重大事件是否影响了航运市场溢出传递的稳定性

doi:10.16381/j.cnki.issn1003-207x.2021.0250

摘要/Abstract

摘要：

跨市场的风险溢出一直是学术界的焦点，在当前全球跨市场风险联动中，航运市场不容忽视。本研究聚焦于航运运价的视角，探析重大事件发生时航运与商品、股票等相关市场间的跨市场价格波动溢出效应，以期找到影响世界经济、金融、商品价格波动的其他关键证据。本文通过TVP-VAR模型对航运、商品等12个子市场间的动态关系进行建模刻画，把握2014—2021年间相应宏观市场乃至由多个市场组成的市场系统动态变化趋势；以新冠疫情、中美贸易摩擦等事件为例，通过时变溢出指数模型考察子市场间信息传递的动态溢出方向及溢出强度，揭示不同时点信息传递的动态变化，通过网络拓扑结构挖掘网络结构重心潜在的时变特征，直观反映在重大事件的冲击下市场系统溢出中心的偏移规律。实证结果表明，市场间总溢出指数整体较高，溢出传递颇为紧密，航运市场为主要的信息传递者，好望角型散货船运价指数的溢出能力最强，且航运子市场的信息溢出与接收能力均呈现非对称分布的特征；不同重大事件对于市场间溢出传递稳定性的冲击强度不同，2020年初市场总体溢出水平最高值较平均水平增长31.52%，且航运市场始终保有传递信息的能力，当重大事件与某一市场直接相关时，该市场也会呈现信息传递能力增长的状态。

关键词: 航运市场, 溢出效应, 重大事件, 跨市场风险

Abstract:

The development of world has been impacted by emergencies of varying degrees and unpredictability， such as the Trade conflict between China and the U.S.， the crude oil price war， and the COVID-19. Investors' cognition and sentiment towards the market are directly or indirectly affected by the impact of the above events on the market relationship. Existing studies on cross-market risk spillovers of events are mostly confined to commodity and financial markets. As a giant industry always at the forefront of the global trade market， the shipping industry can not be ignored in the risk linkage between the cross-markets. It focuses on the shipping market， represented by Baltic Capesize Index， Baltic Panama Index， Baltic Supramax Index and Baltic Dirty Tanker Index， and the spillover linkage relationship between it with the commodity market which represented by crude oil， copper， aluminum and other industrial raw materials， and the capital market represented by stocks is explored. Therefore， it provides theoretical reference for cross-market portfolio participants， global transportation networks and capital markets. Firstly， the dynamic relationship among 12 fine molecule markets is modeled by Time-varying parameter VAR model （TVP-SVAR）. Combined with the spillover index of different periods， the intensity and direction of spillover of price information among different sub-markets are investigated， so as to grasp the dynamic trend of the market system from 2014 to 2021. Secondly， by taking four major events as examples， the DY spillover index model is used to construct network， and the spillover rules between markets at different time are compared. The potential time-varying characteristics of network center of gravity are explored， and the migration rules of system spillover center under the impact of events are intuitively reflected.The results show that　（1） The total spillover index of each sub-market remains at a high level， with an average of 67.29. Under the influence of different events， the total spillover index shows varying degrees of fluctuation， which confirms the influence of events on cross-market stability. The shipping market is the most important information carrier with an average of 37.37， and the Capesize bulk carrier market has the most outstanding overflow capacity. Moreover， the shipping market is different from other markets in that transporting and receiving capacity are asymmetrically distributed， which indicates that the fluctuation of freight price in the shipping market is mainly caused by its own influence， which once again proves the special status of the shipping market. （2） Different events have different impact intensity on the stability of cross-market spillover and the shipping market maintains the ability to transmit information. During the crude oil price war， the maximum of the overall market spillover increased by 31.76% compared with the average. During the COVID-19 pandemic， freight rate spillovers are higher than commodity price spillovers， highlighting the role of the shipping market in the system. In addition， the change of market spillover transmission center is also related to the type of events， and the information transmission ability of the market directly related to it will be improved to varying degrees when the corresponding events occur. New evidence for the importance of shipping market and events in the field of cross-market risk management and investment forecasting， and a new thinking direction for market investors are provided.

Key words: shipping market, spillover effect, major events, cross-market risk

中图分类号:

F830.9

孟斌,廉荣文隽,隋聪,匡海波. 重大事件是否影响了航运市场溢出传递的稳定性[J]. 中国管理科学, 2023, 31(11): 46-57.

