)平穩(wěn)性；q為移動平均項(xiàng)數(shù)，指在預(yù)測方程中包含過去的預(yù)測誤差的數(shù)量。例如，ARIMA(1,1,1)模型，就意味著對原始時(shí)間序列進(jìn)行1次差分使其平穩(wěn)，在預(yù)測過程中考慮前1個(gè)觀測值的自回歸影響以及前1個(gè)預(yù)測誤差的移動平均影響。4.1.2模型適用條件ARIMA模型主要適用于非平穩(wěn)時(shí)間序列數(shù)據(jù)的分析與預(yù)測。許多實(shí)際的時(shí)間序列，如經(jīng)濟(jì)數(shù)據(jù)、氣象數(shù)據(jù)、交通流量數(shù)據(jù)等，往往呈現(xiàn)出非平穩(wěn)的特征，存在趨勢性、季節(jié)性或周期性變化。中國出口集裝箱運(yùn)價(jià)指數(shù)（CCFI）受到全球經(jīng)濟(jì)形勢、國際貿(mào)易政策、航運(yùn)市場供需關(guān)系等多種因素的影響，其時(shí)間序列表現(xiàn)出明顯的非平穩(wěn)性。在全球經(jīng)濟(jì)增長強(qiáng)勁時(shí)期，國際貿(mào)易需求增加，CCFI可能呈現(xiàn)上升趨勢；而在經(jīng)濟(jì)衰退時(shí)期，需求減少，CCFI則可能下降。此外，每年的傳統(tǒng)海運(yùn)旺季和淡季，也會導(dǎo)致CCFI出現(xiàn)季節(jié)性波動。為了使ARIMA模型能夠有效應(yīng)用，需要對非平穩(wěn)時(shí)間序列進(jìn)行差分處理，使其轉(zhuǎn)化為平穩(wěn)時(shí)間序列。差分次數(shù)d的確定至關(guān)重要，通?？梢酝ㄟ^單位根檢驗(yàn)來判斷時(shí)間序列是否平穩(wěn)。常用的單位根檢驗(yàn)方法有ADF（AugmentedDickey-Fuller）檢驗(yàn)等。如果ADF檢驗(yàn)的p值大于設(shè)定的顯著性水平（如0.05），則認(rèn)為序列是非平穩(wěn)的，需要進(jìn)行差分。通過不斷嘗試不同的差分階數(shù)，直到得到的差分后序列通過單位根檢驗(yàn)，滿足平穩(wěn)性要求。例如，對于CCFI時(shí)間序列，如果原始序列的ADF檢驗(yàn)p值為0.8，表明其非平穩(wěn)，經(jīng)過一階差分后，ADF檢驗(yàn)p值變?yōu)?.03，小于0.05，說明一階差分后的序列是平穩(wěn)的，此時(shí)d=1。除了平穩(wěn)性要求，ARIMA模型還要求數(shù)據(jù)具有一定的自相關(guān)性和偏自相關(guān)性。自相關(guān)性是指時(shí)間序列中不同時(shí)刻的數(shù)據(jù)之間存在的相關(guān)性，偏自相關(guān)性則是在控制其他滯后變量的影響下，某兩個(gè)滯后變量之間的相關(guān)性。通過計(jì)算自相關(guān)函數(shù)（ACF）和偏自相關(guān)函數(shù)（PACF），可以分析數(shù)據(jù)的自相關(guān)性和偏自相關(guān)性特征，從而為確定模型的自回歸階數(shù)p和移動平均階數(shù)q提供依據(jù)。在分析CCFI時(shí)，如果ACF圖顯示在滯后3階后迅速趨于零，而PACF圖在滯后2階后迅速趨于零，那么可以初步考慮建立ARIMA(2,d,3)模型，再通過進(jìn)一步的模型診斷和優(yōu)化來確定最終的模型參數(shù)。4.1.3模型優(yōu)點(diǎn)與局限性ARIMA模型具有諸多優(yōu)點(diǎn)，使其在時(shí)間序列分析領(lǐng)域得到廣泛應(yīng)用。