基于VaR-GARCH模型的巴拿馬型干散貨船運價風(fēng)險精準(zhǔn)度量與策略研究一、引言1.1研究背景與意義在全球貿(mào)易的龐大體系中，國際海運占據(jù)著舉足輕重的地位，承擔(dān)了超過80%的貿(mào)易量運輸任務(wù)，是國際貿(mào)易得以順利開展的關(guān)鍵紐帶。其中，干散貨運輸又是國際海運的核心組成部分，在全球海運貿(mào)易量份額中占比高達44%，主要負(fù)責(zé)鐵礦石、煤炭、糧食等大宗散貨的運輸，這些貨物作為基礎(chǔ)原材料或初級產(chǎn)品，廣泛應(yīng)用于鋼鐵冶煉、電力生產(chǎn)、食品加工等多個重要行業(yè)，對全球經(jīng)濟的穩(wěn)定運行和發(fā)展起著不可或缺的支撐作用。巴拿馬型干散貨船是干散貨運輸船隊中的重要船型之一，它依據(jù)巴拿馬運河通行尺寸限制建造，一般設(shè)有7個貨艙，載重通常在7-10萬噸。巴拿馬型干散貨船主要運輸煤炭、糧食及小宗商品，在其運輸總量中，煤炭占比44%，糧食占比39%，小宗商品占比9%。從煤炭運輸來看，全球煤炭海運量中約50%由巴拿馬型船完成，全球煤炭行業(yè)進出口格局呈現(xiàn)出資源豐富國家如澳大利亞、印度尼西亞和俄羅斯大量出口，能源需求大國如中國、印度、日本和韓國大量進口的態(tài)勢，且動力煤海運量在全球煤炭海運貿(mào)易結(jié)構(gòu)中占比超過70%。在糧食運輸方面，其出口國主要集中在北美洲的美國和加拿大、南美洲的阿根廷和巴西、大洋洲的澳大利亞、歐洲的烏克蘭和俄羅斯等國家，進口國則較為分散，包括中國、非洲、歐盟、日本、韓國和越南等地區(qū)。近年來，巴拿馬型干散貨船的運力規(guī)模不斷發(fā)展。從1970年到2024年，其運力由7.02百萬DWT大幅增長至254.15百萬DWT，年復(fù)合增長率（CAGR）達到6.87%，運力占比也從11%穩(wěn)步上升，在2007年達到27%的峰值后，一直維持在25%左右，近年來巴拿馬型船的運力增速保持在3.5%左右。從運輸需求角度分析，巴拿馬型船的運輸需求主要取決于煤炭和糧食的貿(mào)易量以及季節(jié)性因素，同時還受到巴拿馬運河通行能力（運距）、出口國內(nèi)陸運河水位和關(guān)稅政策等諸多因素的影響。然而，巴拿馬型干散貨船的運價波動劇烈，這給相關(guān)各方帶來了顯著的風(fēng)險。對于航運企業(yè)而言，運價的大幅波動直接影響其經(jīng)營效益和財務(wù)狀況。若運價下跌，企業(yè)的運輸收入將減少，可能導(dǎo)致利潤下滑甚至出現(xiàn)虧損，嚴(yán)重時還會影響企業(yè)的資金周轉(zhuǎn)和償債能力，進而威脅到企業(yè)的生存與發(fā)展；而當(dāng)運價上漲時，雖然企業(yè)收入會增加，但如果前期簽訂了長期低價運輸合同，也可能錯失盈利機會。以2008年金融危機為例，干散貨航運市場遭受重創(chuàng)，運價急劇下跌，眾多航運企業(yè)陷入困境，一些小型企業(yè)甚至破產(chǎn)倒閉。對于貨主來說，運價的不確定性增加了貨物運輸成本的不可預(yù)測性。若在運輸前未能準(zhǔn)確預(yù)判運價走勢，可能在運輸過程中面臨高額的運費支出，從而壓縮企業(yè)的利潤空間，影響產(chǎn)品的市場競爭力。對于投資者而言，巴拿馬型干散貨船航運市場的投資收益與運價密切相關(guān)。運價的波動使得投資回報充滿不確定性，增加了投資風(fēng)險。若投資時機不當(dāng)，可能導(dǎo)致投資損失。因此，深入研究巴拿馬型干散貨船的運價風(fēng)險具有極其重要的現(xiàn)實意義。準(zhǔn)確度量運價風(fēng)險，能夠為航運企業(yè)提供科學(xué)的決策依據(jù)，幫助企業(yè)合理安排運力、制定運輸計劃和運價策略，有效降低經(jīng)營風(fēng)險，提高經(jīng)濟效益。對于貨主而言，可以通過對運價風(fēng)險的把握，更好地選擇運輸時機和合作伙伴，優(yōu)化物流成本。對于投資者來說，有助于其更準(zhǔn)確地評估投資風(fēng)險和收益，做出合理的投資決策，提高投資回報率。同時，對巴拿馬型干散貨船運價風(fēng)險的研究，也有助于完善航運市場風(fēng)險管理理論，豐富金融風(fēng)險管理領(lǐng)域的研究內(nèi)容，為相關(guān)領(lǐng)域的學(xué)術(shù)研究提供有益的參考和借鑒。1.2國內(nèi)外研究現(xiàn)狀在航運市場研究領(lǐng)域，巴拿馬型干散貨船運價風(fēng)險一直是學(xué)者們關(guān)注的焦點。早期研究多集中于對干散貨航運市場整體的分析，隨著市場的細(xì)分和研究的深入，針對巴拿馬型干散貨船這一特定船型的運價風(fēng)險研究逐漸增多。國外學(xué)者在該領(lǐng)域的研究起步較早，取得了豐富的成果。Haigh（1999）運用多元GARCH模型研究了運價、商品及外匯三類期貨價格波動性之間的溢出效應(yīng)，并基于此提供了一種套期保值策略，開啟了運用GARCH族模型研究航運市場的先河。Kavussanos（2000）運用GARCH-X模型估計了BIFFEX的套期保值比率，深入比較了時變和常數(shù)兩種套期保值比率在降低風(fēng)險方面的有效性，為航運企業(yè)風(fēng)險管理提供了重要參考。國內(nèi)對于航運運價風(fēng)險的研究，同樣以GARCH族模型為主要研究手段。宮進（2001）運用EGARCH（1）模型對BFI指數(shù)收益率的條件異方差性質(zhì)進行了分析，揭示了干散貨運價指數(shù)波動的非對稱性特征。Chen（2004）運用EGARCH模型分析了國際干散貨運輸市場價格波動的杠桿效應(yīng)，進一步豐富了對干散貨運價波動特性的認(rèn)識。翁毅和李序穎（2007）基于波羅的海巴拿馬型船運價指數(shù)收益序列存在厚尾特征的事實，在對其風(fēng)險測度中引入了POT方法，應(yīng)用廣義Pareto分布對其尾部分布進行擬合，并在此基礎(chǔ)上計算得到了收益序列的VaR和ES值，為巴拿馬型干散貨船運價風(fēng)險測度提供了新的思路。盡管國內(nèi)外學(xué)者在巴拿馬型干散貨船運價風(fēng)險度量方面已取得一定成果，但仍存在一些不足?，F(xiàn)有研究在模型選擇上，雖然GARCH族模型被廣泛應(yīng)用，但不同模型對巴拿馬型干散貨船運價波動的擬合和預(yù)測效果存在差異，尚未形成統(tǒng)一的、最適合該船型運價風(fēng)險度量的模型體系。在影響因素分析方面，多數(shù)研究僅考慮了部分常見因素對運價的影響，對于一些新興因素，如全球氣候變化導(dǎo)致的航線變化、新能源發(fā)展對傳統(tǒng)能源運輸需求的影響等，缺乏深入探討。此外，在實際應(yīng)用中，如何將風(fēng)險度量結(jié)果有效地轉(zhuǎn)化為航運企業(yè)、貨主和投資者的決策依據(jù)，相關(guān)研究也較為匱乏。本文將在前人研究的基礎(chǔ)上，深入分析巴拿馬型干散貨船運價的波動特征，通過對比多種GARCH族模型，選擇最適合的模型進行運價風(fēng)險度量，并全面考慮各種影響因素，旨在更準(zhǔn)確地度量巴拿馬型干散貨船的運價風(fēng)險，為相關(guān)市場參與者提供更具針對性和實用性的決策建議。1.3研究方法與創(chuàng)新點本文在研究過程中綜合運用了多種研究方法，以確保研究的科學(xué)性、準(zhǔn)確性和全面性。文獻研究法：全面收集和整理國內(nèi)外關(guān)于巴拿馬型干散貨船運價風(fēng)險度量的相關(guān)文獻資料，包括學(xué)術(shù)論文、研究報告、行業(yè)資訊等。對這些文獻進行系統(tǒng)分析，梳理該領(lǐng)域的研究現(xiàn)狀、發(fā)展脈絡(luò)以及存在的問題，明確已有研究的優(yōu)勢與不足，從而為本研究提供堅實的理論基礎(chǔ)和研究思路，避免重復(fù)研究，使本研究能夠在已有成果的基礎(chǔ)上實現(xiàn)創(chuàng)新和突破。實證分析法：選取具有代表性的巴拿馬型干散貨船運價數(shù)據(jù)作為研究樣本，運用計量經(jīng)濟學(xué)軟件對數(shù)據(jù)進行深入分析。通過構(gòu)建和估計VaR-GARCH模型，對巴拿馬型干散貨船運價的波動性進行實證研究，準(zhǔn)確刻畫運價波動的特征和規(guī)律，為風(fēng)險度量提供客觀、可靠的依據(jù)。同時，利用實證結(jié)果對模型的有效性和適用性進行檢驗，確保研究結(jié)論的可信度。定量與定性結(jié)合法：在研究過程中，既運用定量分析方法對巴拿馬型干散貨船運價數(shù)據(jù)進行精確的數(shù)值計算和模型分析，如計算運價收益率、估計模型參數(shù)、度量風(fēng)險價值等，以揭示運價波動的數(shù)量特征和內(nèi)在規(guī)律；又運用定性分析方法對影響巴拿馬型干散貨船運價的各種因素，如宏觀經(jīng)濟形勢、市場供需關(guān)系、政策法規(guī)等進行深入的理論探討和邏輯分析，從宏觀層面把握運價波動的原因和趨勢。將定量分析與定性分析有機結(jié)合，使研究結(jié)果更加全面、深入，既能為航運企業(yè)等市場參與者提供具體的數(shù)據(jù)支持，又能為其提供宏觀的決策指導(dǎo)。在研究過程中，本文從以下幾個方面實現(xiàn)了創(chuàng)新：模型選取創(chuàng)新：在眾多用于度量風(fēng)險的模型中，綜合考慮巴拿馬型干散貨船運價數(shù)據(jù)的特點和風(fēng)險度量的要求，創(chuàng)新性地選擇了VaR-GARCH模型。