《Ocean & Coastal Management》:Interconnected freight markets: An ensemble learning and GAM approach to regional and international dry bulk shipping rates
编辑推荐:
本研究结合集成学习与广义加性模型(GAM),分析黑海和地中海区域货运指数(BDI、EUSSIX、ISM、ISTFIX)与国际指数的复杂关系,揭示三重互动机制,证明区域市场通过溢出效应可逆向影响全球航运动态,挑战传统单向因果假设,为精准区域预测和风险管理提供新视角。
Cemile Solak-Fiskin|Erkan Cakir|Remzi Fiskin|Ersin Firat Akgul|Efendi Nasibov|Tuba Akkaya
土耳其奥尔杜大学海洋科学学院
摘要
波罗的海干货指数(BDI)被广泛认为是衡量航运市场状况的关键指标,有助于分析市场历史发展、识别当前趋势以及预测未来市场走势。尽管该指数具有很高的实用性,但长期以来对区域特性的关注相对较少。因此,其与快速发展的区域货运市场之间的精确关联尚未得到充分解释。为了解决这一局限性,本研究采用了一种新方法,将集成学习技术与广义加性模型(GAM)相结合,以研究区域和国际货运费率指数之间的复杂关系,并考虑宏观经济和行业特定变量。利用2016年至2024年间黑海和地中海地区的14个变量和413周观测数据,研究发现货运指数之间存在一种三重交互模式,这种模式显著影响了全球航运动态。结果表明,区域指数不仅对国际市场状况有所反应,还对全球货运基准产生了可测量的影响,这挑战了传统的单向因果关系假设。所提出的三重交互框架为航运市场提供了新的视角,并使区域预测更加准确。具体而言,研究结果表明区域市场可以通过相互关联的溢出机制影响全球货运流动。船东和租船人应将其区域特定指数纳入风险评估框架,以便为目标区域量身定制对冲和运营策略,而不仅仅是依赖通用的BDI。
引言
航运业面临着持续的不确定性,最近由于全球化放缓、乌克兰战争、红海交通中断、巴拿马运河水位下降以及向更清洁能源的转型等因素,这种不确定性加剧了(UNCTAD,2024)。这些冲击导致了货运费率的剧烈波动,这一点从波罗的海干货指数(BDI)中可见一斑(Investing,2025)。历史上,BDI一直表现出波动性,包括大幅上涨后迅速下跌的情况,而这些现象并非仅由最近的地缘政治事件引发。实际上,这种波动性是航运市场的结构性特征,源于船舶建造周期较长导致的短期供应相对缺乏,以及全球经济波动引起的需求高度不确定性(Stopford,2009;Kavussanos和Marcoulis,2000)。波动的货运费率直接影响市场参与者的经济决策(例如Kavussanos和Tsouknidis,2014;Kavussanos和Tsouknidis,2016;Melas等人,2022),进而影响海上项目的投资(Alexandridis等人,2018)。因此,货运费率对于航运业的风险管理和决策至关重要(Li等人,2023;Güng?r和Barlas,2022)。
货运费率通常通过指数来跟踪,其中BDI被广泛认为是衡量国际商业活动和海上贸易的关键指标(Duru,2010)。历史上,BDI一直被视为全球海上贸易的晴雨表,反映了各行业市场的干货需求(Gu等人,2020;Han等人,2020),并且常被视为未来经济活动的预测指标,尤其是在发展中国家(Lin和Sim,2013;Sartorius等人,2018)。文献甚至将BDI描述为提供了一个“民主的机会窗口”,因为它提供了公开市场的洞察(Lin和Sim,2014)。然而,BDI也面临一些批评。特别是Adland等人(2017)指出了其在计算过程中对人为判断的依赖性,而Gu等人(2020)进一步强调了其在反映国家层面或地方条件方面的不足。这些批评促使人们呼吁开发能够更好地捕捉区域动态和日益复杂的航运市场指数的新指标。
BDI主要衡量的是大型干散货船(如Capesize、Panamax和Supramax船舶)的运费收益,但它未能完全反映主要由小型船舶运输驱动的区域海运的独特动态。这一局限性凸显了开发反映区域特征指数的必要性。一些举措体现了这一趋势:例如,上海航运交易所开发了十二个综合指数来总结中国的出口货运市场(上海航运交易所,2024),而天津航运指数(TSI)及其四个子指数提供了对中国北方货运市场的详细见解(天津航运指数,2024)。尽管BDI仍然是一个具有影响力的国际基准,但区域指数正在不断增加。然而,许多这些指数缺乏进行精确预测和稳健分析所需的细粒度和方法论严谨性。在这方面,Gu等人(2020)使用向量自回归(VAR)和格兰杰因果关系分析来研究BDI、TSI、远期货运协议及相关控制变量之间的相互作用。同样,Gu等人(2022)使用VAR模型分析了天津干散货指数与BDI之间的决定因素和相互作用。Tsioumas等人(2021)提出了一个结合经济效应的新指数,并通过格兰杰因果关系研究了其与BDI的关系。这些研究反映了学术界对国际和区域航运变量之间相互作用日益增长的兴趣。