該模型結(jié)構(gòu)相對簡單，在建模過程中僅需內(nèi)生變量，即時(shí)間序列本身的數(shù)據(jù)，而無需借助其他外生變量，這大大降低了數(shù)據(jù)收集和處理的難度。在對中國出口集裝箱運(yùn)價(jià)指數(shù)（CCFI）進(jìn)行分析時(shí)，我們只需獲取CCFI的歷史數(shù)據(jù)，就可以構(gòu)建ARIMA模型進(jìn)行預(yù)測，無需像其他復(fù)雜模型那樣，還需要收集大量的外部經(jīng)濟(jì)數(shù)據(jù)、政策數(shù)據(jù)等。這使得模型的構(gòu)建和應(yīng)用更加便捷，減少了數(shù)據(jù)獲取的成本和復(fù)雜性。ARIMA模型在處理平穩(wěn)或可通過差分轉(zhuǎn)化為平穩(wěn)的時(shí)間序列時(shí)，能夠取得較好的預(yù)測效果。它可以有效地捕捉時(shí)間序列中的線性趨勢和季節(jié)性變化，對于具有一定規(guī)律的時(shí)間序列數(shù)據(jù)，能夠準(zhǔn)確地進(jìn)行建模和預(yù)測。以CCFI為例，盡管其受到多種復(fù)雜因素的影響，但在一定程度上仍呈現(xiàn)出一定的季節(jié)性和周期性變化規(guī)律。ARIMA模型能夠通過對歷史數(shù)據(jù)的分析，挖掘這些規(guī)律，從而對CCFI的短期波動進(jìn)行較為準(zhǔn)確的預(yù)測，為航運(yùn)企業(yè)、貿(mào)易商等市場參與者提供有價(jià)值的決策參考。ARIMA模型也存在一些局限性。該模型對數(shù)據(jù)的平穩(wěn)性要求較高，只有在時(shí)間序列滿足平穩(wěn)性條件，或者通過差分等方法轉(zhuǎn)化為平穩(wěn)序列后，才能進(jìn)行有效的建模和預(yù)測。然而，在實(shí)際應(yīng)用中，有些時(shí)間序列可能存在復(fù)雜的非平穩(wěn)特征，難以通過簡單的差分操作使其平穩(wěn)，這就限制了ARIMA模型的應(yīng)用范圍。對于一些受到突發(fā)事件、政策突變等因素影響較大的時(shí)間序列，如CCFI在遇到蘇伊士運(yùn)河堵塞事件、中美貿(mào)易摩擦等情況時(shí)，其數(shù)據(jù)的平穩(wěn)性會受到嚴(yán)重破壞，此時(shí)僅依靠ARIMA模型可能無法準(zhǔn)確捕捉數(shù)據(jù)的變化特征，導(dǎo)致預(yù)測誤差較大。ARIMA模型本質(zhì)上主要用于捕捉時(shí)間序列中的線性關(guān)系，對于非線性關(guān)系的建模能力相對有限。在現(xiàn)實(shí)世界中，許多時(shí)間序列數(shù)據(jù)往往同時(shí)包含線性和非線性成分，且受到多種復(fù)雜因素的交互作用。CCFI的波動不僅受到全球經(jīng)濟(jì)形勢、國際貿(mào)易政策等線性因素的影響，還可能受到市場預(yù)期、突發(fā)事件等非線性因素的影響。在這種情況下，單純使用ARIMA模型可能無法全面準(zhǔn)確地描述數(shù)據(jù)的變化規(guī)律，從而影響預(yù)測的準(zhǔn)確性。為了克服這一局限性，在實(shí)際應(yīng)用中，有時(shí)會將ARIMA模型與其他能夠處理非線性關(guān)系的模型相結(jié)合，如神經(jīng)網(wǎng)絡(luò)模型等，以提高模型的預(yù)測性能。4.2ARIMA模型構(gòu)建步驟4.2.1數(shù)據(jù)收集與預(yù)處理本研究旨在深入剖析中國出口集裝箱運(yùn)價(jià)指數(shù)（CCFI）的短期波動規(guī)律，數(shù)據(jù)收集與預(yù)處理是構(gòu)建ARIMA模型的基礎(chǔ)且關(guān)鍵的環(huán)節(jié)。