該模型能夠充分捕捉運價序列的異方差性和波動性聚集現(xiàn)象，相較于其他傳統(tǒng)模型，能更準(zhǔn)確地度量巴拿馬型干散貨船的運價風(fēng)險。同時，通過對不同分布假設(shè)下的GARCH模型進行比較分析，如正態(tài)分布、t分布和廣義誤差分布（GED）等，選擇最適合巴拿馬型干散貨船運價數(shù)據(jù)的分布假設(shè)，進一步提高模型的擬合效果和風(fēng)險度量精度。數(shù)據(jù)處理創(chuàng)新：在數(shù)據(jù)收集方面，不僅收集了傳統(tǒng)的巴拿馬型干散貨船運價指數(shù)數(shù)據(jù)，還廣泛收集了與運價密切相關(guān)的其他數(shù)據(jù)，如宏觀經(jīng)濟指標(biāo)、大宗商品價格數(shù)據(jù)、航運市場供需數(shù)據(jù)等，以全面反映影響運價的各種因素。在數(shù)據(jù)預(yù)處理過程中，運用多種數(shù)據(jù)清洗和轉(zhuǎn)換方法，如去除異常值、填補缺失值、數(shù)據(jù)標(biāo)準(zhǔn)化等，提高數(shù)據(jù)質(zhì)量，確保數(shù)據(jù)的準(zhǔn)確性和可靠性。此外，通過構(gòu)建多變量時間序列模型，將多種影響因素納入模型中，更全面地分析它們對巴拿馬型干散貨船運價的影響，克服了以往研究中僅考慮單一因素或少數(shù)因素的局限性。風(fēng)險管理策略創(chuàng)新：基于準(zhǔn)確的風(fēng)險度量結(jié)果，結(jié)合航運市場的實際情況，為航運企業(yè)、貨主和投資者等市場參與者提出了具有創(chuàng)新性的風(fēng)險管理策略。對于航運企業(yè)，提出了優(yōu)化運力配置、合理制定運價策略、運用金融衍生工具進行套期保值等風(fēng)險管理建議，以降低運價波動對企業(yè)經(jīng)營效益的影響；對于貨主，提供了選擇合適的運輸時機和合作伙伴、簽訂靈活的運輸合同等降低運輸成本風(fēng)險的方法；對于投資者，給出了基于風(fēng)險度量結(jié)果的投資決策建議，如合理確定投資組合、控制投資風(fēng)險等，幫助投資者提高投資回報率，實現(xiàn)風(fēng)險管理與經(jīng)營決策的有機結(jié)合。二、相關(guān)理論基礎(chǔ)2.1巴拿馬型干散貨船市場概述巴拿馬型干散貨船是依據(jù)巴拿馬運河通行尺寸限制建造的船舶。在老船閘通航規(guī)定下，船舶限制總長不超過294.13米，寬不超過32.36米，最大吃水12.04米；新閘船舶限制總長不超過370.33米，寬不超過51.25米，最大吃水15.24米。這類船一般設(shè)有7個貨艙，載重通常在7-10萬噸，部分老船載重噸在6萬-7萬噸，當(dāng)前主流載重噸為7萬-8萬噸，隨著運河的擴建，巴拿馬型船載重噸可提升至9萬-10萬噸。其中，傳統(tǒng)巴拿馬型船載重7萬-8萬噸，Kamsarmax型船載重8萬-9萬，多數(shù)為8.2萬噸，是能進入西非鋁土礦出口港Kamsar港的最大型船。Neo-Panamax干散貨船是能通過2016年擴建后的巴拿馬運河的最大尺寸散貨船，載重9.3萬噸左右。PostPanamax超巴拿馬型散貨船，載重噸可達9.3萬-9.9萬噸，不過目前只有部分較小的超巴拿馬型船能通過巴拿馬運河。巴拿馬型干散貨船主要運輸煤炭、糧食及小宗商品。在其運輸總量構(gòu)成中，煤炭占比44%，糧食占比39%，小宗商品占比9%。在煤炭運輸方面，全球煤炭海運量中約50%由巴拿馬型船完成。全球煤炭行業(yè)進出口格局呈現(xiàn)出資源豐富國家如澳大利亞、印度尼西亞和俄羅斯大量出口，能源需求大國如中國、印度、日本和韓國大量進口的態(tài)勢。從全球煤炭海運貿(mào)易結(jié)構(gòu)來看，動力煤海運量占比超過70%。在糧食運輸上，其出口國主要集中在北美洲的美國和加拿大、南美洲的阿根廷和巴西、大洋洲的澳大利亞、歐洲的烏克蘭和俄羅斯等國家，進口國則較為分散，包括中國、非洲、歐盟、日本、韓國和越南等地區(qū)。從市場供需角度來看，在運力供給方面，1970年到2024年，巴拿馬型船運力由7.02百萬DWT大幅增長至254.15百萬DWT，年復(fù)合增長率（CAGR）達到6.87%，運力占比從11%穩(wěn)步上升，在2007年達到27%的峰值后，一直維持在25%左右，近年來巴拿馬型船的運力增速保持在3.5%左右。從運輸需求角度分析，巴拿馬型船的運輸需求主要取決于煤炭和糧食的貿(mào)易量以及季節(jié)性因素，同時還受到巴拿馬運河通行能力（運距）、出口國內(nèi)陸運河水位和關(guān)稅政策等諸多因素的影響。巴拿馬型干散貨船在干散貨運輸市場占據(jù)重要地位。它憑借自身適中的載重噸位和適配巴拿馬運河的尺寸特點，高效地連接了全球多個重要的煤炭和糧食進出口區(qū)域，成為煤炭和糧食等大宗散貨運輸?shù)年P(guān)鍵力量。在全球干散貨運輸船隊結(jié)構(gòu)中，巴拿馬型干散貨船的運力占比穩(wěn)定在一定水平，對維持干散貨運輸市場的平衡和穩(wěn)定發(fā)揮著不可或缺的作用。其運輸活動不僅滿足了能源、農(nóng)業(yè)等基礎(chǔ)產(chǎn)業(yè)的原材料運輸需求，還對全球產(chǎn)業(yè)鏈和供應(yīng)鏈的穩(wěn)定運行提供了有力支持，是國際海運貿(mào)易體系中至關(guān)重要的一環(huán)。2.2運價風(fēng)險相關(guān)理論運價風(fēng)險，是指在航運市場中，由于各種不確定因素的影響，導(dǎo)致船舶運輸價格發(fā)生波動，從而給航運市場參與者帶來經(jīng)濟損失的可能性。這種風(fēng)險廣泛存在于干散貨運輸、集裝箱運輸、油輪運輸?shù)雀鱾€細(xì)分航運市場，其中巴拿馬型干散貨船的運價風(fēng)險因其獨特的市場結(jié)構(gòu)和運營特點而備受關(guān)注。從市場供需角度來看，運力供給的變化是運價風(fēng)險的重要來源之一。新船交付量的大幅增加，會使市場上的運力迅速增多，供過于求，導(dǎo)致運價下跌。2008年金融危機前，全球航運市場處于繁榮期，大量新船訂單被簽訂。危機爆發(fā)后，經(jīng)濟衰退使得運輸需求大幅下降，而此前訂購的新船卻陸續(xù)交付，巴拿馬型干散貨船市場運力嚴(yán)重過剩，運價急劇下跌，許多航運企業(yè)面臨巨大的經(jīng)營壓力。相反，老舊船舶拆解速度加快，若市場需求不變或增加，會導(dǎo)致運力供應(yīng)減少，供不應(yīng)求，推動運價上漲。運輸需求的波動同樣對運價風(fēng)險產(chǎn)生關(guān)鍵影響。全球經(jīng)濟的周期性波動是影響運輸需求的重要因素。在經(jīng)濟繁榮時期，國際貿(mào)易活躍，對煤炭、糧食等大宗商品的需求旺盛，巴拿馬型干散貨船的運輸需求增加，運價往往上漲；而在經(jīng)濟衰退時期，國際貿(mào)易萎縮，運輸需求下降，運價隨之下跌。例如，2020年新冠疫情爆發(fā)初期，全球經(jīng)濟活動受限，國際貿(mào)易受阻，巴拿馬型干散貨船的運輸需求大幅下降，運價也隨之大幅下滑。重大事件，如自然災(zāi)害、地緣政治沖突等，也會對運輸需求產(chǎn)生影響。2021年蘇伊士運河堵塞事件，導(dǎo)致大量船舶滯留，運輸效率下降，全球航運市場供應(yīng)鏈?zhǔn)茏?，巴拿馬型干散貨船的運輸需求在短期內(nèi)發(fā)生變化，進而影響運價。從宏觀經(jīng)濟環(huán)境角度分析，匯率波動會對運價風(fēng)險產(chǎn)生顯著影響。對于國際航運企業(yè)來說，其收入通常以美元等國際貨幣結(jié)算，而成本則涉及多種貨幣。當(dāng)本國貨幣升值時，以本幣計算的收入會減少，若運價不能相應(yīng)調(diào)整，企業(yè)利潤將受到擠壓；反之，當(dāng)本國貨幣貶值時，成本會上升，同樣會影響企業(yè)的盈利能力。例如，若人民幣對美元升值，中國的航運企業(yè)以美元結(jié)算的運費收入兌換成人民幣后會減少，若成本不變或上升，企業(yè)利潤空間將被壓縮。利率變化也會對航運企業(yè)的運營成本和投資決策產(chǎn)生影響。當(dāng)利率上升時，航運企業(yè)的融資成本增加，無論是購買新船還是日常運營所需的資金，都需要支付更高的利息費用，這會增加企業(yè)的運營成本，降低企業(yè)的盈利能力。同時，高利率也會使企業(yè)對新船投資持謹(jǐn)慎態(tài)度，減少新船訂單，影響市場運力的增長。相反，利率下降時，融資成本降低，企業(yè)可能會增加新船投資，導(dǎo)致市場運力增加，進而影響運價。在行業(yè)政策法規(guī)方面，環(huán)保政策對航運企業(yè)的運營產(chǎn)生了深遠影響。隨著全球?qū)Νh(huán)境保護的關(guān)注度不斷提高，國際海事組織（IMO）等國際組織和各國政府出臺了一系列嚴(yán)格的環(huán)保政策，如限制船舶硫排放、提高能效標(biāo)準(zhǔn)等。為了滿足這些環(huán)保要求，航運企業(yè)需要投入大量資金對船舶進行改造或更換，這增加了企業(yè)的運營成本。若企業(yè)無法將這些成本完全轉(zhuǎn)嫁到運價中，就會面臨利潤下降的風(fēng)險。貿(mào)易政策的變化同樣會影響巴拿馬型干散貨船的運價風(fēng)險。