一、波罗的海运价指数波动规律研究与预测(论文文献综述)
王天姿[1](2021)在《中美贸易战对干散货海运价格的影响研究》文中指出
李博[2](2021)在《中国出口集装箱运价指数研究述评与未来展望》文中提出中国出口集装箱运价指数(China Containerized Freight Index,简称CCFI)是全球唯一用于反映集装箱运价的指数。该指数客观、及时地反映了中国集装箱航运市场运价变动情况。是否能够主动掌握CCFI指数的发展态势,及时准确地应对CCFI指数的波动,是政府和企业在市场上做出正确决策的关键。在总结中国出口集装箱运价指数研究现状的基础上,从CCFI指数的编制、波动特性、影响因素以及预测四个方面,系统地对已有相关研究进行述评并展望。
汤霞[3](2021)在《集装箱班轮运价市场波动及传导特征研究》文中指出随着全球经贸往来的日益频繁,国际集装箱班轮运输发展速度远远超过其他海上运输方式,正发挥着越来越重要的作用,班轮运输市场波动也备受国内外学者关注。受国际经济形势、政治局势、重大事件、科技发展等多种不确定性因素影响,国际集装箱班轮运价市场波动剧烈,给航运企业、货主货代、金融机构等市场参与者带来极大的经营及投资风险,也不利于国家对外经贸的健康发展。如何从不同维度深入挖掘集装箱班轮运价市场波动及传导动力学特征,为市场参与者提供更全面有效的市场信息辅助决策,是航运经济领域的重点关注问题。因此,本研究在不同形式的集装箱班轮运价市场的复杂波动特征分析的基础上,引入复杂网络理论,分别对时间维度上集装箱班轮即期市场运价指数自相关波动、空间维度上集装箱班轮分航线市场运价关联波动、金融属性维度上集装箱班轮期现货市场价格关联波动的传导动力学特征进行了研究,揭示了集装箱班轮运价市场内在波动传导规律,提出了针对市场参与者经营及投资决策、政府部门航运产业调控措施的相关建议。主要研究工作及创新如下:(1)挖掘了集装箱班轮运价市场不同时间尺度下的波动规律。基于VMD方法构建了集装箱班轮运价市场波动特征分析及走势预测模型,以上海出口集装箱班轮市场为实证研究对象,对其即期、分航线和期货等不同形式的集装箱班轮运价市场的复杂波动特征进行了分析,较好地提炼了其内在时间尺度特征,合理表达了其蕴含的经济意义,为集装箱班轮运价市场波动传导特征研究奠定了基础。研究结果表明,不同形式的集装箱班轮运价序列均呈现非线性、非平稳和多时间尺度特征,不同时间尺度下表现出的长期趋势、周期性、季节性和不规则波动规律略有不同,是典型的复杂性系统。(2)引入符号动力学方法和复杂网络理论,构建了集装箱班轮运价指数序列的自相关波动网络模型,以SCFI为实证研究对象,通过网络的核心模态、传导模式、集群效应、传导媒介能力、传导距离等拓扑结构分析,探讨了其自相关波动传导动力学特征,从微观视角深入理解即期市场整体波动规律和机理。研究发现,SCFI自相关波动具有一定的持续性、周期性和集群效应,波动传导模式有规律可循,以正相关波动为主,存在波动状态转变的前兆模态,可为市场波动风险提供预警信息,预测SCFI的波动方向。(3)借助格兰杰因果关系检验与复杂网络理论,构建了集装箱分航线市场运价波动格兰杰因果网络模型,以SCFI分航线市场为实证研究对象,从系统整体新视角研究了其运价波动传导范围、传导距离、传导媒介能力、集聚能力及传导路径等动力学特征,从空间结构维度加深对集装箱班轮运价市场的认识。研究表明,SCFI不同航线运价波动的影响范围和被影响范围均不同、航线子市场间运价波动传导的速度很快、不同航线媒介能力及集聚能力不同、可划分为4个社团等。市场参与者可据此确定重点监测子市场,把握市场波动传导路径,优化经营决策,强化市场精准调控。(4)通过集装箱班轮期现货市场关联波动状态的定义、符号化和粗粒化处理,构建了集装箱期现货价格关联波动网络模型,以SCFI欧洲、美西航线期现货价格为实证研究对象,通过分析关联波动网络的拓扑结构研究了集装箱期现货价格关联关系的动态波动传导特征,从金融属性维度加强集装箱班轮市场发展特征的理解。研究发现,期现货价格关联波动的主要趋势为同向关联,美西航线同向关联概率大于欧洲航线,关联波动具有周期性、群簇性和小团体特征,存在少数介数高点强度低的关联波动模态是群簇关联波动转换的前兆。市场参与者可据此合理制定航线运价、调整跨市场投资策略等。