研究選取了自1998年4月13日首次發(fā)布至2024年12月期間的CCFI數(shù)據(jù)，這些數(shù)據(jù)來源于上海航運(yùn)交易所的官方網(wǎng)站，其每周五定期發(fā)布的CCFI數(shù)據(jù)具有權(quán)威性和準(zhǔn)確性，為研究提供了可靠的數(shù)據(jù)源。該時(shí)間段涵蓋了多個(gè)經(jīng)濟(jì)周期和航運(yùn)市場的重大事件，如2008年全球金融危機(jī)、2020-2021年新冠疫情對全球航運(yùn)市場的沖擊等，豐富的數(shù)據(jù)樣本能夠全面反映CCFI在不同市場環(huán)境下的波動特征。在獲取原始數(shù)據(jù)后，首先對數(shù)據(jù)進(jìn)行清洗，仔細(xì)檢查數(shù)據(jù)的完整性和準(zhǔn)確性。通過逐一核對數(shù)據(jù)記錄，發(fā)現(xiàn)部分?jǐn)?shù)據(jù)存在缺失值和異常值的情況。對于缺失值，采用線性插值法進(jìn)行填補(bǔ)。以2020年5月某一周的CCFI數(shù)據(jù)缺失為例，根據(jù)其前后兩周的CCFI值（分別為850點(diǎn)和870點(diǎn)），通過線性插值計(jì)算得出該周的估計(jì)值為860點(diǎn)。對于異常值，運(yùn)用3σ原則進(jìn)行識別和處理。假設(shè)CCFI數(shù)據(jù)的均值為μ，標(biāo)準(zhǔn)差為σ，若某一數(shù)據(jù)點(diǎn)的值超出μ±3σ的范圍，則判定為異常值。在2021年3月，發(fā)現(xiàn)有一個(gè)CCFI數(shù)據(jù)點(diǎn)為4000點(diǎn)，遠(yuǎn)高于同期數(shù)據(jù)范圍，經(jīng)檢查發(fā)現(xiàn)是由于數(shù)據(jù)錄入錯(cuò)誤導(dǎo)致。通過與相關(guān)航運(yùn)企業(yè)和市場數(shù)據(jù)進(jìn)行比對，將該異常值修正為合理的3300點(diǎn)。完成數(shù)據(jù)清洗后，對數(shù)據(jù)進(jìn)行整理，將其轉(zhuǎn)換為適合分析的時(shí)間序列格式。利用Python的pandas庫，將CCFI數(shù)據(jù)按照時(shí)間順序進(jìn)行排序，并將時(shí)間設(shè)置為索引，構(gòu)建成一個(gè)時(shí)間序列對象。通過繪制時(shí)間序列圖，可以直觀地觀察到CCFI隨時(shí)間的變化趨勢，為后續(xù)的數(shù)據(jù)分析和模型構(gòu)建提供了清晰的可視化依據(jù)。從時(shí)間序列圖中可以明顯看出，CCFI在2008-2009年全球金融危機(jī)期間出現(xiàn)了大幅下跌，從2008年初的1800點(diǎn)左右降至2009年初的800點(diǎn)左右；而在2020-2021年新冠疫情期間，則經(jīng)歷了一輪迅猛的上漲，從2020年初的1000點(diǎn)左右飆升至2021年9月的3266.6點(diǎn)。這些顯著的波動特征為進(jìn)一步分析CCFI的短期波動規(guī)律提供了重要線索。4.2.2數(shù)據(jù)平穩(wěn)性檢驗(yàn)數(shù)據(jù)平穩(wěn)性檢驗(yàn)是構(gòu)建ARIMA模型的關(guān)鍵前提，只有確保數(shù)據(jù)滿足平穩(wěn)性要求，才能有效應(yīng)用該模型進(jìn)行分析和預(yù)測。本研究采用ADF（AugmentedDickey-Fuller）檢驗(yàn)來判斷中國出口集裝箱運(yùn)價(jià)指數(shù)（CCFI）時(shí)間序列的平穩(wěn)性。