貿(mào)易保護主義抬頭，一些國家提高關(guān)稅、設(shè)置貿(mào)易壁壘，會抑制國際貿(mào)易的發(fā)展，減少對大宗商品的需求，從而降低巴拿馬型干散貨船的運輸需求，導(dǎo)致運價下跌。相反，貿(mào)易自由化政策的推進，會促進國際貿(mào)易的增長，增加運輸需求，推動運價上漲。研究運價風(fēng)險對航運市場參與者具有重要意義。對于航運企業(yè)而言，準(zhǔn)確把握運價風(fēng)險，能夠幫助企業(yè)合理安排運力。通過對運價走勢的預(yù)測，企業(yè)可以在運價上漲預(yù)期較強時，增加船舶運營天數(shù)，提高船舶利用率；在運價下跌預(yù)期時，適當(dāng)安排船舶檢修、維護，減少運營天數(shù)，降低成本。合理制定運價策略也至關(guān)重要。企業(yè)可以根據(jù)市場供需情況和自身成本，靈活調(diào)整運價，在保證市場競爭力的同時，實現(xiàn)利潤最大化。利用金融衍生工具進行套期保值也是降低運價風(fēng)險的有效手段。例如，通過參與遠期運費協(xié)議（FFA）交易，企業(yè)可以鎖定未來的運費收入，避免運價波動帶來的損失。對于貨主來說，了解運價風(fēng)險有助于選擇合適的運輸時機和合作伙伴。貨主可以通過分析市場運價走勢，在運價較低時安排貨物運輸，降低運輸成本。選擇信譽良好、運營穩(wěn)定的航運企業(yè)合作，也能降低因運價波動和航運企業(yè)經(jīng)營不善帶來的風(fēng)險。簽訂靈活的運輸合同，如采用浮動運價條款，根據(jù)市場運價變化調(diào)整運費，也能有效降低運輸成本風(fēng)險。對于投資者而言，深入研究運價風(fēng)險是做出合理投資決策的關(guān)鍵。投資者可以通過對運價風(fēng)險的評估，確定投資的時機和規(guī)模。在運價相對穩(wěn)定且有上漲趨勢時，增加對航運企業(yè)或相關(guān)資產(chǎn)的投資；在運價波動較大且下行風(fēng)險較高時，減少投資或采取風(fēng)險對沖措施。合理確定投資組合，將航運投資與其他資產(chǎn)進行合理配置，也能降低投資風(fēng)險，提高投資回報率。2.3VaR模型原理與計算方法VaR（ValueatRisk），即風(fēng)險價值，是一種廣泛應(yīng)用于金融風(fēng)險度量領(lǐng)域的工具，其核心定義為：在給定的置信水平和持有期內(nèi)，某一金融資產(chǎn)或資產(chǎn)組合可能遭受的最大潛在損失。從數(shù)學(xué)角度來看，假設(shè)金融資產(chǎn)的收益率服從一定的概率分布，對于給定的置信水平c（如95\%、99\%等），VaR表示在該置信水平下，資產(chǎn)在持有期T內(nèi)的最小回報值，使得資產(chǎn)回報低于這個值的概率不超過1-c。以某一投資組合為例，若設(shè)定置信水平為95\%，持有期為1天，通過計算得到的VaR值為100萬元，這就意味著在未來1天內(nèi)，有95\%的把握保證該投資組合的損失不會超過100萬元，只有5\%的可能性損失會超過這個數(shù)值。VaR的計算方法豐富多樣，主要可分為參數(shù)法、歷史模擬法和蒙特卡羅模擬法。參數(shù)法假定金融資產(chǎn)收益率服從特定的分布，如正態(tài)分布、t分布等，通過估計分布的參數(shù)（均值、方差等）來計算VaR。在正態(tài)分布假設(shè)下，若資產(chǎn)收益率的均值為\mu，標(biāo)準(zhǔn)差為\sigma，對于給定的置信水平c，對應(yīng)的分位數(shù)為z_c，則VaR的計算公式為：VaR=-\mu-z_c\sigma。歷史模擬法基于歷史數(shù)據(jù)，假設(shè)未來資產(chǎn)收益率的變化與歷史數(shù)據(jù)相似，通過對歷史數(shù)據(jù)進行排序，根據(jù)給定的置信水平確定相應(yīng)的分位數(shù)，從而得到VaR值。假設(shè)有過去1000天的資產(chǎn)收益率數(shù)據(jù)，若置信水平為95\%，則將這1000個收益率從小到大排序，第50個（1000\times(1-95\%)）最小收益率對應(yīng)的損失值即為VaR值。蒙特卡羅模擬法則通過構(gòu)建資產(chǎn)價格或收益率的隨機過程模型，利用計算機隨機生成大量的情景，模擬資產(chǎn)在未來持有期內(nèi)的價格或收益率變化，進而計算出不同情景下的資產(chǎn)價值或損失，根據(jù)模擬結(jié)果確定VaR值。在模擬股票價格時，可使用幾何布朗運動模型，通過設(shè)定漂移率、波動率等參數(shù)，隨機生成大量的股票價格路徑，計算每條路徑下的投資組合價值，再根據(jù)置信水平確定VaR值。在度量巴拿馬型干散貨船運價風(fēng)險時，VaR模型具有顯著的優(yōu)勢。它能夠?qū)?fù)雜的風(fēng)險狀況以一個具體的數(shù)值呈現(xiàn)出來，使航運企業(yè)、貨主和投資者等市場參與者對可能面臨的最大損失一目了然，從而便于進行風(fēng)險管理和決策。通過計算VaR值，航運企業(yè)可以直觀地了解在不同置信水平下，未來一段時間內(nèi)由于運價波動可能遭受的最大損失，進而合理安排運力、制定運價策略。VaR模型還可以對不同船型、不同航線或不同時間段的巴拿馬型干散貨船運價風(fēng)險進行量化比較，幫助市場參與者評估不同業(yè)務(wù)的風(fēng)險程度，優(yōu)化資源配置。航運企業(yè)在選擇新的航線或船型時，可以通過計算VaR值來評估潛在的風(fēng)險，選擇風(fēng)險相對較低、收益較高的業(yè)務(wù)。然而，VaR模型也存在一定的局限性。VaR模型的計算結(jié)果高度依賴于對資產(chǎn)收益率分布的假設(shè)，而巴拿馬型干散貨船的運價收益率往往呈現(xiàn)出尖峰厚尾的特征，與正態(tài)分布假設(shè)存在較大差異。若采用正態(tài)分布假設(shè)來計算VaR值，可能會低估極端情況下的風(fēng)險，使市場參與者對潛在的重大損失估計不足。VaR模型在計算時主要基于歷史數(shù)據(jù)，若市場環(huán)境發(fā)生重大變化，如出現(xiàn)全球性經(jīng)濟危機、重大政策調(diào)整或突發(fā)的地緣政治事件等，歷史數(shù)據(jù)可能無法準(zhǔn)確反映未來的風(fēng)險狀況，導(dǎo)致VaR模型的預(yù)測能力下降。在2008年金融危機期間，市場環(huán)境發(fā)生了巨大變化，基于歷史數(shù)據(jù)計算的VaR值未能準(zhǔn)確預(yù)測市場的極端波動，許多金融機構(gòu)遭受了嚴(yán)重的損失。VaR模型無法衡量超過VaR值的損失規(guī)模和損失發(fā)生的概率，即無法全面反映風(fēng)險的尾部特征。對于巴拿馬型干散貨船運價風(fēng)險而言，雖然VaR值可以告訴我們在一定置信水平下的最大可能損失，但當(dāng)極端事件發(fā)生時，實際損失可能遠遠超過VaR值，而VaR模型無法提供關(guān)于這種極端損失的詳細(xì)信息。2.4GARCH模型原理與應(yīng)用GARCH（GeneralizedAutoregressiveConditionalHeteroskedasticity）模型，即廣義自回歸條件異方差模型，由Bollerslev在1986年提出，是一種在金融時間序列分析中廣泛應(yīng)用的模型，尤其適用于分析數(shù)據(jù)的波動性。其核心原理基于對時間序列條件方差的建模，突破了傳統(tǒng)計量模型中關(guān)于方差恒定的假設(shè)，能夠更精準(zhǔn)地捕捉金融時間序列中波動的時變性和集聚性特征。GARCH模型的基本形式為GARCH(p,q)，其中p表示自回歸項的階數(shù)，q表示移動平均項的階數(shù)。以GARCH(1,1)模型為例，其均值方程可表示為：y_t=\mu+\epsilon_t，其中y_t是時間序列在t時刻的觀測值，\mu為均值，\epsilon_t為殘差項。方差方程為：\sigma_t^2=\omega+\sum_{i=1}^{p}\alpha_i\epsilon_{t-i}^2+\sum_{j=1}^{q}\beta_j\sigma_{t-j}^2，在GARCH(1,1)中，p=q=1，即\sigma_t^2=\omega+\alpha\epsilon_{t-1}^2+\beta\sigma_{t-1}^2。在這個方差方程中，\omega是常數(shù)項，代表長期平均方差；\alpha\epsilon_{t-1}^2是ARCH項，反映了過去的沖擊（\epsilon_{t-1}）對當(dāng)前方差的影響，\alpha為ARCH系數(shù)，衡量了過去新息對當(dāng)前波動性的影響程度，\alpha越大，說明過去的沖擊對當(dāng)前方差的影響越顯著；\beta\sigma_{t-1}^2是GARCH項，體現(xiàn)了過去的條件方差（\sigma_{t-1}^2）對當(dāng)前方差的作用，\beta為GARCH系數(shù)，反映了前期波動性對當(dāng)前波動性的持續(xù)影響，\beta越大，表明前期的波動對當(dāng)前波動的持續(xù)性越強。GARCH模型的參數(shù)估計通常采用極大似然估計（MLE）方法。該方法的基本思想是，在給定模型和樣本數(shù)據(jù)的情況下，通過尋找一組參數(shù)值，使得樣本數(shù)據(jù)出現(xiàn)的概率（即似然函數(shù)）達到最大。