周晨昕[4](2020)在《基于加权组合模型的沿海散货运价指数预测研究》文中研究表明沿海散货运价指数(Coastal Bulk Freight Index,简称“CBFI”)预测研究既是航运企业对散货运输市场发展形势的把握,也是制定企业发展战略的基础。因此,对CBFI指数进行预测研究,不仅使航运企业正确把握市场,而且能使政府做出合理规划和有效投资,对未来的把握和决策具有重大意义,·已成为航运运输市场关注的焦点。散货运价受自然气候和市场不规则因素的影响日益加剧,散货运价序列呈现出非平稳、非线性的特性,航运界的专家学者致力于探寻适用度更优、精度更高的预测模型,从而实现航运市场的持续性发展本文以上海航运交易所发布的CBFI为研究对象,在分析我国沿海散货运输市场内在波动规律的基础上,从内在波动特性角度探究了 CBFI指数预测模型,其主要目的是为了得到高精度的预测模型,为沿海散货运输市场提供技术支撑。本文主要以这三方面进行研究论述:(1)以CBFI为分析对象,应用EMD方法,联合采用IMFs重构和统计分析方法,从重大事件影响、短期市场不规则事件及长期发展趋势三个方面对CBFI内在波动特性进行研究,为后续的预测研究奠定基础。(2)针对EMD预处理后的运价指数序列,建立PSO-LSSVM模型和AR模型的预测模型,同时,对比LSSVM和PSO-LSSVM单一预测模型,预测结果表明经数据预处理的组合模型在预测精度和效果均高于单一预测模型。研究发现经EMD预处理后的AR模型对平稳部分预测效果优于PSO-LSSVM模型,经EMD预处理后的PSO-LSSVM模型对高值部分预测效果优于AR模型。(3)选用以上两种基于EMD预处理后的AR模型和,PSO-LSSVM模型,建立加权组合模型对CBFI指数进行预测。预测结果显示,均方根误差(RMSE)为20.3104、平均相对误差绝对值(MAPE)为1.3292、拟合优度(R2)为98.14%、绝对误差(RE)为1.33%,均优于基于EMD的组合预测模型预测效果。加权组合模型能够统筹经预测模型中所包含的重要信息,并加以综合利用,更为精准地预测沿海散货运输市场的未来发展趋势。经实例分析后,相比单一模型及未经数据预处理的组合模型,本文运用的加权组合模型均优于其对比模型的预测效果及精度,为精准地预测散货运价提供技术模型。
汪晓松[5](2020)在《重庆航运运价指数构建与运行研究》文中提出近年来,重庆市政府对航运事业的发展出台了许多政策,其中比较重要的就是《重庆航运中心发展规划》。根据规划的内容,重庆即将发布的航运指数对整个航运市场有着至关重要的作用,它可以进一步使得重庆航运市场得到空前的繁荣发展。当前,重庆具备航运的技术条件和市场规模,发布航运指数是非常必要而且可行的。在上述背景下,开展重庆航运指数信息收集与发布机制研究对促进重庆长江上游航运中心的形成无疑具有极大的推动作用和重要意义。论文立足于对重庆航运市场的全面调查,依据重庆航运市场的基本现状,运用相关基础理论,对重庆航运运价进行了指标体系的重构。这些指标体系主要包含航运景气指数、干货运价指数、集装箱运价指数等。首先,论文重新梳理并归纳了国内外航运指数的发展历程和运行的实际情况;其次,着重分析了重庆航运中心发布的相关方案,结合航运指数的有关特点、原则、基本方案,深入剖析重庆航运指数体系在编制过程中存在的诸多问题,并针对这些问题提出解决措施和相关建议。重庆航运指数体系的选择包含样本船公司、运价类型、航线的选择等多个方面的因素。并通过相关运行数据进行试算,得出论文研究的结论。论文通过探讨基于拉氏公式的重庆航运指数,对进一步完善重庆航运指数的编制具有重要的指导意义,并可以为港航企业提供一定的参考,为相关政府部门提供决策的依据。