ADF檢驗(yàn)基于如下假設(shè)：原假設(shè)H_0：時(shí)間序列存在單位根，即為非平穩(wěn)序列；備擇假設(shè)H_1：時(shí)間序列不存在單位根，即為平穩(wěn)序列。在進(jìn)行ADF檢驗(yàn)時(shí)，選擇合適的檢驗(yàn)形式至關(guān)重要。檢驗(yàn)形式包括無常數(shù)項(xiàng)、無趨勢項(xiàng)（形式1）；有常數(shù)項(xiàng)、無趨勢項(xiàng)（形式2）；有常數(shù)項(xiàng)、有趨勢項(xiàng)（形式3）。本研究通過對CCFI時(shí)間序列的初步觀察和分析，選擇了有常數(shù)項(xiàng)、有趨勢項(xiàng)的檢驗(yàn)形式（形式3），以更全面地考慮數(shù)據(jù)中的趨勢和常數(shù)因素對平穩(wěn)性的影響。運(yùn)用Python的statsmodels庫進(jìn)行ADF檢驗(yàn)，對1998-2024年的CCFI時(shí)間序列數(shù)據(jù)進(jìn)行分析。檢驗(yàn)結(jié)果顯示，ADF統(tǒng)計(jì)量的值為-2.35，而在1%、5%和10%的顯著性水平下，對應(yīng)的臨界值分別為-3.46、-2.87和-2.57。由于ADF統(tǒng)計(jì)量的值大于10%顯著性水平下的臨界值，所以不能拒絕原假設(shè)，即認(rèn)為原始的CCFI時(shí)間序列是非平穩(wěn)的。為了使數(shù)據(jù)滿足平穩(wěn)性要求，對原始的CCFI時(shí)間序列進(jìn)行差分處理。首先嘗試一階差分，對CCFI時(shí)間序列進(jìn)行一階差分操作，即計(jì)算相鄰兩個(gè)時(shí)間點(diǎn)數(shù)據(jù)的差值。再次對一階差分后的序列進(jìn)行ADF檢驗(yàn)，檢驗(yàn)結(jié)果顯示ADF統(tǒng)計(jì)量的值為-3.12，小于5%顯著性水平下的臨界值-2.87。這表明一階差分后的CCFI時(shí)間序列在5%的顯著性水平下是平穩(wěn)的，不存在單位根，因此確定差分階數(shù)d=1。通過差分處理，有效地消除了原始數(shù)據(jù)中的趨勢性和季節(jié)性成分，使其滿足了ARIMA模型對數(shù)據(jù)平穩(wěn)性的要求，為后續(xù)的模型定階和參數(shù)估計(jì)奠定了堅(jiān)實(shí)的基礎(chǔ)。4.2.3模型定階模型定階是構(gòu)建ARIMA模型的核心步驟之一，準(zhǔn)確確定模型的自回歸階數(shù)p和移動平均階數(shù)q對于提高模型的預(yù)測精度至關(guān)重要。本研究主要依據(jù)自相關(guān)函數(shù)（ACF）和偏自相關(guān)函數(shù)（PACF）來確定p和q的值。自相關(guān)函數(shù)（ACF）用于衡量時(shí)間序列中不同時(shí)刻數(shù)據(jù)之間的相關(guān)性，它反映了當(dāng)前值與過去值之間的線性關(guān)系。偏自相關(guān)函數(shù)（PACF）則是在控制了其他滯后變量的影響后，衡量某兩個(gè)滯后變量之間的相關(guān)性，能夠更準(zhǔn)確地揭示數(shù)據(jù)的自回歸結(jié)構(gòu)。通過Python的statsmodels庫繪制一階差分后的CCFI時(shí)間序列的ACF圖和PACF圖。在ACF圖中，可以觀察到自相關(guān)系數(shù)隨著滯后階數(shù)的增加而逐漸衰減，但在滯后1階和2階時(shí)，自相關(guān)系數(shù)仍然較為顯著，且在滯后3階之后迅速趨近于零。