Bin MENG,Rong-wen-jun LIAN,Cong SUI,Hai-bo KUANG. Do Major Events Affect the Stability of Shipping Market Spillover and Transmission?[J]. Chinese Journal of Management Science, 2023, 31(11): 46-57.

图/表 13

表1

市场之间信息溢出传递的溢出指数矩阵"

指数	$z 1$	$z 2$	$?$	$z i$	$?$	$z n$	From
$z 1$	$S 11 t H$	$S 12 t H$	$?$	$S 1 i t H$	$?$	$S 1 n t H$	$S 1 ? t H$
$z 2$	$S 21 t H$	$S 22 t H$	$?$	$S 2 i t H$	$?$	$S 2 n t H$	$S 2 ? t H$
$?$	$?$	$?$		$?$	$?$	$?$	$?$
$z i$	$S i 1 t H$	$S i 2 t H$	$?$	$S i i t H$		$S i n t H$	$S i ? t H$
$?$	$?$	$?$		$?$		$?$	$?$
$z n$	$S n 1 t H$	$S n 2 t H$	$?$	$S n i t H$	$?$	$S n n t H$	$S n ? t H$
To	$S ? 1 t H$	$S ? 2 t H$	$?$	$S ? i t H$	$?$	$S ? n t H$	$S H$

表1

表2

市场之间信息溢出传递的净溢出指数矩阵"

指数	$z 1$	$z 2$	$?$	$z i$	$?$	$z n$	From
$z 1$	$S 11 t H$	$S 12 t H - S 21 t H$	$?$	$S 1 i t H - S i 1 t H$	$?$	$S 1 n t H - S n 1 t H$	$S 1 ? t H$
$z 2$	0	$S 22 t H$	$?$	$S 2 i t H - S i 2 t H$	$?$	$S 2 n t H - S n 2 t H$	$S 2 ? t H$
$?$	$?$	$?$		$?$	$?$	$?$	$?$
$z i$			0	$S i i t H$		$S i n t H - S n i t H$	$S i ? t H$
$?$		$?$		$?$		$?$	$?$
$z n$	0	$?$			0	$S n n t H$	$S n ? t H$
To	$S ? 1 t H$	$S ? 2 t H$	$?$	$S ? i t H$	$?$	$S ? n t H$	$S H$
净溢出	$S ? 1 t H - S 1 ? t H$	$S ? 2 t H - S 2 ? t H$		$S ? 3 t H - S 3 ? t H$		$S ? n t H - S n ? t H$

表2

表3

表4

重大事件分析"

时间	重大事件	事件类型
2014年3月1日	西非暴发埃博拉疫情	公共卫生
2014年6月中旬	国际石油市场价格暴跌，从每桶100美元暴跌至60美元	商品领域
2015年下半年	中国经济放缓引发2015年股市崩盘，对全球股市产生了不利影响	资本领域
2015年9月初	大宗商品价格指数跌至2009年以来最低水平	商品领域
2015年11月1日	BDI连跌20天，跌破500点，为指数发布以来历史最低	航运领域
2016年4月17日	主要产油国会议谈判失败，国际油价随即震荡下滑，WTI现货价格下跌至55美元/桶	国际时政
2017年3月29日	英国政府正式启动脱欧	国际时政
2018年1月2日	美国三大股市集体走高。其中，标普500指数与纳斯达克指数双双刷新历史最高收盘纪录，纳指历史上首次收于7000点大关之上	资本领域
2018年3月22日	美国宣布将对从中国进口的约600亿美元商品加征关税	国际时政
2018年7月6日	中方实施涉及自美进口商品金额分别为500亿美元的反制措施	国际时政
2018年7月10日	美国公布第二批征税清单，约合2000亿美元	国际时政
2018年9月24日	中方实施涉及自美进口商品金额分别为600亿美元的反制措施	国际时政
2019年8月15日	美国违背约定，宣布将进一步对中国对美出口的约3000亿美元的商品加征关税	国际时政
2019年9月1日	中方实施涉及自美进口商品金额分别为750亿美元的反制措施	国际时政
2020年1月30日	欧盟正式批准了英国脱欧世界卫生组织(WHO)宣布，将新型冠状病毒疫情列为国际关注的突发公共卫生事件	国际时政公共卫生
2020年3月	美股在10天内4次熔断(3月9日、3月12日、3月16日，3月18日)	资本领域
2020年3月11日	世界卫生组织表示，新冠肺炎疫情的暴发已经构成一次全球性“大流行”	公共卫生
2020年3月14日	沙特发动了石油价格战，大幅降低售往欧洲、远东和美国等国外的市场的原油价格	国际时政
2020年4月20日	美国5月份轻质原油期货WTI价格首次跌至负值	商品领域