對于GARCH模型，首先要構(gòu)建似然函數(shù)，然后對似然函數(shù)關(guān)于各個參數(shù)求偏導(dǎo)數(shù)，并令偏導(dǎo)數(shù)為0，通過迭代計算等方法求解這些方程，從而得到模型參數(shù)的估計值。在實際應(yīng)用中，假設(shè)我們有一組巴拿馬型干散貨船的運價收益率時間序列數(shù)據(jù)\{y_t\}，首先對數(shù)據(jù)進行預(yù)處理，如檢驗數(shù)據(jù)的平穩(wěn)性，若數(shù)據(jù)不平穩(wěn)，可進行差分等處理使其平穩(wěn)。接著，根據(jù)數(shù)據(jù)特征和經(jīng)驗初步設(shè)定GARCH模型的階數(shù)，如選擇GARCH(1,1)模型。然后，運用極大似然估計方法，利用統(tǒng)計軟件（如Eviews、R等）對模型參數(shù)\omega、\alpha和\beta進行估計。在估計過程中，軟件會通過不斷迭代優(yōu)化參數(shù)值，使得似然函數(shù)最大化。估計完成后，還需要對模型進行檢驗，如檢驗殘差序列是否為白噪聲，可通過Ljung-Box檢驗等方法進行。若殘差序列通過檢驗，說明模型能夠較好地擬合數(shù)據(jù)，估計得到的參數(shù)是有效的。GARCH模型在分析時間序列數(shù)據(jù)波動性方面具有顯著優(yōu)勢。它能夠有效捕捉時間序列中的波動性聚集現(xiàn)象，即大的波動后面往往跟隨大的波動，小的波動后面通常是小的波動。對于巴拿馬型干散貨船的運價數(shù)據(jù)，GARCH模型可以準(zhǔn)確地描述運價波動的時變特征，為風(fēng)險度量提供更精確的波動性估計。GARCH模型還考慮了條件異方差性，相較于傳統(tǒng)的常方差模型，能更真實地反映金融市場的實際情況。在航運市場中，運價受到多種復(fù)雜因素的影響，其波動并非恒定不變，GARCH模型能夠充分考慮這些因素導(dǎo)致的方差變化，提高模型的擬合和預(yù)測能力。在航運市場中，GARCH模型有著廣泛的應(yīng)用。它可用于預(yù)測巴拿馬型干散貨船的運價波動，幫助航運企業(yè)制定合理的運價策略。航運企業(yè)可以根據(jù)GARCH模型預(yù)測的運價波動情況，在運價波動較大時，適當(dāng)調(diào)整運輸計劃，如提前簽訂長期運輸合同鎖定運費收入，或者在運價較低時增加船舶的運營天數(shù)，以降低風(fēng)險、提高收益。GARCH模型還可以應(yīng)用于航運金融衍生品的定價。在遠期運費協(xié)議（FFA）等航運金融衍生品的定價過程中，準(zhǔn)確估計運價的波動性至關(guān)重要。GARCH模型能夠提供對運價波動性的有效估計，為FFA等衍生品的合理定價提供依據(jù)，促進航運金融市場的健康發(fā)展。2.5VaR-GARCH模型的構(gòu)建與優(yōu)勢VaR-GARCH模型的構(gòu)建是基于VaR模型和GARCH模型各自的優(yōu)勢與特點，將兩者有機結(jié)合，以更精準(zhǔn)地度量巴拿馬型干散貨船的運價風(fēng)險。在構(gòu)建VaR-GARCH模型時，首先運用GARCH模型對巴拿馬型干散貨船運價收益率序列的波動性進行建模。如前文所述，GARCH模型能夠有效捕捉時間序列的異方差性和波動性聚集現(xiàn)象，通過對收益率序列的條件方差進行建模，能更準(zhǔn)確地描述運價波動的時變特征。以GARCH(1,1)模型為例，其方差方程\sigma_t^2=\omega+\alpha\epsilon_{t-1}^2+\beta\sigma_{t-1}^2，其中\(zhòng)omega為常數(shù)項，\alpha和\beta分別為ARCH系數(shù)和GARCH系數(shù)，\epsilon_{t-1}^2表示過去的沖擊，\sigma_{t-1}^2代表過去的條件方差。通過估計這些參數(shù)，可以得到隨時間變化的條件方差序列\(zhòng)sigma_t^2，該序列反映了運價收益率波動的時變特征。在得到GARCH模型估計的條件方差后，結(jié)合VaR模型進行風(fēng)險度量。在正態(tài)分布假設(shè)下，對于給定的置信水平c，對應(yīng)的分位數(shù)為z_c，假設(shè)巴拿馬型干散貨船運價收益率的均值為\mu，則基于GARCH模型的VaR計算公式為：VaR_{t+1|t}=-\mu-z_c\sigma_{t+1|t}，其中\(zhòng)sigma_{t+1|t}是根據(jù)GARCH模型預(yù)測的t+1時刻的條件標(biāo)準(zhǔn)差。VaR-GARCH模型在度量巴拿馬型干散貨船運價風(fēng)險方面具有顯著優(yōu)勢。該模型能夠充分考慮巴拿馬型干散貨船運價的異方差特性和波動性聚集現(xiàn)象。傳統(tǒng)的VaR模型在計算時通常假設(shè)收益率的方差恒定，然而，巴拿馬型干散貨船的運價受到多種復(fù)雜因素的影響，如全球經(jīng)濟形勢、市場供需關(guān)系、地緣政治等，其收益率的方差并非固定不變，而是呈現(xiàn)出明顯的時變特征。VaR-GARCH模型通過GARCH模型對條件方差進行建模，能夠準(zhǔn)確捕捉這種時變特征，從而更精確地度量運價風(fēng)險。在2008年金融危機期間，巴拿馬型干散貨船運價市場受到巨大沖擊，運價大幅下跌且波動劇烈。若使用傳統(tǒng)的VaR模型，由于其無法準(zhǔn)確描述當(dāng)時運價收益率方差的急劇變化，會低估風(fēng)險。而VaR-GARCH模型能夠及時捕捉到這種波動性的變化，通過對條件方差的動態(tài)調(diào)整，更準(zhǔn)確地度量出在該時期巴拿馬型干散貨船面臨的運價風(fēng)險，為市場參與者提供更可靠的風(fēng)險評估。VaR-GARCH模型還能提高風(fēng)險度量的準(zhǔn)確性和可靠性。通過對歷史數(shù)據(jù)的擬合和參數(shù)估計，該模型能夠更好地刻畫巴拿馬型干散貨船運價波動的規(guī)律，從而對未來的風(fēng)險進行更準(zhǔn)確的預(yù)測。與其他單一模型相比，VaR-GARCH模型綜合了GARCH模型對波動性的精確刻畫和VaR模型對風(fēng)險的量化度量，使得風(fēng)險度量結(jié)果更加符合實際情況。在實際應(yīng)用中，航運企業(yè)可以利用VaR-GARCH模型準(zhǔn)確評估不同航線、不同時期的巴拿馬型干散貨船運價風(fēng)險，從而合理安排運力、制定運價策略，降低經(jīng)營風(fēng)險。投資者也可以根據(jù)該模型的風(fēng)險度量結(jié)果，更科學(xué)地進行投資決策，優(yōu)化投資組合，提高投資回報率。三、巴拿馬型干散貨船運價風(fēng)險影響因素分析3.1宏觀經(jīng)濟因素3.1.1全球經(jīng)濟增長全球經(jīng)濟增長態(tài)勢與巴拿馬型干散貨船運價風(fēng)險之間存在著緊密且復(fù)雜的關(guān)聯(lián)。當(dāng)全球經(jīng)濟呈現(xiàn)出穩(wěn)健增長的態(tài)勢時，各行業(yè)的生產(chǎn)活動活躍，對原材料的需求大幅增加。在這種情況下，煤炭和糧食等大宗商品作為重要的基礎(chǔ)原材料，其貿(mào)易量也會隨之顯著增長。煤炭作為能源領(lǐng)域的關(guān)鍵燃料，在全球經(jīng)濟增長的帶動下，電力需求上升，鋼鐵、化工等行業(yè)對煤炭的消耗增加，推動煤炭貿(mào)易量上升。糧食作為人類生存和食品加工的基礎(chǔ)，隨著經(jīng)濟增長，人口增長以及人們生活水平的提高，對糧食的需求也不斷增加，從而帶動糧食貿(mào)易量的增長。巴拿馬型干散貨船主要承擔(dān)煤炭和糧食的運輸任務(wù)，其運輸需求與這些大宗商品的貿(mào)易量直接相關(guān)。隨著煤炭和糧食貿(mào)易量的增長，對巴拿馬型干散貨船的運輸需求也會相應(yīng)增加。在全球經(jīng)濟增長迅速的時期，能源需求大國如中國、印度等對煤炭的進口需求旺盛，糧食進口國如中國、非洲等地區(qū)對糧食的采購量也大幅上升，這使得巴拿馬型干散貨船的運輸需求大增。運輸需求的增加會導(dǎo)致市場上的運力相對緊張，根據(jù)供需原理，船東在市場中的議價能力增強，進而推動巴拿馬型干散貨船運價上漲。在2003-2007年期間，全球經(jīng)濟處于快速增長階段，國際貿(mào)易活躍，大宗商品價格持續(xù)攀升。中國作為全球最大的煤炭進口國和重要的糧食進口國，對煤炭和糧食的進口需求大幅增長。2005年，中國煤炭進口量達到1.11億噸，較2003年增長了142%；糧食進口量也顯著增加，如大豆進口量在2005年達到2659萬噸，較2003年增長了41%。這些大宗商品貿(mào)易量的增長，使得巴拿馬型干散貨船的運輸需求急劇上升，市場運力供不應(yīng)求，運價持續(xù)上漲。2007年，巴拿馬型干散貨船的平均運價較2003年增長了近3倍。相反，當(dāng)全球經(jīng)濟增長放緩時，各行業(yè)生產(chǎn)活動受到抑制，對原材料的需求減少，煤炭和糧食等大宗商品的貿(mào)易量也會隨之下降。這將導(dǎo)致巴拿馬型干散貨船的運輸需求減少，市場運力過剩，船東之間的競爭加劇，運價面臨下行壓力。在2008年全球金融危機爆發(fā)后，全球經(jīng)濟陷入衰退，國際貿(mào)易嚴(yán)重受挫。許多國家的工業(yè)生產(chǎn)停滯，能源需求大幅下降，煤炭和糧食的貿(mào)易量也急劇減少。2009年，全球煤炭海運貿(mào)易量較2008年下降了7%，糧食貿(mào)易量也出現(xiàn)了明顯下滑。