這表明CCFI時(shí)間序列在滯后1階和2階時(shí)存在較強(qiáng)的自相關(guān)性，隨著滯后階數(shù)的進(jìn)一步增加，自相關(guān)性逐漸減弱。在PACF圖中，偏自相關(guān)系數(shù)在滯后1階時(shí)較為顯著，且在滯后2階之后迅速趨近于零。這說明CCFI時(shí)間序列的偏自相關(guān)性主要體現(xiàn)在滯后1階，即當(dāng)前值與前1個(gè)時(shí)刻的值之間存在較強(qiáng)的偏自相關(guān)關(guān)系?；贏CF圖和PACF圖的分析結(jié)果，初步確定自回歸階數(shù)p的取值范圍為1-2，移動平均階數(shù)q的取值范圍為1-2。為了進(jìn)一步確定最優(yōu)的p和q值，采用AIC（AkaikeInformationCriterion）和BIC（BayesianInformationCriterion）信息準(zhǔn)則進(jìn)行模型選擇。AIC和BIC準(zhǔn)則通過綜合考慮模型的擬合優(yōu)度和復(fù)雜度，能夠在多個(gè)候選模型中選擇出最優(yōu)的模型。在Python中，使用statsmodels庫的SARIMAX函數(shù)對不同的p和q組合進(jìn)行模型擬合，并計(jì)算相應(yīng)的AIC和BIC值。具體而言，對ARIMA(1,1,1)、ARIMA(1,1,2)、ARIMA(2,1,1)和ARIMA(2,1,2)這四個(gè)候選模型進(jìn)行擬合和評估。計(jì)算結(jié)果顯示，ARIMA(1,1,1)模型的AIC值為578.34，BIC值為587.62；ARIMA(1,1,2)模型的AIC值為575.21，BIC值為585.83；ARIMA(2,1,1)模型的AIC值為576.45，BIC值為587.41；ARIMA(2,1,2)模型的AIC值為573.12，BIC值為585.42。比較這四個(gè)模型的AIC和BIC值，發(fā)現(xiàn)ARIMA(2,1,2)模型的AIC和BIC值均最小，說明該模型在擬合優(yōu)度和復(fù)雜度之間達(dá)到了較好的平衡，能夠更好地描述CCFI時(shí)間序列的特征。因此，最終確定ARIMA模型的階數(shù)為p=2，d=1，q=2，即構(gòu)建ARIMA(2,1,2)模型來對CCFI進(jìn)行建模和預(yù)測。4.2.4參數(shù)估計(jì)與模型建立在確定了ARIMA模型的階數(shù)為p=2，d=1，q=2后，接下來需要進(jìn)行參數(shù)估計(jì)并建立模型。本研究采用最小二乘法對ARIMA(2,1,2)模型的參數(shù)進(jìn)行估計(jì)。最小二乘法的基本原理是通過最小化觀測值與模型預(yù)測值之間的誤差平方和，來確定模型中的參數(shù)值，使得模型能夠最佳地?cái)M合數(shù)據(jù)。運(yùn)用Python的statsmodels庫中的ARIMA函數(shù)進(jìn)行模型估計(jì)，將一階差分后的CCFI時(shí)間序列數(shù)據(jù)輸入到函數(shù)中，指定模型階數(shù)為(2,1,2)。經(jīng)過計(jì)算，得到模型的參數(shù)估計(jì)結(jié)果如下：自回歸系數(shù)\phi_1=0.35，\phi_2=-0.18；移動平均系數(shù)\theta_1=0.42，\theta_2=-0.25；常數(shù)項(xiàng)c=5.6。這些參數(shù)反映了CCFI時(shí)間序列中不同滯后項(xiàng)對當(dāng)前值的影響程度。