CBCFI收益率序列波動性實證分析

張秋雨

CBCFI收益率序列波動性實證分析

張秋雨

為了推進上海國際航運中心的建設，加快開發航運運價指數衍生品，為中國航運企業控制市場風險創造條件，上海航交所于2011年12月7日正式發布了中國沿海煤炭運價指數（簡稱CBCFI）。文章基于GARCH-M模型和EGARCH模型對CBCFI日收益率的波動特征進行分析，實證結果表明，CBCFI具有條件異方差性。指數的風險與收益呈一定負相關關系。收益率序列具有非對稱性，存在“反杠桿效應”。

CBCFI；收益率；GARCH-M；EGARCH

一、引言

2014年8月國務院印發了《關于促進海運業健康發展的若干意見》，其中提到目前我國海運業發展的重點任務是大力發展現代航運服務業，加快發展和創新航運金融、航運交易、研究咨詢等現代服務業，構建國際海運交易和定價中心，加快國際航運中心建設。在航運金融產品創新方面，航運指數衍生品的設計與研究可以幫助企業對遠期價格進行判斷，調整運力，規避風險，因此國內學者對國內外航運指數進行了大量的研究。施文明（2009）利用向量自回歸模型考察中國沿海運價指數（CCBFI）與波羅的海干散貨運價指數（BDI）之間的關系，通過格蘭杰因果檢驗、脈沖響應函數（IRF）及方差分解等工具的使用，發現CCBFI和BDI之間不存在格蘭杰因果關系；二者的波動主要來自于對其自身的沖擊。鄭懿（2010）分析了中國沿海散貨運價指數（CCBFI）運行的長短期特點，提出導致CCBFI波動的主要因素是國內宏觀經濟、國際干散貨運輸市場、供求關系和油價。計明軍（2012）結合ARCH預測模型和BP神經網絡預測模型的特點，通過預測誤差最小化模型，確定組合權重，建立了新的組合預測模型，顯著提高了油輪運價指數的預測精度。楊娟(2011)對中國沿海煤炭運價指數（CBCFI）周收益率進行了波動溢出效應的探究，實證表明秦皇島-廣州、秦皇島-上海、秦皇島-寧波三條航線運價市場與沿海煤炭綜合運價市場間存在單向波動溢出效益。劉翠蓮（2012）運用GARCH模型較好的描述了煤炭運價指數波動的敏感性及持續性。張家麟（2013）采用OLS模型、VAR模型對沿海煤炭運價期貨的最優套期保值率進行估算，結果表明沿海煤炭運價期貨套期保值效果并不顯著。此前這些研究大多都集中于中國沿海運價指數（CCBFI）下的細分煤炭指數，由于指數一周公布一次，導致指數的波動較大，連續性較差。2011年12月7日上海航交所正式發布中國沿海煤炭運價指數（CBCFI），指數每個工作日的下午公布一次，以及時反映沿海煤炭航運市場價格的變動趨勢。自指數發布以來，相應的研究還不多，文章以CBCFI為研究對象，利用GARCH-M模型和EGARCH模型對CBCFI日收益率的波動特征進行分析。

二、中國沿海煤炭運價指數簡介

（一）定義

中國沿海煤炭運價指數，縮寫為CBCFI，是上海航運交易所發布的反應中國沿海煤炭運輸價格情況的指標，擁有按航線和船型分類的即期市場運價和按權重集合的綜合指數。上海航運交易所在中國沿海（散貨）運價指數（CCBFI）體系的基礎上，研究開發了中國沿海煤炭運價指數（CBCFI），并于2011年9月1日起試運行，在2011年12月7日正式對外發布，指數每日公布一次。

（二）指數編制

1.基期

中國沿海煤炭綜合運價指數以2011年9月1日為基期，基期指數為1000點。

2.樣本航線和船型

CBCFI包括9條航線，分別為：秦皇島—廣州（5-6萬DWT）、秦皇島—福州（3—4萬DWT）、秦皇島—寧波（1.5—2萬DWT）、秦皇島—上海（4—5萬DWT）、秦皇島—張家港（2—3萬DWT）、天津—上海（2—3萬DWT）、天津—鎮江（1-1.5萬DWT）、黃驊—上海（3-4萬DWT）、京唐/曹妃甸—寧波（4—5萬DWT）。

3.運價信息采集

CBCFI運價信息由中國沿海（散貨）運價指數編委會委員單位每日提供。

（三）發布方式

上海航運交易所于每個指數發布日的15:00（北京時間）在上海航運交易所網站和中華航運網上對外發布CBCFI。

三、實證分析

文章選取CBCFI正式發布日2011年12月7日到2014年8月21日共計638個日數據進行分析。CBCFI日收益率采用對數收益率，rt=lnCBCFIt-lnCBCFIt-1。使用軟件為EVIEWS8.0版。

