基于VAR模型探究BDI和燃油價格的相互影響

印蕾 陳雪玫

摘? 要：燃油價格近期受疫情影響出現劇烈波動，國際干散貨航運市場也受到巨大影響。基于Clarksons官方數據庫1992年1月至2020年4月相關數據，進行實證研究發現，國際燃油價格的暴跌對波羅的海干散貨運價指數的下降有著顯著的正向影響;燃油價格雖然也在一定程度上受到BDI的影響，但存在一定的滯后性。這有利于干散貨運輸公司根據燃油價格波動預測運價指數的變化趨勢，從而采取多樣的方式應對沖擊。也對保障干散貨運輸市場的穩定發展有重要意義。

關鍵詞：BDI;Brent原油價格;VAR模型;Stata分析

中圖分類號：F250? ? 文獻標識碼：A

Abstract： Fuel prices have fluctuated dramatically recently due to the impact of the epidemic， and the international dry bulk shipping market has also been greatly affected. Based on the Clarksons database data from January 1992 to April 2020， the empirical study found that the collapse of international fuel prices had a significant positive impact on the decline of the Baltic Dry freight index. Although fuel price is also affected by BDI to a certain extent， there is a lag. This is helpful for dry bulk transportation companies to forecast the change trend of freight price index according to the fluctuation of fuel price， so as to adopt various ways to cope with the impact. It is also of great significance to ensure the stable development of dry bulk transportation market.

Key words： BDI; Brent crude; VAR model; Stata analysis

0? 引? 言

干散貨運輸是國際航運的重要組成部分，國際航運在國際貿易中占重要地位，所以干散貨航運市場的發展一定程度上影響著國際貿易與世界經濟。干散貨運價是干散貨市場行情的反應，波羅的海運價指數（BDI）就是由英國波羅的海航運交易所發布的權威的干散貨運價指數，也被稱為國際干散貨航運市場的“晴雨表”。它受很多因素的影響，燃油價格就是其中一個重要因素。從圖1時間趨勢圖可以看出BDI與布倫特（Brent）原油價格的升降具有一定的聯動性。雖然原油價格和BDI都有所波動，但二者的趨勢存在一定的相關性。

BDI的預測是學者們關心的問題，余方平等（2017）探究了BDI指數的周期，發現BDI的長周期約16年。武華華等（2019）對BDI進行了預測，比較分析了各種預測方法的準確性。王大山、劉文白（2018）通過建立聯立方程預測了BDI的走勢。也有學者研究BDI的影響因素，陳麗娜（2019）在波羅的海干散貨運價指數影響因素分析中指出供需關系、世界經濟、航運成本、船舶投資等都是影響干散貨運價的重要因素。武嘉璐、徐迪（2017）基于理論研究了燃油價格作為成本對干散貨運輸市場的作用。研究BDI與其他指標的相關關系對干散貨運輸市場也有重要影響，李瑞華等（2014）運用VEC模型研究發現BDI與黃金價格和道瓊斯指數均呈現負相關協整關系。陳麗芬等（2016）基于2000～2015年的數據運用SVAR模型分析了干散貨運價與燃油價格的關系，指出燃油價格的上漲與干散貨運價指數的增長存在顯著影響。RUAN等（2016）基于MF-DCCA分析得出在短期內BDI與原油價格的交叉關聯具有持久性的特點。VAR模型作為研究變量動態關系的有效方法也在多個領域被運用。侯玉巧等（2020）運用VAR模型研究了綠色創新與經濟增長動態關系。唐韻捷、曲林遲（2015）基于DCC-MGARCH和VAR模型分析了中國股票市場與干散貨航運市場的動態相關性。

現有文獻中對于BDI這一單變量的研究已經取得一定成果，但是對于燃油價格與BDI相關關系的研究文獻很少。而且現有文獻中將燃油價格作為燃油成本從理論層面研究其對干散貨市場影響的更少。本文將采用最新數據進行實證分析，基于VAR模型將BDI和燃油價格作為一個系統來研究這兩者的動態相互作用，并檢驗其穩健性。這對干散貨運輸市場有重要意義，也有利于干散貨運輸公司根據燃油價格波動預測運價指數，從而采取多種方式應對沖擊。