表4

图1

表5

图2

图3

图4

图5

图6

图7

图8

参考文献 24

1	Stopford M. Maritime economics［J］. Marine Engineers Review， 2009（4）：32-44.
2	Graham M， Peltomäki J， Piljak V. Global economic activity as an explicator of emerging market equity returns［J］. Research in International Business and Finance， 2016， 36： 424-435.
3	Alexandridis G， Kavussanos M G， Kim C Y， et al. A survey of shipping finance research： setting the future research agenda［J］. Transportation Research Part E， 2018， 115： 164-212.
4	Wårell L. An analysis of iron ore prices during the latest commodity boom［J］. Mineral Economics， 2018， 31： 203-216.
5	Alizadeh A H， Talley W K. Microeconomic determinants of dry bulk shipping freight rates and contract times［J］. Transportation， 2010， 38（3）： 561-579.
6	Alizadeh A H， Muradoglu G. Stock market efficiency and international shipping-market information［J］. Journal of International Financial Markets， Institutions and Money， 2014， 33： 445-461.
7	Qiu L D， Zhan Chaoqun， Wei Xing. An analysis of the China–US trade war through the lens of the trade literature［J］. Economic and Political Studies， 2019， 7（2）： 148-168.
8	Chong T T L， Li Xiaoyang. Understanding the China–US trade war： causes， economic impact， and the worst-case scenario［J］. Economic and Political Studies， 2019， 7（2）： 185-202.
9	孟斌，林晓倩，匡海波，等. 经济政策不确定性对航运市场与金融市场的长记忆联动影响［J］. 系统工程理论与实践， 2023， 43（7）： 1927-1939.
	Meng Bin， Lin Xiaoqian， Kuang Haibo， et al. Research on the long memory linkage effect of economic policy uncertainty on shipping market and financial market［J］. Systems Engineering-Theory & Practice， 2023， 43（7）： 1927-1939.
10	Kavussanos M G， Visvikis I D， Dimitrakopoulos D N. Economic spillovers between related derivatives markets： the case of commodity and freight markets［J］. Transportation Research Part E， 2014， 68（8）： 79-102.
11	Tsouknidis D A. Dynamic volatility spillovers across shipping freight markets［J］. Transportation Research Part E， 2016， 91： 90-111.
12	Gavriilidis K， Kambouroudis D S， Tsakou K， et al. Volatility forecasting across tanker freight rates： the role of oil price shocks［J］. Transportation Research Part E， 2018， 118： 376-391.
13	Sun Xiaolin， Haralambides H， Liu Hailong. Dynamic spillover effects among derivative markets in tanker shipping［J］. Transportation Research Part E， 2019， 122： 384-409.
14	Lin A J， Chang H Y， Hsiao J L. Does the Baltic Dry Index drive volatility spillovers in the commodities， currency， or stock markets？［J］. Transportation Research Part E， 2019， 127：265-283.
15	王艺馨，周勇. 极端情况下对我国股市风险的实证研究［J］. 中国管理科学， 2012， 20（3）： 20-27.
	Wang Yixin， Zhou Yong. The empirical study of China's stock market risk in extreme situations［J］. Chinese Journal of Management Science， 2012， 20（3）： 20-27.
16	王奇珍，王玉东. 国际油价、美国经济不确定性和中国股市的波动溢出效应研究［J］. 中国管理科学， 2018， 26（11）： 50-61.
	Wang Qizhen， Wang Yudong. International transmission of volatility among crude oil prices， economic uncertainty and the stock market［J］. Chinese Journal of Management Science， 2018， 26（11）： 50-61.
17	杨子晖，陈雨恬，陈里璇. 极端金融风险的有效测度与非线性传染［J］. 经济研究， 2019， 54（5）： 63-80.
	Yang Zihui， Chen Yutian， Chen Lixuan. Efficient measurement and nonlinear contagion of extreme financial risk［J］. Economic Research Journal， 2019， 54（5）： 63-80.
18	朱小能，吴杰楠. 股市联动中的“涟漪效应”［J］.中国管理科学， 2021， 29（8）： 1-12.
	Zhu Xiaoneng， Wu Jienan. The “ripple effect” in stock market co-movements［J］. Chinese Journal of Management Science， 2021， 29（8）： 1-12.
19	宫晓莉，熊熊. 波动溢出网络视角的金融风险传染研究［J］. 金融研究， 2020（5）： 39-58.
	Gong Xiaoli， Xiong Xiong. A study of financial risk contagion from the volatility spillover network perspective［J］. Journal of Finance Research， 2020（5）： 39- 58.
20	Nakajima J， Kasuya M， Watanabe T. Bayesian analysis of time-varying parameter vector autoregressive model for the Japanese economy and monetary policy［J］. Journal of the Japanese and International Economies， 2011， 25（3）： 225-245.
21	Diebold F X， Yilmaz K. Better to give than to receive： predictive directional measurement of volatility spillovers［J］. International Journal of Forecasting， 2012， 28（1）： 57-66.
22	谭小芬，张峻晓，郑辛如. 国际大宗商品市场与金融市场的双向溢出效应——基于BEKK-GARCH模型和溢出指数法的实证研究［J］. 中国软科学， 2018（8）： 31-48.
	Tan Xiaofen， Zhang Junxiao， Zheng Xinru. The two-way spillover effect among international commodity markets and financial markets—an empirical study based on BEKK-GARCH model and spillover index method［J］. Chinese Soft Science， 2018（8）： 31-48.
23	彭红枫，李鹤然，罗宁欣. “逆周期因子”提高了人民币汇率中间价的市场基准地位吗？——基于时变溢出指数的实证研究［J］. 国际金融研究， 2020（1）： 65-75.
	Peng Hongfeng， Li Heran， Luo Ningxin. Does “counter-cycle factor” enhance the RMB benchmark status of the central parity rate？： an empirical study based on time-varying spillover index［J］. Studies of International Finance， 2020（1）： 65-75.
24	Diebold F X， Yilmaz K. On the network topology of variance decompositions： measuring the connectedness of financial firms［J］. Journal of Econometrics， 2014， 182（1）： 119-134.