李弘康[6](2020)在《BDI干散货指数与大宗商品价格的动态关联性研究》文中认为波罗的海干散货运价指数BDI指数,作为反映国际干散货运价整体水平的经典指标,一直受到航运界与国际贸易界的高度关注,因此深入分析BDI指数的变化规律,了解与其它经济变量的关系,对于航运企业做出正确的决策控制风险以及贸易企业判断未来干散货运价具有重要的意义。本文研究内容具体可分为四个方面:第一,针对影响世界干散货贸易BDI指数产生变化的因素进行详细说明,并选取了与国际干散货运输市场密切相关的铁矿石、动力煤、大豆、原油四类大宗商品作为研究对象,分析了这四类大宗商品与BDI指数相互作用的机理。第二,运用DCC-GARCH模型对BDI指数与大宗商品价格波动的动态关联性展开研究,发现BDI指数与铁矿石、动力煤和原油收益率序列波动有正向相关关系,与大豆收益率序列的波动有负相关关系,但是在不同时段BDI指数与大宗商品价格波动的相关系数有较大变化。第三,利用线性回归分析、Johansen协整检验、格兰杰因果检验、脉冲响应函数分析等检测方式,针对铁矿石、动力煤、大豆以及原油价格的时间序列与BDI指数之间存在何种关联进行调查分析,发现BDI指数与大宗商品价格存在格兰杰因果关系,并且有2周到1个月的滞后影响。第四,基于研究四种大宗商品同BDI指数之间的动态关联性,为航运企业与用户在运价走势的判断提供决策依据。本文利用了DCC-GARCH模型和VAR模型进行定量研究,发现BDI指数与国际大宗商品价格变化之间存在显着的动态关联性,以及BDI指数与国际大宗商品价格具有长期协整关系,进一步为依托大数据的BDI指数的经济预测提供参考。
赵海[7](2020)在《海上丝路运价指数波动研究分析——基于宁波集装箱运价综合指数》文中研究说明在"一带一路"倡议下,宁波建立了海上丝路指数,其中集装箱综合运价指数即NCFI是航运业的晴雨表。通过研究发现,NCFI综合指数具有波动聚集性的特性,其NCFI综合指数的收益率存在一阶单整效应,通过对数据的整理和分析得到NCFI综合指数的收益率存在自相关,扰动项存在异方差。通过对比分析,对NCFI综合运价指数收益率建立GARCH(1,1)模型,前一期的影响对本期的影响是相对比较大的,上一期的风险也给本期的风险带来很大的影响通过。对NCFI综合运价指数的波动分析可以全面的了解整体市场的运行波动情况以及目前市场的风险程度。
华元韬[8](2019)在《中国沿海煤炭水运价格波动规律及预测方法研究》文中研究指明近年来煤炭运价波动较为剧烈,而沿海煤炭水运在我国华东和华南地区的能源供给中发挥着重要的作用。在本文旨在详细研究我国沿海煤炭水运价格的波动规律并找到最合适的预测方法,进而为政府、航运经营者和铁路部门提供参考和建议。本文首先通过基于离差平方和的系统聚类法对10条沿海水运线路在2013年7月至2018年12月的运价时间序列数据进行聚类,并总结研究聚类结果发现我国沿海煤炭货运线路根据其运距和线路上船只载重情况可分为中途中吨位、中途高吨位、长途高吨位和中途低吨位四大类。基于线路分类,本文先对每类线路的运价波动情况进行了描述性分析,再通过X-12-ARIMA季节调整法和H-P滤波法对每类线路的运价时间序列数据分别进行拆解,详细分析了各类线路的趋势性、季节性、周期性、和不规则性,发现每类线路均有自己独特波动规律,也总结出我国沿海煤炭水运价格整体的波动规律为先降后升的趋势性、先升后降的季节性、不明显的周期性和受到政策变化与异常天气影响的不规则性。完成对各类线路的波动规律的分析后本文进一步探究了最适合用于预测我国沿海煤炭水运价格的模型,通过对各个类别逐一进行3个不同模型预测能力的比较后,提出将时间序列分解和神经网络预测结合的X12-HP-NAR组合模型法是更适用于此处的预测模型。在完成了模型比较选择后,由于X12-HP-NAR组合模型的预测精度还具有提升空间,本文进一步将不规则波动纳入考虑,优化了模型的预测能力。最后本文基于以上研究得出分析我国沿海煤炭货运价格时需要结合具体线路类别进行具体分析和组合模型更适合用于短期预测等结论,并针对航运经营者、铁路部门分别提供了应对价格波动的建议。
邱芯竹[9](2019)在《基于EMD的中国出口集装箱运价指数波动性分析及预测》文中提出2013年10月,习近平总书记访问东盟国家时提出共建“21世纪海上丝绸之路”。随着共建“21世纪海上丝绸之路”工程的推进,水路运输,尤其是集装箱运输的运价研究显得更为重要。为了掌握集装箱运输运价波动趋势,有效做法是利用合适模型对现有的权威集装箱运价指数进行波动性分析及预测。中国出口集装箱运价指数(China Containerized Freight Index,CCFI),是指反映中国出口集装箱运输市场价格变化趋势的一种航运价格指数,由上海航运交易所从1998年4月开始发布。