巴拿馬型干散貨船的運輸需求銳減，市場運力嚴(yán)重過剩，運價大幅下跌，許多航運企業(yè)面臨巨大的經(jīng)營壓力，甚至出現(xiàn)虧損。3.1.2貿(mào)易政策貿(mào)易政策的調(diào)整對巴拿馬型干散貨船運價風(fēng)險有著顯著的影響。貿(mào)易政策的變化會直接影響國際貿(mào)易的規(guī)模和格局，進而影響巴拿馬型干散貨船的運輸需求和運價。貿(mào)易保護主義政策的實施，如提高關(guān)稅、設(shè)置貿(mào)易壁壘等，會抑制國際貿(mào)易的發(fā)展。當(dāng)進口國提高關(guān)稅時，出口國的商品在進口國市場的價格競爭力下降，進口量減少，從而導(dǎo)致相關(guān)大宗商品的貿(mào)易量萎縮。若某糧食出口國對進口國提高關(guān)稅，進口國的糧食進口成本增加，可能會減少從該國的糧食進口量，轉(zhuǎn)而尋求其他替代來源或減少進口總量。這將使得巴拿馬型干散貨船的運輸需求下降，市場運力供過于求，運價下跌。在2018-2019年的貿(mào)易摩擦期間，美國對中國等國家加征關(guān)稅，中國對美國的大豆等農(nóng)產(chǎn)品進口量大幅減少。2018年，中國從美國進口大豆3286萬噸，較2017年下降了49%。這直接導(dǎo)致了巴拿馬型干散貨船在相關(guān)運輸航線上的需求減少，運價出現(xiàn)了明顯下跌。貿(mào)易自由化政策的推進則會促進國際貿(mào)易的增長。降低關(guān)稅、簽訂自由貿(mào)易協(xié)定等措施，會降低貿(mào)易成本，增加商品的進出口量，從而推動相關(guān)大宗商品貿(mào)易量的上升。當(dāng)兩個國家簽訂自由貿(mào)易協(xié)定時，關(guān)稅降低，貿(mào)易壁壘減少，雙方之間的煤炭、糧食等大宗商品貿(mào)易量可能會大幅增加。這將增加巴拿馬型干散貨船的運輸需求，在運力相對穩(wěn)定的情況下，市場供需關(guān)系改善，運價有望上漲。歐盟與多個國家簽訂的自由貿(mào)易協(xié)定，促進了雙方之間的貿(mào)易往來，使得煤炭和糧食等大宗商品的貿(mào)易量增加，為巴拿馬型干散貨船提供了更多的運輸機會，推動了運價的上漲。貿(mào)易政策還會對巴拿馬型干散貨船的運輸航線和市場競爭格局產(chǎn)生影響。貿(mào)易政策的調(diào)整可能導(dǎo)致貿(mào)易航線的改變，一些原本繁忙的航線可能因貿(mào)易量減少而變得冷清，而新的貿(mào)易協(xié)定可能會開辟新的貿(mào)易航線，這將影響巴拿馬型干散貨船在不同航線上的運力配置和運價水平。不同國家貿(mào)易政策的差異也會影響航運企業(yè)的市場競爭格局，一些企業(yè)可能因貿(mào)易政策的利好而獲得更多的市場份額，而另一些企業(yè)則可能受到不利影響，從而影響整個巴拿馬型干散貨船市場的運價走勢。3.1.3匯率波動匯率波動對巴拿馬型干散貨船運價風(fēng)險有著多方面的影響，其主要通過影響航運企業(yè)的成本和收益來作用于運價風(fēng)險。對于國際航運企業(yè)來說，其收入通常以美元等國際貨幣結(jié)算，而成本則涉及多種貨幣。當(dāng)本國貨幣升值時，以本幣計算的收入會減少。若一艘巴拿馬型干散貨船的運費收入為100萬美元，在匯率為1美元兌換6.5元人民幣時，換算成人民幣為650萬元；若人民幣升值，匯率變?yōu)?美元兌換6元人民幣，此時同樣的100萬美元運費收入換算成人民幣則變?yōu)?00萬元。在成本不變或上升的情況下，企業(yè)利潤將受到擠壓。為了維持利潤水平，航運企業(yè)可能會提高運價，然而，運價的提高可能會導(dǎo)致運輸需求減少，因為貨主的運輸成本增加，可能會選擇其他運輸方式或減少運輸量。若航運企業(yè)不提高運價，利潤的下降將影響企業(yè)的經(jīng)營狀況和發(fā)展能力，甚至可能導(dǎo)致企業(yè)在市場競爭中處于劣勢。當(dāng)本國貨幣貶值時，以本幣計算的成本會上升。航運企業(yè)在購買燃油、支付港口費用、船員薪酬等方面的成本會增加。若燃油價格為每噸500美元，在匯率為1美元兌換6.5元人民幣時，購買每噸燃油需要支付3250元人民幣；若人民幣貶值，匯率變?yōu)?美元兌換7元人民幣，此時購買每噸燃油則需要支付3500元人民幣。成本的上升會壓縮企業(yè)的利潤空間，企業(yè)可能會通過提高運價來轉(zhuǎn)移成本壓力。然而，運價的提高同樣可能面臨運輸需求減少的風(fēng)險，因為貨主可能會因為運費上漲而減少運輸量或?qū)ふ腋阋说倪\輸替代方案。若企業(yè)無法將成本完全轉(zhuǎn)嫁到運價中，就會面臨利潤下降甚至虧損的風(fēng)險。匯率波動還會影響巴拿馬型干散貨船的市場競爭格局。不同國家的航運企業(yè)受到匯率波動的影響程度不同，這會改變企業(yè)之間的成本優(yōu)勢和市場競爭力。一些國家的貨幣匯率相對穩(wěn)定，其航運企業(yè)在成本控制方面具有優(yōu)勢，可能會在市場競爭中占據(jù)有利地位，從而影響市場運價的形成和波動。3.2行業(yè)供需因素3.2.1運力供給巴拿馬型干散貨船的運力供給對其運價風(fēng)險有著關(guān)鍵影響，這種影響主要通過新船交付、老舊船舶拆解以及船舶運營效率等方面體現(xiàn)。新船交付是影響運力供給的重要因素之一。當(dāng)新船交付量增加時，市場上的巴拿馬型干散貨船數(shù)量增多，運力供給相應(yīng)增加。若新船交付量在短時間內(nèi)大幅上升，且超過市場運輸需求的增長速度，就會導(dǎo)致市場運力過剩。在2003-2007年全球航運市場繁榮時期，大量新船訂單被簽訂。這些新船在2008-2010年陸續(xù)交付，僅2009年巴拿馬型干散貨船的新船交付量就達到了180艘，運力大幅增加。然而，此時全球經(jīng)濟受金融危機影響陷入衰退，運輸需求銳減，市場運力嚴(yán)重過剩，巴拿馬型干散貨船的運價急劇下跌，許多航運企業(yè)面臨巨大的經(jīng)營壓力，甚至出現(xiàn)虧損。相反，若新船交付量減少，在運輸需求不變或增加的情況下，市場運力供給會相對緊張。這可能會導(dǎo)致船東在市場中的議價能力增強，推動運價上漲。當(dāng)航運市場前景不明朗，船東對未來市場需求預(yù)期較低時，會減少新船訂單，從而使新船交付量下降。在2016-2017年，由于前期航運市場持續(xù)低迷，船東對市場信心不足，新船訂單量減少，巴拿馬型干散貨船的新船交付量也隨之降低。這使得市場運力供給相對穩(wěn)定，而此時全球經(jīng)濟逐漸復(fù)蘇，運輸需求開始增加，運價逐漸回升。老舊船舶拆解同樣會影響巴拿馬型干散貨船的運力供給。當(dāng)老舊船舶拆解速度加快時，市場上的運力會減少。若拆解的船舶數(shù)量較多，且沒有足夠的新船補充，就會導(dǎo)致運力短缺。在2015-2016年航運市場低迷時期，一些老舊的巴拿馬型干散貨船因運營成本高、盈利能力差，船東選擇將其拆解。2016年，巴拿馬型干散貨船的拆解量達到了50艘，運力減少。在運輸需求穩(wěn)定或增長的情況下，運力的減少使得市場供需關(guān)系改善，運價有所上漲。若老舊船舶拆解速度放緩，會使市場上的老舊船舶數(shù)量增加，運力供給相對充裕。若此時運輸需求沒有同步增長，就會導(dǎo)致市場運力過剩，運價面臨下行壓力。當(dāng)航運市場出現(xiàn)短暫復(fù)蘇，船東對未來市場預(yù)期有所改善時，可能會延緩老舊船舶的拆解。這會使市場上的運力保持在較高水平，若運輸需求增長乏力，就會出現(xiàn)運力過剩的情況，導(dǎo)致運價下跌。船舶運營效率的變化也會對運力供給產(chǎn)生影響。船舶運營效率的提高，如航速提升、裝卸貨時間縮短等，意味著在相同時間內(nèi)，船舶能夠完成更多的運輸任務(wù)，相當(dāng)于增加了市場的有效運力。若港口裝卸設(shè)備升級，裝卸工藝改進，使得巴拿馬型干散貨船的裝卸貨時間大幅縮短，原本需要5天裝卸貨的船舶現(xiàn)在僅需3天就能完成，這就使得船舶在一個運輸周期內(nèi)能夠多完成一次運輸任務(wù)，增加了市場的有效運力。在運輸需求不變的情況下，有效運力的增加會導(dǎo)致市場運力過剩，運價下降。相反，船舶運營效率降低，如因惡劣天氣、航道擁堵等原因?qū)е麓昂叫袝r間延長、停泊時間增加，會減少市場的有效運力。當(dāng)巴拿馬運河出現(xiàn)擁堵時，船舶通過運河的時間大幅延長，原本一周可以通過運河并完成一次運輸任務(wù)的船舶，現(xiàn)在可能需要兩周時間，這就減少了船舶在一定時間內(nèi)的運輸次數(shù)，降低了市場的有效運力。在運輸需求不變或增加的情況下，有效運力的減少會使市場運力緊張，推動運價上漲。3.2.2貨物需求貨物需求的波動是影響巴拿馬型干散貨船運價風(fēng)險的關(guān)鍵因素，其主要通過煤炭和糧食等主要貨物的貿(mào)易量變化以及新興貨物運輸需求的出現(xiàn)來作用于運價。煤炭作為巴拿馬型干散貨船運輸?shù)闹饕浳镏?，其貿(mào)易量的變化對運價有著顯著影響。當(dāng)全球能源需求增長，尤其是電力行業(yè)對煤炭的需求增加時，煤炭貿(mào)易量會上升。隨著新興經(jīng)濟體的快速發(fā)展，電力需求不斷攀升，許多國家加大了火力發(fā)電的投入，對煤炭的需求量大增。這將導(dǎo)致對巴拿馬型干散貨船的運輸需求增加，在運力相對穩(wěn)定的情況下，市場供需關(guān)系改善，船東的議價能力增強，運價上漲。在2003-2007年期間，中國、印度等新興經(jīng)濟體經(jīng)濟快速發(fā)展，電力需求大幅增長，對煤炭的進口需求旺盛。