航运指数	船型	航线及连接区域	主要货物
BCI	好望角型干散货船(8万吨以上)	远洋航线：巴西-荷兰，巴西-中国，南非-荷兰，澳大利亚-中国，委内瑞拉-中国，北非-德国，欧洲大陆/地中海-远东，太平洋环线，中国-欧洲大陆，南非-中国	铁矿石、铁矿砂、磷矿石、铝矾土以及煤炭等工业原料
BPI	巴拿马型干散货船(6万~8万吨)	远洋航线：跨大西洋环线，丹麦-北非-远东，日韩太平洋环线，英国-中国，远东-北太平洋-澳大利亚-丹麦-意大利	煤炭、粮食等民生物资
BSI	超灵便型干散货船(6万吨以下)	近海航线：美湾-远东，土耳其-远东，中国-北太平洋-澳大利亚环线，中国-西非，美湾-丹麦-意大利，西非-南非东岸-中国，非洲-南非东岸-丹麦-意大利，中国-印尼-印度，东南亚-中国	煤炭、磷肥、碳酸钾、木材、钢铁、水泥、白糖
BDTI	巴拿马型油轮(6万~8万吨)；阿芙拉型油轮(8万~12万吨)；苏伊士型油轮(12万~20万吨)；VLCC型油轮(20万~30万吨)；ULCC型油轮(30万吨以上)	综合航线：中东/红海/西非-远东，北非-地中海，北海-美国，波罗的海-欧洲大陆，墨西哥东岸-美国/欧洲/南美，加勒比-美国/欧洲/南美/印度次大陆/远东，南美-美国/欧洲/远东，印度尼西亚/马来西亚至远东/澳新	原油及其初级产品