1? 數據來源與分析

1.1? 數據來源

本文的數據均來自于Clarksons，選取了1992年1月至2020年4月波羅的海指數和布倫特（Brent）原油價格的月度數據，運用Stata軟件進行數據處理與分析。其中布倫特（Brent）原油價格的單位是美元/桶。世界原油三分之二以上的交易量是以北海布倫特（Brent）原油為基準油作價。布倫特原油期貨及現貨市場所構成的布倫特原油定價體系，最多時涵蓋了世界原油交易量的80%。而今，全球仍有約65%的原油交易量是以北海布倫特原油為基準油作價。所以本文選取布倫特（Brent）原油價格作為衡量燃油成本的變量。BDI表示波羅的海運價指數，Brent表示布倫特原油價格。

1.2? 平穩性檢驗與協整分析

VAR模型是建立在時間序列是平穩的基礎上的，所以如果時間序列存在單位根則為非平穩序列，就可能使自回歸系數估計值出現偏差，為避免兩個相互獨立的單位根變量出現偽回歸問題，需要進行單位根檢驗以驗證其平穩性。本文采用的單位根檢驗為ADF檢驗（Augmented Dickey-Fuller單位根檢驗），假設選擇了適當的滯后期p=12，檢驗方程式為：

Y=β+ρY+γ+γΔY+μ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ?（1）

表1顯示BDI的時間序列中ADF檢驗值為-3.083，無法在1%的水平上拒絕存在單位根的原假設，而且“麥金農的近似p值”為0.028，所以認為BDI含有單位根。同樣，回歸結果也表明Brent的時間序列也無法拒絕存在單位根的原假設。所以對其取一階差分進而得到平穩序列。因為一階差分變量與原序列的含義并不相同，為驗證是否可以使用原序列進行回歸，需要進行協整分析。協整秩檢驗結果表明，唯一線性無關的是秩為0的協整向量。說明BDI和Brent之間不存在“長期均衡關系”，故選擇變量BDI和Brent一階差分后的平穩序列ΔBDI和ΔBrent作為內生變量建立模型。

2? 模型與實證

本文致力于探究BDI和燃油價格的相關關系，傳統的回歸模型是建立在解釋變量與被解釋變量明確的因果關系之上的，向量自回歸模型（VAR）突破了傳統經濟模型的局限性，研究對象既可以作為解釋變量又可以作為被解釋變量，VAR模型用于研究多個變量間的相關關系。可以將多個變量作為一個系統來預測，以使預測結果相互自洽。VAR模型建立如下：

Y=Γ+ΓY+ε? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? （2）

表2顯示不同信息準則選擇的滯后階數并不一致，本文依據FPE準則選擇最優滯后階數5階。經檢驗各階系數均高度顯著，且擾動項為白噪聲，由圖2可知所有特征值均在單位圓內，故此VAR系統是穩定的。

從表3中的回歸結果來看滯后一階的ΔBrent對ΔBDI有著顯著的正向影響，且影響系數達107，這就說明上一期的ΔBrent的上升會推動本期ΔBDI的增長，即國際燃油價格的上升對波羅的海干散貨運價指數的增長有著顯著的正向影響。表3中數據也可看出ΔBDI和ΔBrent與上一期的結果有正相關關系。

3? 穩健性檢驗

3.1? 格蘭杰因果檢驗

為驗證BDI和Brent動態過程中的因果關系，本文采用格蘭杰因果檢驗。從表4可以看出在以ΔBDI為被解釋變量的方程中，檢驗變量ΔBrent系數的聯合顯著性卡方統計量為32.048，p值為0，說明ΔBrent是ΔBDI的Granger原因。類似的ΔBDI也是ΔBrent的Granger原因，這就說明ΔBDI與ΔBrent存在雙向因果關系，兩者在長期內相互影響，但是ΔBDI受ΔBrent的影響要更顯著一些，這與表3中回歸結果得出的結論一致。

3.2? 脈沖響應函數

脈沖效果可以進一步解釋不同滯后期每個變量受到什么因素的影響，更換變量次序檢驗穩健性。從圖3中可以看出ΔBDI在前兩個時期受自身沖擊較大，并急速減弱，在第四期負的影響最大，之后趨于平穩。圖3（b）中ΔBDI對ΔBrent正交脈沖的響應說明波羅的海干散貨運價指數在很大程度受到國際燃油價格波動的影響，燃油價格的上升在前兩個時期迅速推動干散貨運價的提升，運價上升會導致交易量出現下降，從而導致對于國際燃油的需求減少。因為一方面存在一定的滯后效應，另一方面國際燃油價格受到很多外部因素的影響，燃油價格不會迅速回落，所以在第四期干散貨運價指數對燃油價格脈沖響應為負。ΔBrent在前兩個時期受自身沖擊較大，在第三期趨于平穩。圖3（d）中ΔBrent對ΔBDI正交脈沖的響應說明在前三期波羅的海干散貨運價指數與燃油價格變化趨勢一致，有著很強的相關關系。結合圖3（d）可以看出ΔBrent對ΔBDI正交脈沖的響應要滯后于ΔBDI對ΔBrent正交脈沖的響應，說明運價指數受燃油價格的影響是直接的，而燃油價格受到更多的外部因素影響，受運價指數影響較小。