全球发布了多种航运运价指数,其中最为权威的当属世界三大海运运价指数,包括了CCFI、波罗的海干散货运价指数(Baltic Dry Index,BDI)和巴尔的摩油轮运价指数(Baltimore Tanker Freight Index)。CCFI客观地反映了中国集装箱运输市场运价的变化。它有助于政府进行宏观调控和政策制定,以及企业做出运营决策。经验模态分解(Empirical Mode Decomposition,EMD)是Norden E.Huang等(1998)提出的一种新型时频分析处理方法,尤其适用于非线性、非平稳数据处理。EMD是直接、局部、自适应、后验的数据处理方法,该方法可以根据原始数据自身的局部特征尺度,在没有先验设置的情况下,将其自适应地分解为一系列有限的具有不同时间尺度特征的本征模态函数(Intrinsic Mode Function,IMF)和一个残余项,这一性能最大程度地保留了数据所含有的信息,减少了人为操作对数据信息内容的影响,有利于挖掘数据所包含的经济、物理等实际意义。CCFI作为同时受众多内外部因素影响而波动的复杂时间序列,以往使用的单一统计学方法来对其进行预测或分析的效果不佳。本文以EMD算法为基础,依据分解重构的思路,提出一种CCFI波动特征分析模型,该模型测算了CCFI波动相关性,并对波动趋势进行预测。波动性分析模型可分为序列分解和特征分析两大步骤,首先基于EMD方法将CCFI和BDI序列自适应地分解为有限个IMF和一个残余项,为进一步突出运价指数波动周期特征,增强结论实际应用效果,分别将CCFI、BDI的IMF分量和残余项按平均周期和方差占比重构为高频部分、中频部分、低频部分及趋势项,再进行相关系数测算和特征分析。预测波动趋势时,对分解得到的IMF分量和残余项采用BP神经网络进行建模预测,最后将各部分所得预测值合成重构,得到CCFI序列预测值,并与ARIMA模型、BP模型和EMD-ARIMA模型进行预测精度对比。本文借助基于EMD模型的波动特性分析方法,对2003年3月至2018年6月的CCFI和BDI的月数据进行相关性分析,探究集装箱运输市场和干散货运输市场的联动关系,结果表明:CCFI和BDI时间序列整体上存在中等程度正相关;基于EMD分解重构后的分量可知CCFI和BDI的整体趋势呈极强正相关,与世界经济趋势一致,呈下降趋势;平均周期为92个月的低频部分呈强负相关,反映周期波动,两者相差1/2个周期;中频部分为中等程度正相关,平均周期为14.431 4个月,约1.20年,反映季节波动,CCFI和BDI均存在季节波动,但波动形态有所不同;平均周期为4.134 8月的高频部分无相关性,其波动小、频率快,是影响两者同步的重要因素;利用各尺度的模态特征和波动特征可以很好地实现对不同影响因素导致的波动相关性的分类管理和分析。对2000年1月7日至2018年6月22日的CCFI周数据分别使用四种预测模型进行单步预测,通过计算五项误差评价指标,表明使用EMD-BP模型对CCFI预测的预测精度远高于EMD-ARIMA模型、ARIMA模型和BP模型,验证了本文所建EMD-BP模型的合理性与优越性。同时,对于CCFI这样的非线性非稳定时间序列,在对其进行拟合和预测时,BP模型的预测精度和效果会优于ARIMA模型。此外,无论是BP模型,还是ARIMA模型,EMD的结合使用都能使其在进行拟合预测时性能得到一定提升。将EMD方法引入到对CCFI波动特性的研究中,为进一步研究CCFI的波动规律提供了一种好的思路和方法。实验结论表明,基于EMD方法,能够获得运价指数在各个波动频率上的变化规律和相关性,EMD与BP神经网络的组合模型显着提高了预测质量,证实了新方法在预测运价指数上的有效性,可以为CCFI波动趋势预测提供帮助。
武毅捷[10](2019)在《航运周期视角下干散货市场投资策略研究》文中指出干散货航运市场与世界贸易息息相关,受制于全球经济环境的影响,航运市场具有很明显的周期性波动规律,通常一个航运周期会持续4-7年。然而随着08年金融危机的影响,以及世界经济贸易地不断发展与新的航运地缘政策例如一带一路倡议的不断提出,干散货航运市场的内在规律包括周期性波动规律逐渐发生变化,目前自08年起航运市场已经陷入了长达10年以上的低谷期,从而也导致许多原本成熟的研究结论在后危机时期的市场中不能很好适用。另一方面,航运业是资本密集型行业,其投资决策具有单笔金额大、风险高、回收期限长等等特点。