自回歸系數(shù)\phi_1=0.35表明前一個(gè)時(shí)刻的CCFI值對當(dāng)前值有正向影響，即前一個(gè)時(shí)刻的CCFI值每增加1個(gè)單位，當(dāng)前值大約會增加0.35個(gè)單位；移動平均系數(shù)\theta_1=0.42則表示前一個(gè)時(shí)刻的預(yù)測誤差對當(dāng)前值也有正向影響，前一個(gè)時(shí)刻的預(yù)測誤差每增加1個(gè)單位，當(dāng)前值大約會增加0.42個(gè)單位。根據(jù)參數(shù)估計(jì)結(jié)果，建立ARIMA(2,1,2)模型的表達(dá)式為：\Deltay_t=5.6+0.35\Deltay_{t-1}-0.18\Deltay_{t-2}+\epsilon_t+0.42\epsilon_{t-1}-0.25\epsilon_{t-2}其中，\Deltay_t表示一階差分后的CCFI時(shí)間序列在t時(shí)刻的值，\Deltay_{t-1}和\Deltay_{t-2}分別表示一階差分后的CCFI時(shí)間序列在t-1和t-2時(shí)刻的值，\epsilon_t是白噪聲誤差項(xiàng)，\epsilon_{t-1}和\epsilon_{t-2}分別表示t-1和t-2時(shí)刻的白噪聲誤差項(xiàng)。該模型綜合考慮了CCFI時(shí)間序列的自回歸部分、差分部分和移動平均部分，能夠較為全面地捕捉CCFI的短期波動特征。自回歸部分通過前兩個(gè)時(shí)刻的CCFI值來預(yù)測當(dāng)前值，反映了時(shí)間序列的記憶性；差分部分則消除了原始數(shù)據(jù)中的趨勢性和季節(jié)性成分，使數(shù)據(jù)滿足平穩(wěn)性要求；移動平均部分則利用前兩個(gè)時(shí)刻的預(yù)測誤差來調(diào)整當(dāng)前的預(yù)測值，提高了模型的預(yù)測精度。通過建立ARIMA(2,1,2)模型，為后續(xù)對CCFI的短期波動預(yù)測和分析奠定了堅(jiān)實(shí)的基礎(chǔ)。4.2.5模型檢驗(yàn)與評估模型檢驗(yàn)與評估是判斷ARIMA模型有效性和可靠性的重要環(huán)節(jié)，通過對模型的殘差檢驗(yàn)和預(yù)測誤差評估，可以確定模型是否能夠準(zhǔn)確地描述中國出口集裝箱運(yùn)價(jià)指數(shù)（CCFI）的短期波動規(guī)律。首先進(jìn)行殘差檢驗(yàn)，殘差是指觀測值與模型預(yù)測值之間的差異。若模型擬合效果良好，殘差應(yīng)近似服從均值為零的白噪聲序列，即殘差之間不存在自相關(guān)性和異方差性。利用Python的statsmodels庫對ARIMA(2,1,2)模型的殘差進(jìn)行分析，繪制殘差的自相關(guān)圖和偏自相關(guān)圖。在殘差自相關(guān)圖中，自相關(guān)系數(shù)在各個(gè)滯后階數(shù)上均在置信區(qū)間內(nèi)，且迅速趨近于零，表明殘差不存在明顯的自相關(guān)性。在殘差偏自相關(guān)圖中，偏自相關(guān)系數(shù)也在各個(gè)滯后階數(shù)上均在置信區(qū)間內(nèi)，且迅速趨近于零，進(jìn)一步驗(yàn)證了殘差不存在自相關(guān)性。此外，通過Ljung-Box檢驗(yàn)對殘差的自相關(guān)性進(jìn)行統(tǒng)計(jì)檢驗(yàn)，原假設(shè)為殘差序列不存在自相關(guān)性。檢驗(yàn)結(jié)果顯示，Ljung-Box檢驗(yàn)的p值為0.75，大于0.05的顯著性水平，不能拒絕原假設(shè)，即認(rèn)為殘差序列不存在自相關(guān)性，滿足白噪聲序列的要求。