2005年，中國煤炭進口量達到1.11億噸，較2003年增長了142%。這使得巴拿馬型干散貨船在煤炭運輸航線上的需求急劇上升，運價持續(xù)上漲。相反，當(dāng)能源結(jié)構(gòu)調(diào)整，清潔能源的使用比例增加，或者全球經(jīng)濟增長放緩，對煤炭的需求減少時，煤炭貿(mào)易量會下降。隨著太陽能、風(fēng)能等清潔能源技術(shù)的不斷發(fā)展和應(yīng)用，一些國家逐漸減少對煤炭的依賴，加大對清潔能源的開發(fā)和利用。這將導(dǎo)致巴拿馬型干散貨船的運輸需求減少，市場運力過剩，船東之間的競爭加劇，運價面臨下行壓力。在2020-2021年，受新冠疫情影響，全球經(jīng)濟增長放緩，能源需求下降，煤炭貿(mào)易量也隨之減少。2020年，全球煤炭海運貿(mào)易量較2019年下降了5%，巴拿馬型干散貨船的運價也出現(xiàn)了明顯下跌。糧食貿(mào)易量的變化同樣會影響巴拿馬型干散貨船的運價。在全球人口增長、飲食結(jié)構(gòu)改變以及糧食生產(chǎn)和消費區(qū)域不平衡的背景下，糧食貿(mào)易需求不斷變化。當(dāng)糧食主產(chǎn)區(qū)遭遇自然災(zāi)害，如干旱、洪澇等，導(dǎo)致糧食減產(chǎn)時，糧食進口國為了滿足國內(nèi)需求，會增加糧食進口量。這將使得巴拿馬型干散貨船在糧食運輸航線上的需求增加，推動運價上漲。在2012年，美國遭遇嚴(yán)重干旱，玉米、大豆等糧食作物大幅減產(chǎn)，導(dǎo)致全球糧食市場供應(yīng)緊張，許多國家紛紛增加糧食進口。中國作為糧食進口大國，當(dāng)年從美國進口大豆數(shù)量大幅增加，使得巴拿馬型干散貨船在美中糧食運輸航線上的需求大增，運價上漲。相反，當(dāng)糧食產(chǎn)量增加，或者糧食進口國國內(nèi)糧食生產(chǎn)豐收，對進口糧食的需求減少時，巴拿馬型干散貨船的運輸需求會下降，運價下跌。在2017年，全球主要糧食產(chǎn)區(qū)氣候適宜，糧食產(chǎn)量豐收，糧食市場供應(yīng)充足。一些糧食進口國減少了進口量，導(dǎo)致巴拿馬型干散貨船的運輸需求減少，運價出現(xiàn)了一定程度的下滑。除了煤炭和糧食，新興貨物運輸需求的出現(xiàn)也會對巴拿馬型干散貨船的運價產(chǎn)生影響。隨著全球經(jīng)濟的發(fā)展和產(chǎn)業(yè)結(jié)構(gòu)的調(diào)整，一些新興產(chǎn)業(yè)的崛起帶動了相關(guān)貨物的運輸需求。新能源汽車產(chǎn)業(yè)的快速發(fā)展，使得鋰、鈷等稀有金屬的運輸需求增加。若這些貨物適合巴拿馬型干散貨船運輸，且運輸需求增長較快，會為巴拿馬型干散貨船提供新的運輸機會，增加市場需求，對運價產(chǎn)生積極影響。若新興貨物的運輸需求規(guī)模較小，或者運輸時間和航線與傳統(tǒng)貨物運輸存在沖突，可能無法對巴拿馬型干散貨船的運價產(chǎn)生明顯影響。3.2.3季節(jié)性因素季節(jié)性因素在巴拿馬型干散貨船的運價波動中扮演著重要角色，其主要通過煤炭和糧食等貨物運輸?shù)募竟?jié)性變化來影響運價。在煤炭運輸方面，季節(jié)性因素的影響較為顯著。在冬季，北半球許多國家進入供暖季，對煤炭的需求大幅增加。中國、日本、韓國等國家，冬季氣溫較低，需要大量煤炭用于供暖和發(fā)電。這使得冬季煤炭的進口量和國內(nèi)運輸量都會顯著上升，從而增加了對巴拿馬型干散貨船的運輸需求。在2022年冬季，中國北方地區(qū)供暖需求旺盛，煤炭進口量較夏季增長了30%。大量的煤炭運輸需求使得巴拿馬型干散貨船在相關(guān)航線上的運力緊張，船東的議價能力增強，運價往往會上漲。在夏季，隨著氣溫升高，供暖需求減少，煤炭的消費需求相對下降，巴拿馬型干散貨船的煤炭運輸需求也會隨之減少。一些地區(qū)的水電等清潔能源發(fā)電能力增強，對火電的替代作用明顯，進一步減少了對煤炭的需求。這導(dǎo)致市場運力相對過剩，船東之間的競爭加劇，運價通常會出現(xiàn)一定程度的下跌。在2023年夏季，中國南方地區(qū)水電發(fā)電量充足，對煤炭的依賴度降低，煤炭進口量和國內(nèi)運輸量減少，巴拿馬型干散貨船的運價較冬季有所下降。糧食運輸同樣受到季節(jié)性因素的影響。糧食的生產(chǎn)和收獲具有明顯的季節(jié)性，不同地區(qū)的糧食收獲季節(jié)不同，這導(dǎo)致糧食運輸需求在不同時間段呈現(xiàn)出差異。在北美洲，每年9-11月是玉米、大豆等糧食作物的收獲季節(jié)，之后的幾個月是糧食出口的高峰期。在這期間，大量的糧食需要運輸?shù)绞澜绺鞯?，對巴拿馬型干散貨船的需求增加。2024年9-11月，美國玉米和大豆收獲后，出口量大幅增長，巴拿馬型干散貨船在美中、美歐等糧食運輸航線上的需求旺盛，運價上漲。在南美洲，糧食收獲季節(jié)與北美洲有所不同，通常在3-5月是大豆等糧食的收獲期，隨后的幾個月是出口旺季。在這個時間段，巴拿馬型干散貨船在南美至亞洲、歐洲等航線的運輸需求增加，對運價起到推動作用。而在糧食收獲季節(jié)之外，巴拿馬型干散貨船的糧食運輸需求相對減少，運價可能會出現(xiàn)回落。季節(jié)性因素還會受到天氣等自然條件的影響。在冬季，惡劣的天氣條件，如暴風(fēng)雪、嚴(yán)寒等，可能會影響煤炭的生產(chǎn)、運輸和裝卸，導(dǎo)致煤炭運輸受阻，進一步加劇市場運力緊張，推動運價上漲。在糧食運輸中，暴雨、洪水等災(zāi)害性天氣可能會影響糧食的收獲和儲存，導(dǎo)致糧食運輸需求提前或推遲，進而影響巴拿馬型干散貨船的運價。3.3突發(fā)事件因素突發(fā)事件對巴拿馬型干散貨船運價風(fēng)險有著不可忽視的影響，這些事件主要包括自然災(zāi)害、政治事件和公共衛(wèi)生事件等，它們通過不同的作用機制改變市場供需關(guān)系，進而引發(fā)運價的劇烈波動。自然災(zāi)害是影響巴拿馬型干散貨船運價風(fēng)險的重要突發(fā)事件之一。颶風(fēng)、暴雨、干旱等自然災(zāi)害會對煤炭和糧食的生產(chǎn)、運輸和裝卸產(chǎn)生直接影響，從而改變巴拿馬型干散貨船的運輸需求和市場供需格局。在2017年，颶風(fēng)“哈維”襲擊了美國得克薩斯州，該地區(qū)是美國重要的能源和糧食產(chǎn)區(qū)。颶風(fēng)導(dǎo)致當(dāng)?shù)氐拿禾可a(chǎn)設(shè)施受損，煤炭產(chǎn)量下降，同時港口裝卸作業(yè)也因惡劣天氣被迫中斷。這使得美國煤炭的出口量減少，巴拿馬型干散貨船在相關(guān)煤炭運輸航線上的需求大幅下降。由于運輸需求的減少，市場運力相對過剩，船東之間的競爭加劇，巴拿馬型干散貨船的運價出現(xiàn)了明顯下跌。2024年，巴西遭遇了嚴(yán)重的干旱，多條主要內(nèi)河航道水位下降，影響了糧食的運輸。作為全球重要的糧食出口國，巴西的糧食運輸受阻，導(dǎo)致巴拿馬型干散貨船在巴西糧食運輸航線上的需求減少。一些原本計劃從巴西運輸糧食的巴拿馬型干散貨船不得不閑置或?qū)ふ移渌浽?，市場運力過剩，運價下跌。政治事件同樣會對巴拿馬型干散貨船運價風(fēng)險產(chǎn)生重大影響。地緣政治沖突、戰(zhàn)爭等事件會導(dǎo)致貿(mào)易路線受阻、運輸成本增加，從而影響巴拿馬型干散貨船的運價。在俄烏沖突爆發(fā)后，黑海地區(qū)的貿(mào)易受到嚴(yán)重影響。烏克蘭是重要的糧食出口國，沖突導(dǎo)致烏克蘭的糧食出口受阻，許多巴拿馬型干散貨船無法正常在該地區(qū)運輸糧食。這使得巴拿馬型干散貨船在黑海地區(qū)的運輸需求大幅下降，而其他地區(qū)的運輸需求在短期內(nèi)難以彌補這一缺口，導(dǎo)致市場運力過剩，運價下跌。一些國家的政治不穩(wěn)定，會影響其國內(nèi)的生產(chǎn)和出口，進而影響巴拿馬型干散貨船的運輸需求。若某煤炭出口國發(fā)生政治動蕩，煤炭生產(chǎn)和出口受到干擾，巴拿馬型干散貨船在該國煤炭運輸航線上的需求會減少，運價也會隨之受到影響。公共衛(wèi)生事件，如全球性的疫情，對巴拿馬型干散貨船運價風(fēng)險的影響也十分顯著。在2020-2021年新冠疫情期間，全球各國實施了嚴(yán)格的防控措施，包括封鎖城市、限制人員流動和貿(mào)易等。這導(dǎo)致全球經(jīng)濟活動受限，國際貿(mào)易受阻，對煤炭和糧食等大宗商品的需求大幅下降。許多工廠停工停產(chǎn)，能源需求減少，煤炭的貿(mào)易量也隨之減少；同時，由于人員流動受限，糧食的消費和貿(mào)易也受到影響。巴拿馬型干散貨船的運輸需求銳減，市場運力嚴(yán)重過剩，運價大幅下跌。疫情還對航運業(yè)的運營產(chǎn)生了直接影響。港口作業(yè)效率下降，船舶?？扛劭诘臅r間延長，船員更換困難等問題，都增加了航運企業(yè)的運營成本。為了應(yīng)對成本上升和需求下降的雙重壓力，航運企業(yè)不得不降低運價，以吸引貨源，這進一步加劇了巴拿馬型干散貨船運價的下跌。四、基于VaR-GARCH模型的實證分析4.1數(shù)據(jù)選取與預(yù)處理本文選取波羅的海巴拿馬型船運價指數(shù)（BPI）作為研究巴拿馬型干散貨船運價的指標(biāo)，數(shù)據(jù)來源于Wind數(shù)據(jù)庫。BPI由波羅的海航運交易所發(fā)布，以巴拿馬型干散貨船在四條期租航線和三條程租航線上的運費為依據(jù)編制，能準(zhǔn)確反映巴拿馬型干散貨船的運價水平。