3.3? 方差分解

方差分析根據每個變量對內生變量的貢獻程度，得出每個結構沖擊的重要性。表5中數據可以解釋為，對ΔBDI進行向前一個月的預測，其預測方差完全來自于本身，即使是向前做12個月的預測，依然有92%的預測方差來自于本身，其余8%來自ΔBrent。從ΔBrent的方差分解結果可以看出其預測方差也主要受自身影響。改變變量排序后結果依舊穩健。說明干散貨運價指數受燃油價格波動的影響較大，而燃油價格受外部因素影響較大，干散貨運價指數可能在一定機制下會對燃油價格產生影響，但并沒有對其影響作出很大貢獻。

4? 結論與建議

本文選用Clarksons官網1992年1月至2020年4月波羅的海指數和布倫特（Brent）原油價格的月度數據，運用Stata軟件進行數據處理與分析。在進行平穩性檢驗和協整分析的基礎上選用一階差分后的平穩序列ΔBDI和ΔBrent作為內生變量建立模型。結果表明：（1）滯后一階的ΔBrent對ΔBDI有著顯著的正向影響，即國際燃油價格的上升對波羅的海干散貨運價指數的增長有著顯著的正向影響。（2）ΔBDI與ΔBrent存在雙向因果關系，兩者在長期內相互影響，但是ΔBDI受ΔBrent的影響要更顯著一些。（3）波羅的海干散貨運價指數在很大程度受到國際燃油價格波動的影響，燃油價格的上升在短期內迅速推動干散貨運價的提升，運價上升會導致交易量出現下降，從而導致對于國際燃油的需求減少，但是燃油價格不會迅速回落，一方面是因為燃油價格對于BDI的反應存在一定的滯后效應，另一方面國際燃油價格受到很多外部因素的影響。

運價指數受燃油價格的影響是直接的，而燃油價格受到更多的外部因素影響，受運價指數影響較小。干散貨運輸公司可以根據燃油價格的變化預測運價指數的走勢，這也啟示干散貨運輸公司可以從調節運力、采取經濟航速、提高燃油使用效率等方面著手，采取切實有效的方法規避燃油價格波動帶來的沖擊。

參考文獻：

[1] 陳里娜. 波羅的海干散貨運價指數影響因素分析[J]. 水運管理，2019，41（5）：34-37.

[2] 余方平，匡海波. 基于VMD-GRGC-FFT的BDI指數周期特性研究[J]. 管理評論，2017，29（4）：213-225.

[3] 武華華，匡海波，宋揚. 基于VMD-FFT-LSTM模型的BDI指數預測[J]. 大連海事大學學報，2019，45（3）：9-16.

[4] 王大山，劉文白. 國際干散貨航運市場發展及BDI指數預測研究——基于聯立方程模型的分析[J]. 價格理論與實踐，2018（6）：78-81.

[5] 武嘉璐，徐迪. BDI指數與干散貨運輸市場盈利性關系[J]. 水運管理，2017，39（10）：5-8.

[6] 李瑞華，宋炳良. 基于協整理論的海運價格指數影響因素[J]. 中國航海，2014，37（3）：123-126.

[7] 陳麗芬，謝新連，桑惠云，等. 基于SVAR模型的干散貨運價和燃油價格的相關性分析[J]. 大連海事大學學報，2016，42（4）：119-124.

[8]? Ruan Q S， Wang Y， Lu X S， et al. Cross-correlations between Baltic Dry Index and crude oil prices[J]. Physica A： Statistical Mechanics and its Applications， 2016，453：278-289.

[9] 侯玉巧，汪發元. 綠色創新與經濟增長動態關系研究——基于VAR模型的實證分析[J]. 生態經濟，2020，36（5）：44-49.

[10] 唐韻捷，曲林遲. 中國股票市場與干散貨航運市場的動態相關性——基于DCC-MGARCH和VAR模型的實證分析[J]. 上海海事大學學報，2015，36（1）：38-45.