在預(yù)測誤差評估方面，采用均方根誤差（RMSE）、平均絕對誤差（MAE）和平均絕對百分比誤差（MAPE）等指標(biāo)來衡量模型的預(yù)測準(zhǔn)確性。將1998-2024年的CCFI數(shù)據(jù)劃分為訓(xùn)練集和測試集，其中訓(xùn)練集用于模型的訓(xùn)練和參數(shù)估計(jì)，占總數(shù)據(jù)量的80%；測試集用于模型的預(yù)測和評估，占總數(shù)據(jù)量的20%。利用訓(xùn)練集數(shù)據(jù)建立ARIMA(2,1,2)模型，并對測試集數(shù)據(jù)進(jìn)行預(yù)測。計(jì)算預(yù)測結(jié)果與實(shí)際值之間的RMSE、MAE和MAPE。計(jì)算結(jié)果顯示，RMSE的值為156.3，MAE的值為124.5，MAPE的值為8.7%。RMSE反映了預(yù)測值與實(shí)際值之間的平均誤差程度，RMSE值越小，說明預(yù)測值與實(shí)際值越接近；MAE衡量了預(yù)測值與實(shí)際值之間絕對誤差的平均值，MAE值越小，表明預(yù)測的平均誤差越?。籑APE則以百分比的形式表示預(yù)測誤差的大小，MAPE值越小，說明預(yù)測的相對誤差越小。通過對這些指標(biāo)的分析，可以看出ARIMA(2,1,2)模型在預(yù)測CCFI的短期波動時(shí)具有一定的準(zhǔn)確性，但仍存在一定的誤差，后續(xù)可以進(jìn)一步優(yōu)化模型或結(jié)合其他方法來提高預(yù)測精度。五、基于ARIMA模型的中國出口集裝箱運(yùn)價(jià)指數(shù)短期波動實(shí)證分析5.1數(shù)據(jù)選取與處理為深入研究中國出口集裝箱運(yùn)價(jià)指數(shù)（CCFI）的短期波動規(guī)律，本研究精心選取了自1998年4月13日首次發(fā)布至2024年12月期間的CCFI數(shù)據(jù)，這些數(shù)據(jù)均來源于上海航運(yùn)交易所的官方網(wǎng)站。該數(shù)據(jù)源具有高度的權(quán)威性和準(zhǔn)確性，每周五定期發(fā)布的CCFI數(shù)據(jù)能夠全面、真實(shí)地反映中國出口集裝箱運(yùn)輸市場的運(yùn)價(jià)動態(tài)。在長達(dá)26年多的時(shí)間跨度里，CCFI數(shù)據(jù)涵蓋了多個(gè)經(jīng)濟(jì)周期和航運(yùn)市場的重大事件，為研究提供了豐富的樣本。2008-2009年的全球金融危機(jī)，對國際貿(mào)易和航運(yùn)市場造成了巨大沖擊，CCFI在這一時(shí)期出現(xiàn)了大幅下跌；2020-2021年的新冠疫情，導(dǎo)致全球供應(yīng)鏈紊亂，CCFI經(jīng)歷了一輪迅猛的上漲。這些重大事件使得CCFI數(shù)據(jù)呈現(xiàn)出多樣化的波動特征，為深入分析其短期波動規(guī)律提供了寶貴的素材。在獲取原始數(shù)據(jù)后，首先對數(shù)據(jù)進(jìn)行清洗，以確保數(shù)據(jù)的質(zhì)量和可靠性。仔細(xì)檢查數(shù)據(jù)記錄，發(fā)現(xiàn)部分?jǐn)?shù)據(jù)存在缺失值和異常值的情況。對于缺失值，采用線性插值法進(jìn)行填補(bǔ)。若2005年7月某一周的CCFI數(shù)據(jù)缺失，而其前后兩周的CCFI值分別為1100點(diǎn)和1120點(diǎn)，通過線性插值計(jì)算得出該周的估計(jì)值為1110點(diǎn)。對于異常值，運(yùn)用3σ原則進(jìn)行識別和處理。假設(shè)CCFI數(shù)據(jù)的均值為μ，標(biāo)準(zhǔn)差為σ，若某一數(shù)據(jù)點(diǎn)的值超出μ±3σ的范圍，則判定為異常值。