數(shù)據(jù)時間范圍為2010年1月4日至2024年12月31日，共3719個日度數(shù)據(jù)。選擇這一時間范圍，是因為2008年金融危機后，全球航運市場經(jīng)歷了深刻調(diào)整，2010年之后的市場數(shù)據(jù)更能反映后危機時代巴拿馬型干散貨船運價的波動特征和規(guī)律。且較長的數(shù)據(jù)時間跨度能夠包含更多的市場信息，包括不同經(jīng)濟周期、市場供需狀況下的運價變化，有助于提高模型的準(zhǔn)確性和可靠性。在獲取原始數(shù)據(jù)后，對其進行了一系列預(yù)處理操作。由于原始的BPI數(shù)據(jù)是絕對價格指數(shù)，為了更準(zhǔn)確地分析運價的波動情況，將其轉(zhuǎn)化為收益率序列。收益率的計算公式為：R_t=\ln(\frac{P_t}{P_{t-1}})，其中R_t表示第t期的收益率，P_t表示第t期的BPI指數(shù)，P_{t-1}表示第t-1期的BPI指數(shù)。通過這種方式，將價格指數(shù)轉(zhuǎn)化為收益率序列，能夠更好地反映價格的變化率，便于后續(xù)的波動性分析和模型構(gòu)建。對數(shù)據(jù)進行異常值處理。通過觀察收益率序列的分布情況，發(fā)現(xiàn)部分?jǐn)?shù)據(jù)點偏離均值較遠，可能是由于數(shù)據(jù)錄入錯誤或特殊事件導(dǎo)致的異常值。對于這些異常值，采用均值替代法進行處理，即將異常值替換為該數(shù)據(jù)點前后若干個數(shù)據(jù)的均值，以保證數(shù)據(jù)的連續(xù)性和穩(wěn)定性。對數(shù)據(jù)進行平穩(wěn)性檢驗。采用ADF（AugmentedDickey-Fuller）檢驗方法對收益率序列進行平穩(wěn)性檢驗，檢驗結(jié)果如表1所示：檢驗項目檢驗值臨界值（1%）臨界值（5%）臨界值（10%）P值結(jié)論BPI收益率序列-34.89-3.43-2.86-2.570.00平穩(wěn)從表1可以看出，BPI收益率序列的ADF檢驗值為-34.89，小于1%、5%和10%顯著性水平下的臨界值，且P值為0.00，表明在1%的顯著性水平下，BPI收益率序列是平穩(wěn)的，滿足后續(xù)建模的要求。對預(yù)處理后的數(shù)據(jù)進行描述性統(tǒng)計分析，結(jié)果如表2所示：統(tǒng)計量BPI收益率序列均值0.0003中位數(shù)0.0002最大值0.1235最小值-0.1128標(biāo)準(zhǔn)差0.0198偏度0.1024峰度6.8932Jarque-Bera統(tǒng)計量1087.45P值0.00從表2可以看出，BPI收益率序列的均值為0.0003，說明長期來看，巴拿馬型干散貨船運價的平均收益率較低。中位數(shù)為0.0002，與均值接近，表明數(shù)據(jù)分布相對較為對稱，但從偏度為0.1024可以看出，數(shù)據(jù)存在一定的右偏。最大值為0.1235，最小值為-0.1128，說明運價收益率的波動范圍較大，存在較大的風(fēng)險。標(biāo)準(zhǔn)差為0.0198，反映了收益率的離散程度，即運價波動的劇烈程度。峰度為6.8932，遠大于正態(tài)分布的峰度值3，說明BPI收益率序列具有尖峰厚尾的特征，即出現(xiàn)極端值的概率比正態(tài)分布要高。Jarque-Bera統(tǒng)計量為1087.45，對應(yīng)的P值為0.00，表明在1%的顯著性水平下，拒絕數(shù)據(jù)服從正態(tài)分布的原假設(shè)，進一步驗證了BPI收益率序列不服從正態(tài)分布。4.2模型選擇與參數(shù)估計在對巴拿馬型干散貨船運價風(fēng)險進行度量時，GARCH模型的選擇至關(guān)重要。由于巴拿馬型干散貨船運價收益率序列具有尖峰厚尾的特征，普通的GARCH模型在描述這種特征時存在一定局限性。因此，綜合考慮數(shù)據(jù)特點和模型性能，選擇GARCH(1,1)-GED模型，即假設(shè)收益率序列服從廣義誤差分布（GED）的GARCH(1,1)模型。廣義誤差分布能夠更好地擬合具有尖峰厚尾特征的數(shù)據(jù)，相較于正態(tài)分布假設(shè)下的GARCH模型，GARCH(1,1)-GED模型可以更準(zhǔn)確地刻畫巴拿馬型干散貨船運價收益率的波動特征。利用Eviews軟件對數(shù)據(jù)進行處理，估計GARCH(1,1)-GED模型的參數(shù)。首先，在Eviews軟件中導(dǎo)入預(yù)處理后的巴拿馬型干散貨船運價收益率序列數(shù)據(jù)。然后，選擇“Quick”-“EstimateEquation”，在彈出的對話框中，選擇“ARCH”模型類型，并在“ARCHSpecification”中設(shè)置模型為GARCH(1,1)，在“Distributionassumption”中選擇“Generalizederrordistribution(GED)”。點擊“OK”進行模型估計，得到的參數(shù)估計結(jié)果如表3所示：參數(shù)估計值標(biāo)準(zhǔn)差Z-統(tǒng)計量P值\omega0.0000020.0000012.050.04\alpha0.10250.02134.810.00\beta0.85620.032126.670.00\nu1.56340.087217.930.00其中，\omega為常數(shù)項，\alpha為ARCH項系數(shù)，\beta為GARCH項系數(shù)，\nu為廣義誤差分布的形狀參數(shù)。從估計結(jié)果可以看出，\omega的估計值為0.000002，且在5%的顯著性水平下顯著，表明長期平均方差為一個較小的正值。\alpha的估計值為0.1025，在1%的顯著性水平下顯著，說明過去的沖擊對當(dāng)前方差有顯著影響，即前期的運價波動會對當(dāng)前的波動性產(chǎn)生一定的作用。\beta的估計值為0.8562，同樣在1%的顯著性水平下顯著，且\alpha+\beta=0.1025+0.8562=0.9587，非常接近1，表明巴拿馬型干散貨船運價收益率的波動具有很強的持續(xù)性，前期的波動會持續(xù)影響后續(xù)的波動。\nu的估計值為1.5634，小于2，進一步驗證了收益率序列具有尖峰厚尾的特征，因為當(dāng)\nu=2時，廣義誤差分布退化為正態(tài)分布，而\nu\lt2時，分布呈現(xiàn)尖峰厚尾。4.3VaR值計算與結(jié)果分析在得到GARCH(1,1)-GED模型的參數(shù)估計結(jié)果后，基于該模型計算不同置信水平下的VaR值。分別選取95%和99%兩個常用的置信水平進行計算。在95%置信水平下，根據(jù)正態(tài)分布的性質(zhì)，對應(yīng)的分位數(shù)z_{0.95}=1.645（在廣義誤差分布假設(shè)下，通過軟件計算或查閱相關(guān)分布表獲取對應(yīng)分位數(shù)，此處假設(shè)在GED分布下經(jīng)計算對應(yīng)分位數(shù)近似為1.645）。根據(jù)前文得到的GARCH(1,1)-GED模型參數(shù)估計結(jié)果，以及VaR的計算公式VaR_{t+1|t}=-\mu-z_c\sigma_{t+1|t}，其中\(zhòng)mu為收益率均值，\sigma_{t+1|t}為根據(jù)GARCH模型預(yù)測的t+1時刻的條件標(biāo)準(zhǔn)差。通過Eviews軟件計算得到，在樣本期內(nèi)，95%置信水平下的VaR值序列，部分計算結(jié)果如表4所示：日期BPI收益率95%置信水平下VaR值2010/01/050.0023-0.03252010/01/06-0.0012-0.03212010/01/070.0035-0.0328.........2024/12/300.0008-0.03152024/12/31-0.0015-0.0318從表4可以看出，在不同日期，95%置信水平下的VaR值有所不同，這反映了巴拿馬型干散貨船運價風(fēng)險在不同時間的變化情況。在2010年1月5日，95%置信水平下的VaR值為-0.0325，意味著在該日，有95%的把握保證巴拿馬型干散貨船運價收益率的損失不會超過3.25%，只有5%的可能性損失會超過這個數(shù)值。在99%置信水平下，對應(yīng)的分位數(shù)z_{0.99}=2.326（同樣在廣義誤差分布假設(shè)下，此處近似取值）。按照相同的計算方法，通過Eviews軟件計算得到99%置信水平下的VaR值序列，部分結(jié)果如表5所示：日期BPI收益率99%置信水平下VaR值2010/01/050.0023-0.04562010/01/06-0.0012-0.04512010/01/070.0035-0.0459.........2024/12/300.0008-0.04432024/12/31-0.0015-0.0446從表5可以看出，99%置信水平下的VaR值普遍大于95%置信水平下的VaR值。在2010年1月5日，99%置信水平下的VaR值為-0.0456，這表明在該日，有99%的把握保證巴拿馬型干散貨船運價收益率的損失不會超過4.56%，只有1%的可能性損失會超過這個數(shù)值。這是因為置信水平越高，對風(fēng)險的覆蓋范圍越廣，要求的最大潛在損失值也就越大。通過對不同置信水平下VaR值的計算結(jié)果進行分析，可以發(fā)現(xiàn)巴拿馬型干散貨船的運價風(fēng)險具有明顯的時變特征。