（一）ARCH LM檢驗

首先建立隨機游走模型(方程1)，為了方便分析，也為了減小估計時的舍入誤差，對CBCFI進行對數處理。

以下（方程2）為方程估計結果，擬合優度很高，系數對應的T統計量也非常顯著，表明擬合效果較好。

t統計量=（11549.18）

由于lnCBCFI滯后一階的估計系數非常顯著且接近于1，則對其系數進行Wald系數約束檢驗，假設β=1，所得的t統計量和F統計量的相伴概率都較顯著，接受原假設，說明CBCFI的對數收益率rt=lnCBCFIt-lnCBCFIt-1是均值為零的隨機過程。進一步對方程的殘差進行ARCH LM檢驗，滯后階數選擇3階，結果如表1所示，F統計量為216.2296，對應的概率值為0.0000，表明檢驗輔助。

表1

回歸方程中的所有滯后殘差平方項是聯合顯著的。Obs* R2=321.6331，相應的概率值為0.0000，因此拒絕“殘差不存在ARCH效應”的原假設，說明殘差序列存在條件異方差性?？梢钥紤]使用自回歸條件異方差模型（ARCH）和廣義自回歸條件異方差模型（GARCH）來擬合隨機誤差項的條件方差。

（二）GARCH-M模型估計

在檢查到隨機誤差項存在ARCH效應后，對CBCFI日收益率r估計GARCH-M模型，在預先試算中，由于均值方程中估計的常數項近似于0，且常數項系數對應的Z統計量不顯著，擬合效果較差，所以文章直接采用不含常數項的GARCH-M模型，在均值方程中加入條件標準差，默認采用正態分布為隨機誤差項的分布形式。估計后分別得到如下均值方程3和方差方程4。各系數估計值都非常顯著，GARCH-M模型的擬合效果較好。

收益率序列r的均值方程：

條件方差方程：

對數似然值L=2223.955，AIC=-6.9700，SC=-6.9420

從估計的均值方程可以看到，σt的系數估計值為 -0. 083024,負的系數表明CBCFI的風險與收益存在反向關系，風險增加，收益反而降低，即當市場中預期風險增加1%時，會導致預期收益率相應的降低0.05835%，這與傳統的金融時間序列高風險高收益的特性相背。

（三）EGARCH模型估計

文章在EGARCH模型估計中，ARCH項和GARCH項都默認為一階，即采用EGARCH(1，1)模型，并假定隨機誤差項μt服從正態分布。方程5為EGARCH(1，1)模型的條件方差方程估計結果：

EGARCH模型的條件方差方程中的參數估計值的z統計量都非常顯著，表明這些參數估計值是顯著的。在EGARCH模型的估計結果中，非對稱項的系數值等于0.075154，這說明正的沖擊（好消息）比同樣程度負的沖擊（壞消息）產生的波動更大，好消息（即＞0）對條件方差的對數產生1.180882+0.075154的沖擊，壞消息（即＜0）對條件方差的對數產生1.180882-0.075154的沖擊，從而表明CBCFI具有“反杠桿效應”。

四、結論

文章首先對CBCFI的對數收益率進行了ARCH LM檢驗，隨后用GARCH-M模型和EGARCH（1）模型進行擬合，對CBCFI收益率的波動性進行了全面的實證分析，得出以下結論：

第一，CBCFI的對數收益率rt是均值為零的隨機過程，大多數金融資產價格都服從這種隨機游走過程。

第二，回歸方程殘差存在條件異方差，GARCH-M（1）模型能較好的擬合隨機誤差項的條件方差，均值方程的系數為負值，預期風險增加卻導致收益率降低，風險與回報不成正比。未來開放交易，將會影響到部分理性投資者的入場。不過，金融機構和投機者的進入，應該會使指數得到一定的修正。

第三，EGARCH模型中正的非對稱項系數表明，CBCFI對利好消息反應敏感，利好消息比利空消息能產生更大的波動，因此，在行業背景較好的情況下，可以選擇積極做多。

[1]施文明.中國沿海運價指數與波羅的海運價指數的實證分析[J].統計教育,2009，03.

[2]鄭懿.中國沿海（散貨）運價指數波動分析 [J].水運管理, 2010，05.

[3]計明軍.基于組合模型的油輪運價指數分析與預測[J].交通運輸系統工程與信息,2012，02.

[4]楊娟.基于ARCH模型族的中國沿海煤炭運價波動性研究[D].大連海事大學碩士學位論文，2011.

[5]劉翠蓮.基于ARCH族模型的沿海煤炭運價指數波動性評價[J].武漢理工大學學報，2012.06.

[6]張家麟.中國沿海煤炭運價期貨套期保值效率研究[D].上海交通大學碩士學位論文,2013.

張秋雨，男，上海海事大學經濟管理學院碩士，研究方向：航運經濟與金融。

U6-9

A

1008-4428（2015）02-42-02