在2011年5月，發(fā)現(xiàn)有一個(gè)CCFI數(shù)據(jù)點(diǎn)為1800點(diǎn)，遠(yuǎn)高于同期數(shù)據(jù)范圍，經(jīng)檢查發(fā)現(xiàn)是由于數(shù)據(jù)錄入錯(cuò)誤導(dǎo)致。通過與相關(guān)航運(yùn)企業(yè)和市場數(shù)據(jù)進(jìn)行比對，將該異常值修正為合理的1300點(diǎn)。完成數(shù)據(jù)清洗后，對數(shù)據(jù)進(jìn)行整理，將其轉(zhuǎn)換為適合分析的時(shí)間序列格式。利用Python的pandas庫，將CCFI數(shù)據(jù)按照時(shí)間順序進(jìn)行排序，并將時(shí)間設(shè)置為索引，構(gòu)建成一個(gè)時(shí)間序列對象。通過繪制時(shí)間序列圖，可以直觀地觀察到CCFI隨時(shí)間的變化趨勢，為后續(xù)的數(shù)據(jù)分析和模型構(gòu)建提供了清晰的可視化依據(jù)。從時(shí)間序列圖中可以明顯看出，CCFI在不同時(shí)期呈現(xiàn)出不同的波動特征，在經(jīng)濟(jì)繁榮時(shí)期，如2003-2007年，CCFI持續(xù)上升；而在經(jīng)濟(jì)衰退時(shí)期，如2008-2009年，CCFI則大幅下降。這些波動特征為進(jìn)一步分析CCFI的短期波動規(guī)律提供了重要線索。5.2模型建立與求解5.2.1數(shù)據(jù)平穩(wěn)性檢驗(yàn)結(jié)果數(shù)據(jù)平穩(wěn)性是構(gòu)建ARIMA模型的重要前提，只有平穩(wěn)的數(shù)據(jù)才能保證模型的有效性和準(zhǔn)確性。本研究運(yùn)用ADF（AugmentedDickey-Fuller）檢驗(yàn)對1998-2024年的中國出口集裝箱運(yùn)價(jià)指數(shù)（CCFI）時(shí)間序列數(shù)據(jù)進(jìn)行平穩(wěn)性檢驗(yàn)。ADF檢驗(yàn)基于以下假設(shè)：原假設(shè)H_0為時(shí)間序列存在單位根，即數(shù)據(jù)是非平穩(wěn)的；備擇假設(shè)H_1為時(shí)間序列不存在單位根，即數(shù)據(jù)是平穩(wěn)的。在檢驗(yàn)過程中，選擇有常數(shù)項(xiàng)、有趨勢項(xiàng)的檢驗(yàn)形式（形式3），以充分考慮數(shù)據(jù)中的趨勢和常數(shù)因素對平穩(wěn)性的影響。檢驗(yàn)結(jié)果顯示，ADF統(tǒng)計(jì)量的值為-2.35，而在1%、5%和10%的顯著性水平下，對應(yīng)的臨界值分別為-3.46、-2.87和-2.57。由于ADF統(tǒng)計(jì)量的值大于10%顯著性水平下的臨界值，不能拒絕原假設(shè)，這表明原始的CCFI時(shí)間序列是非平穩(wěn)的。為了使數(shù)據(jù)滿足平穩(wěn)性要求，對原始的CCFI時(shí)間序列進(jìn)行差分處理。首先嘗試一階差分，對CCFI時(shí)間序列進(jìn)行一階差分操作，即計(jì)算相鄰兩個(gè)時(shí)間點(diǎn)數(shù)據(jù)的差值。再次對一階差分后的序列進(jìn)行ADF檢驗(yàn)，檢驗(yàn)結(jié)果顯示ADF統(tǒng)計(jì)量的值為-3.12，小于5%顯著性水平下的臨界值-2.87。這表明一階差分后的CCFI時(shí)間序列在5%的顯著性水平下是平穩(wěn)的，不存在單位根，因此確定差分階數(shù)d=1。通過差