在不同的市場環(huán)境下，VaR值波動較大，反映了市場不確定性對運價風(fēng)險的影響。在市場波動較大的時期，如2008年金融危機后以及2020年新冠疫情爆發(fā)初期，VaR值明顯增大，表明此時巴拿馬型干散貨船面臨的運價風(fēng)險較高；而在市場相對穩(wěn)定的時期，VaR值相對較小。為了進一步評估VaR-GARCH模型的準(zhǔn)確性，采用Kupiec失敗頻率檢驗法對模型進行回測檢驗。Kupiec失敗頻率檢驗的原假設(shè)為：模型估計的VaR值是準(zhǔn)確的，即實際損失超過VaR值的頻率符合理論上的失敗概率。在95%置信水平下，理論上實際損失超過VaR值的頻率應(yīng)為5%；在99%置信水平下，理論頻率應(yīng)為1%。通過統(tǒng)計樣本期內(nèi)實際收益率小于對應(yīng)置信水平下VaR值的天數(shù)，計算實際失敗頻率，并與理論失敗頻率進行比較。在95%置信水平下，實際失敗頻率為4.8%，接近理論失敗頻率5%；在99%置信水平下，實際失敗頻率為1.1%，與理論失敗頻率1%較為接近。通過計算LR統(tǒng)計量，在95%置信水平下，LR統(tǒng)計量為0.25，小于臨界值3.84（自由度為1，顯著性水平為5%的卡方分布臨界值）；在99%置信水平下，LR統(tǒng)計量為0.42，小于臨界值6.63（自由度為1，顯著性水平為1%的卡方分布臨界值）。這表明在95%和99%置信水平下，均不能拒絕原假設(shè)，即VaR-GARCH模型估計的VaR值是準(zhǔn)確的，能夠較好地度量巴拿馬型干散貨船的運價風(fēng)險。4.4模型有效性檢驗為了全面評估VaR-GARCH模型在度量巴拿馬型干散貨船運價風(fēng)險方面的有效性，采用歷史回溯測試（Backtesting）方法對模型進行檢驗。歷史回溯測試是一種通過將模型預(yù)測的VaR值與實際損失進行對比，來判斷模型預(yù)測準(zhǔn)確性的常用方法。具體實施過程中，將樣本期內(nèi)的每一天作為檢驗日，統(tǒng)計實際收益率小于對應(yīng)置信水平下VaR值的天數(shù)，即“失敗天數(shù)”。在95%置信水平下，理論上實際損失超過VaR值的頻率應(yīng)為5%；在99%置信水平下，理論頻率應(yīng)為1%。通過計算實際失敗頻率，并與理論失敗頻率進行比較，來評估模型的準(zhǔn)確性。在95%置信水平下，樣本期內(nèi)實際失敗天數(shù)為179天，實際失敗頻率為\frac{179}{3719}\times100\%\approx4.8\%，非常接近理論失敗頻率5%。在99%置信水平下，實際失敗天數(shù)為41天，實際失敗頻率為\frac{41}{3719}\times100\%\approx1.1\%，與理論失敗頻率1%較為接近。為了進一步驗證這種接近程度是否在合理范圍內(nèi)，采用Kupiec失敗頻率檢驗法進行統(tǒng)計檢驗。Kupiec檢驗的原假設(shè)H_0為：模型估計的VaR值是準(zhǔn)確的，即實際失敗頻率等于理論失敗頻率；備擇假設(shè)H_1為：模型估計的VaR值不準(zhǔn)確，實際失敗頻率不等于理論失敗頻率。Kupiec檢驗的統(tǒng)計量為：LR=-2\ln[(1-p)^{T-N}p^{N}]+2\ln[(1-\frac{N}{T})^{T-N}(\frac{N}{T})^{N}]，其中p為理論失敗頻率，T為樣本期天數(shù)，N為實際失敗天數(shù)。在95%置信水平下，p=0.05，T=3719，N=179，代入公式計算得到LR統(tǒng)計量為0.25。在自由度為1，顯著性水平為5%的卡方分布下，臨界值為3.84。由于0.25小于3.84，所以不能拒絕原假設(shè)，即認(rèn)為在95%置信水平下，VaR-GARCH模型估計的VaR值是準(zhǔn)確的。在99%置信水平下，p=0.01，T=3719，N=41，計算得到LR統(tǒng)計量為0.42。在自由度為1，顯著性水平為1%的卡方分布下，臨界值為6.63。同樣，0.42小于6.63，不能拒絕原假設(shè)，表明在99%置信水平下，VaR-GARCH模型估計的VaR值也是準(zhǔn)確的。通過歷史回溯測試和Kupiec檢驗，可以得出結(jié)論：VaR-GARCH模型在度量巴拿馬型干散貨船運價風(fēng)險方面具有較高的有效性，能夠較為準(zhǔn)確地預(yù)測不同置信水平下的最大潛在損失，為航運企業(yè)、貨主和投資者等市場參與者提供可靠的風(fēng)險度量結(jié)果，有助于他們做出合理的風(fēng)險管理和投資決策。然而，該模型也存在一定的局限性。VaR-GARCH模型對數(shù)據(jù)的依賴性較強，若樣本數(shù)據(jù)存在異常值或數(shù)據(jù)缺失，可能會影響模型的參數(shù)估計和預(yù)測準(zhǔn)確性。在數(shù)據(jù)收集過程中，可能由于某些特殊事件導(dǎo)致部分?jǐn)?shù)據(jù)異常，如港口罷工、極端天氣等不可抗力因素影響了巴拿馬型干散貨船的正常運營，使得運價出現(xiàn)異常波動，這些異常數(shù)據(jù)若未得到妥善處理，會對模型結(jié)果產(chǎn)生干擾。該模型假設(shè)市場環(huán)境相對穩(wěn)定，對于突發(fā)事件，如地緣政治沖突、全球性經(jīng)濟危機等導(dǎo)致的市場結(jié)構(gòu)突變，模型的適應(yīng)性較差，可能無法準(zhǔn)確度量風(fēng)險。在2008年全球金融危機和2020年新冠疫情期間，市場環(huán)境發(fā)生了巨大變化，傳統(tǒng)的VaR-GARCH模型在面對這些極端情況時，預(yù)測能力有所下降。五、實證結(jié)果與案例分析5.1實證結(jié)果展示基于前文構(gòu)建的VaR-GARCH模型，對巴拿馬型干散貨船運價風(fēng)險進行度量，得到了不同置信水平下的VaR值，這些結(jié)果直觀地展示了巴拿馬型干散貨船在不同風(fēng)險容忍度下可能面臨的最大潛在損失。在95%置信水平下，通過模型計算得到的VaR值序列反映了在該置信水平下，巴拿馬型干散貨船運價收益率有95%的概率不會超過的損失邊界。在樣本期內(nèi)，95%置信水平下的VaR值波動范圍較大，最小值約為-0.025，最大值達到-0.045左右。這表明在不同的市場環(huán)境下，巴拿馬型干散貨船面臨的運價風(fēng)險程度存在顯著差異。在市場相對穩(wěn)定的時期，如2015-2016年部分時段，全球經(jīng)濟復(fù)蘇緩慢，航運市場供需相對平穩(wěn)，95%置信水平下的VaR值相對較小，維持在-0.025至-0.03之間，說明此時巴拿馬型干散貨船運價收益率的潛在損失相對較小，市場風(fēng)險相對較低。而在市場波動較大的時期，如2020年初新冠疫情爆發(fā)初期，全球經(jīng)濟活動受限，國際貿(mào)易受阻，巴拿馬型干散貨船運輸需求銳減，95%置信水平下的VaR值急劇增大，一度超過-0.04，表明此時巴拿馬型干散貨船面臨著較高的運價風(fēng)險，潛在損失大幅增加。在99%置信水平下，計算得到的VaR值序列則體現(xiàn)了在更高風(fēng)險容忍度下的最大潛在損失情況。99%置信水平下的VaR值普遍大于95%置信水平下的VaR值，這符合風(fēng)險度量的基本原理，即置信水平越高，對風(fēng)險的覆蓋范圍越廣，要求的最大潛在損失值也就越大。在樣本期內(nèi)，99%置信水平下的VaR值最小值約為-0.035，最大值超過-0.05。在2008年金融危機期間，航運市場遭受重創(chuàng)，巴拿馬型干散貨船運價大幅下跌且波動劇烈，99%置信水平下的VaR值在這一時期顯著增大，反映出在極端市場情況下，巴拿馬型干散貨船面臨的巨大運價風(fēng)險。通過對不同置信水平下VaR值的分析，可以清晰地看到巴拿馬型干散貨船運價風(fēng)險具有明顯的時變特征。市場環(huán)境的變化，如宏觀經(jīng)濟形勢、行業(yè)供需關(guān)系、突發(fā)事件等因素的變動，都會導(dǎo)致VaR值的波動。在經(jīng)濟繁榮、運輸需求旺盛、市場供需平衡的時期，VaR值相對較小，運價風(fēng)險較低；而在經(jīng)濟衰退、運輸需求下降、市場供需失衡或出現(xiàn)突發(fā)事件時，VaR值會顯著增大，運價風(fēng)險大幅上升。5.2案例分析選取2020-2021年這一時間段對巴拿馬型干散貨船運價波動進行深入分析，這一時期全球經(jīng)濟受到新冠疫情的巨大沖擊，巴拿馬型干散貨船市場也經(jīng)歷了劇烈的波動，是一個極具代表性的案例。在2020年初，新冠疫情爆發(fā)，迅速在全球范圍內(nèi)蔓延。各國為了防控疫情，紛紛實施了嚴(yán)格的封鎖措施，導(dǎo)致全球經(jīng)濟活動受限，國際貿(mào)易受阻。在這一背景下，巴拿馬型干散貨船的運輸需求銳減。許多工廠停工停產(chǎn)，對煤炭等能源的需求大幅下降，煤炭貿(mào)易量隨之減少。全球糧食貿(mào)易也受到了影響，由于物流受阻、需求結(jié)構(gòu)變化等原因，糧食運輸需求下降。運用VaR-GARCH模型對這一時期巴拿馬型干散貨船的運價風(fēng)險進行度量。通過前文構(gòu)建的模型，計算出2020-2021年不同置信水平下的VaR值。在95%置信水平下，VaR值在2020年初急劇增大，從之前相對穩(wěn)定的-0.03左右，一度攀升至-0.045以上。這表明在疫情爆發(fā)初期，巴拿馬型干散貨船面臨著極高的運價風(fēng)險，有95%的概率其運價