然而,现有研究主要将区域市场视为全球动态的被动接受者,忽视了区域市场通过我们所谓的“三重交互效应”影响国际指数的潜力。与传统仅关注全球与行业之间联系的二元视角不同,三元视角捕捉了区域影响因素的同时性和相互依赖性,从而更全面地理解市场信号如何在不同尺度上传播。所谓的三重交互效应,指的是国际指数、区域指数和行业特定影响因素之间的相互作用。本研究通过探讨两个关键研究问题来填补这一空白:(i)区域和国际航运指数是否表现出三重交互模式?(ii)影响区域海运指数的关键决定因素是什么?本研究的核心理论贡献在于证明小型船舶区域市场可以通过相互关联的溢出机制对全球货运动态产生可测量的影响,挑战了从全球到区域市场的传统单向因果关系假设。
本研究旨在通过引入一种结合集成学习技术和广义加性模型(GAM)的方法论框架,来研究海运指数之间的复杂相互关系和关键驱动因素。集成学习通过提高稳健性和减少过拟合来改进变量选择过程,而GAM则能够灵活地建模预测变量与目标变量之间的非线性和复杂关系。这种混合方法特别适用于分析海运指数,因为海运指数通常具有高波动性、非平稳性、缺乏清晰结构和非线性动态等特点,这些特点在更传统的金融时间序列中更为常见(Li等人,2023)。
GAM通过克服线性模型的局限性,为海运研究提供了强大的替代方案,使得复杂和非线性关系的建模成为可能(Ju等人,2024;K?hn和Thanopoulou,2011;Lee等人,2021)。传统的线性回归模型假设自变量对因变量的影响是恒定且线性的。然而,当变量之间的关系表现出复杂或非线性特征时,这一假设就不成立了(Harvei和J?rgensen,2019)。虽然传统的时间序列模型(如VAR)在解释宏观层面关系方面表现良好,但在应用于微观和非线性问题时,其解释能力可能有限(Lütkepohl,2005)。在这种情况下,GAM结合了参数和非参数成分,允许对因变量进行更灵活和有效的建模。GAM的一个关键优势是能够通过平滑函数图形化展示每个解释变量对因变量的边际效应。这一特点不仅增强了解释能力,还为决策者提供了更高的可解释性。事实上,与线性和逻辑回归相比,GAM通常能获得更高的R2值和更低的AIC分数,从而提高模型拟合度(Swider等人,2019)。此外,尽管像XGBoost这样的机器学习算法在预测准确性方面可能表现更好,但GAM在变量效应的可解释性方面更具优势(Adland等人,2023)。这使得GAM在航运经济学、船舶估值或风险分析等领域的决策支持系统中具有很高的价值。
最后,本研究表明,国际和区域指数不仅受到宏观经济和行业特定变量的显著影响,它们之间也存在强烈的相互联系。这些发现有望为提高航运市场的透明度和效率做出贡献。研究的其余部分概述了影响货运市场的变量,并提出了相应的假设。第3节介绍了数据、数据收集过程和方法论框架。第4节提供了结果,包括多因素效应和交互项。第5节讨论了研究结果,第6节总结了研究结论。
章节摘录
理论背景
海运干散货运输行业通常被视为一个完全竞争的市场,其运作受到供需相互作用的影响,货运费和船队部署决策会对复杂的经济信号作出反应(Lun等人,2010)。实证研究一致认为,国内生产总值、工业生产、通货膨胀和商品价格等关键宏观经济因素是货运市场动态的核心(Beenstock和Vergottis,1989a;Beenstock和
研究领域
像BDI这样的货运指数用于监测煤炭、铁矿石和谷物等货物的市场趋势,但在捕捉区域特定动态方面存在局限性,因为它主要反映的是全球总体趋势,可能忽略区域特征。因此,本研究特别关注黑海和地中海地区,这些地区在全球干散货运输中发挥着关键作用特征重要性分析
本节概述了应用集成方法识别和检验影响国际和区域货运指数(如BDI、EUSSIX、ISM和ISTFIX)的因素的模型结果。
对于分类和预测模型,数据被划分为训练集和测试集,并评估其准确性。通常,数据集是随机或线性划分的。由于本研究的数据集是时间序列,因此选择了线性划分方法
讨论
本研究强调了捕捉区域指数与全球指数之间以及宏观和微观变量之间复杂的三方交互的重要性,这对于有效市场感知和增强市场透明度至关重要。信息不足和缺乏稳健的方法论方法可能导致重大财务损失。Gu等人(2020)和Tsioumas等人(2021)等先前的研究已经指出了传统参数计量模型(如VAR)的局限性
结论
本研究调查了干散货航运市场中区域和国际货运费率指数之间的相互依赖性,强调了影响这些关系的潜在因素。通过结合集成学习方法和GAM,本研究有效捕捉了传统参数模型(如VAR)往往无法识别的复杂、非线性和动态的相互作用。该方法论框架允许整合广泛的宏观经济变量
CRediT作者贡献声明
Cemile Solak-Fiskin:验证、监督、项目管理、方法论、研究、资金获取、概念化。
Erkan Cakir:撰写初稿、可视化、验证、软件、方法论、研究、数据分析。
Remzi Fiskin:撰写初稿、可视化、监督、资源管理、方法论、研究、数据分析。
Ersin Firat Akgul:撰写初稿、验证、资源管理、方法论、研究、数据分析。
写作过程中生成式AI和AI辅助技术的声明
在准备本工作时,作者使用了ChatGPT/OpenAI来提高手稿的可读性和语言表达。使用该工具/服务后,作者根据需要审查和编辑了内容,并对发表文章的内容负全责。
利益冲突声明
作者声明以下可能被视为潜在利益冲突的财务利益/个人关系:本研究的资金支持来自土耳其科学技术研究委员会(TUBITAK)。如果有其他作者,他们声明没有已知的财务利益或个人关系可能影响本文所述的工作。
致谢
本研究得到了土耳其科学技术研究委员会(TUBITAK)(授权号123K373)的支持。作者感谢TUBITAK的支持。