指数	BPI	BCI	BSI	BDTI	S&P500	WTI	铜	铝	铁	小麦	玉米	大豆	From
BPI	78.31	11.16	1.64	1.25	0.92	1.19	0.65	0.22	1.23	1.54	0.52	1.37	1.81
BCI	2.30	93.35	0.45	0.28	0.19	0.82	0.16	0.25	0.39	0.53	0.30	0.98	0.55
BSI	18.61	20.15	51.34	3.09	0.67	1.01	1.18	0.78	0.76	0.80	0.59	1.01	4.05
BDTI	2.37	5.85	2.36	83.32	0.25	0.65	0.56	0.34	1.35	0.87	1.04	1.05	1.39
S&P500	2.54	49.02	2.24	2.52	14.11	3.03	1.86	2.05	2.11	6.50	10.69	3.35	7.16
WTI	6.29	21.39	1.25	5.57	3.85	14.70	12.64	4.07	9.88	5.11	10.63	4.62	7.11
铜	2.65	23.79	2.02	4.31	3.26	1.26	6.36	3.43	3.50	25.03	11.48	12.89	7.80
铝	3.19	20.38	1.50	6.64	5.84	5.19	13.34	7.26	2.51	9.31	15.19	9.66	7.73
铁	5.79	43.49	2.46	1.95	3.16	1.93	6.57	4.36	7.55	12.14	7.24	3.35	7.70
小麦	1.62	44.34	3.16	3.14	1.04	9.98	6.05	3.95	1.61	11.74	3.95	9.42	7.36
玉米	2.47	49.67	1.41	2.79	0.81	6.92	4.17	1.44	2.25	5.41	17.10	5.57	6.91
大豆	5.25	36.47	3.99	15.76	0.70	4.34	5.69	4.80	3.80	6.58	5.27	7.36	7.72
To	4.42	27.14	1.87	3.94	1.73	3.03	4.40	2.14	2.45	6.15	5.57	4.44	67.29
净溢出	2.62	25.33	-2.18	2.55	-5.43	-4.08	-3.40	-5.59	-5.25	-1.20	-1.33	-3.28

[1]	范宏, 陈乃熙. 基于溢出效应的多级风险传染机理及实证研究[J]. 中国管理科学, 2023, 31(6): 39-48.
[2]	郝俊, 李建平, 冯倩倩, 孙晓蕾. 基于溢出效应的金融危机早期预警方法研究[J]. 中国管理科学, 2023, 31(4): 35-45.
[3]	刘子熙, , 宫健. 人民币汇率双向浮动宏观因素影响机制研究——基于多重政策目标协调视角的实证分析[J]. 中国管理科学, 2022, 30(1): 32-41.
[4]	彭甲超, 易明, 付丽娜. 中国农业全要素生产率的再检验——基于省级面板数据农业中间消耗品的分析[J]. 中国管理科学, 2021, 29(6): 223-237.
[5]	赵星, 崔百胜. 中国货币政策对美国的溢出效应研究——基于两国开放经济DSGE模型的分析[J]. 中国管理科学, 2020, 28(7): 77-88.
[6]	俞莹, 易荣华. 来自新兴市场的公司上市对目的地市场的影响——以中国香港市场为例[J]. 中国管理科学, 2020, 28(2): 37-47.
[7]	叶五一, 谭轲祺, 缪柏其. 基于动态因子Copula模型的行业间系统性风险分析[J]. 中国管理科学, 2018, 26(3): 1-12.
[8]	丁逸俊, 冯芸. 极端下跌事件的正反馈效应与监管限制溢出[J]. 中国管理科学, 2017, 25(9): 81-96.
[9]	熊正德, 文慧, 熊一鹏. 我国外汇市场与股票市场间波动溢出效应实证研究——基于小波多分辨的多元BEKK-GARCH(1,1)模型分析[J]. 中国管理科学, 2015, 23(4): 30-38.
[10]	顾雪松, 韩立岩. 区域市场整合与对外直接投资的逆向溢出效应——来自中国省级行政区的经验证据[J]. 中国管理科学, 2015, 23(3): 1-12.
[11]	杨勇, 朱乾, 达庆利. 中国省域企业家精神的空间溢出效应研究[J]. 中国管理科学, 2014, 22(11): 105-113.
[12]	熊正德, 韩丽君. 金融市场间波动溢出效应研究——GC-MSV模型及其应用[J]. 中国管理科学, 2013, (2): 32-41.
[13]	但斌, 田丽娜, 董绍辉. 考虑溢出效应的互补品企业间广告决策模型研究[J]. 中国管理科学, 2013, (2): 66-75.
[14]	郑德渊. 基于跳跃过程的复合期权定价模型[J]. 中国管理科学, 2004, (1): 15-19.