因此当市场陷入低迷且市场波动规律发生改变时,投资者会面临新市场所带来的巨大运营压力。在这样的大环境下,关于新市场的波动性与投资策略研究的需求就变得愈发迫切。本文基于航运周期理论,通过时间序列协整模型分析了干散货市场运费价格、新造船价以及二手船价之间的相互影响关系,并用GARCH模型得到船价与运费的波动参数。研究发现在低谷期与巅峰期三个变量间具有稳定的协整关系,且低谷期与巅峰期的船价运费间的相互影响刚好相反;而对比危机前后的低谷期结论,其因果关系总体非常相似,仅仅运费船价间的影响关系由单向变为双向影响关系。在此基础上,通过VAR模型建立了干散货市场的船舶投资收益率预测模型,实现了船舶投资的时机选择问题;同时运用二叉树定价模型,通过期权理论中的停启期权与放弃期权相结合的复合期权定量建立了船舶买卖投资决策评价模型。最后通过具体案例验证了此模型对于航运投资决策的可行性与实用性,同样对比考虑周期因素的模型结论要优于忽略周期因素的模型结论。由此本文通过市场分析以及投资决策模型两部分共同组成了干散货市场的投资策略,并证明了当下的航运市场,周期性的波动规律依然存在且其会直接影响到市场的投资结果。
二、波罗的海运价指数波动规律研究与预测(论文开题报告)
(1)论文研究背景及目的
此处内容要求:
首先简单简介论文所研究问题的基本概念和背景,再而简单明了地指出论文所要研究解决的具体问题,并提出你的论文准备的观点或解决方法。
写法范例:
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
(2)本文研究方法
调查法:该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法:用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法:通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法:通过调查文献来获得资料,从而全面的、正确的了解掌握研究方法。
实证研究法:依据现有的科学理论和实践的需要提出设计。
定性分析法:对研究对象进行“质”的方面的研究,这个方法需要计算的数据较少。
定量分析法:通过具体的数字,使人们对研究对象的认识进一步精确化。
跨学科研究法:运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法:这是社会科学用来分析社会现象的一种方法,从某一功能出发研究多个方面的影响。
模拟法:通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
三、波罗的海运价指数波动规律研究与预测(论文提纲范文)
(2)中国出口集装箱运价指数研究述评与未来展望(论文提纲范文)
一、引言 |
(一)研究背景 |
(二)研究框架 |
二、CCFI指数的编制 |
(一)CCFI指数的官方编制方法 |
(二)CCFI指数的编制研究 |
三、CCFI指数的波动特性研究 |
四、CCFI指数波动的相关影响因素研究 |
(一)定性研究 |
(二)定量研究 |
五、CCFI指数的预测 |
(一)统计方法 |
(二)组合模型方法 |
(三)机器学习方法 |
六、结论与展望 |
(3)集装箱班轮运价市场波动及传导特征研究(论文提纲范文)
摘要 |
ABSTRACT |
1 绪论 |
1.1 研究背景 |
1.2 文献综述 |
1.2.1 航运运价市场波动特征及走势分析研究现状 |
1.2.2 航运运价市场波动传导特征研究现状 |
1.2.3 文献述评 |
1.3 研究的主要问题及内容 |
1.3.1 研究的主要问题 |
1.3.2 研究内容 |
1.4 研究思路及技术路线 |
1.4.1 研究思路 |
1.4.2 结构安排 |
1.4.3 技术路线 |
1.5 研究目的和意义 |
1.5.1 研究目的 |
1.5.2 研究意义 |
2 国际集装箱班轮概述及理论基础 |
2.1 国际集装箱航运市场 |
2.1.1 国际集装箱航运市场发展 |
2.1.2 国际集装箱航运市场特征 |
2.2 集装箱班轮运价概述 |
2.2.1 集装箱班轮运价定义及构成 |
2.2.2 集装箱班轮运价影响因素分析 |
2.2.3 集装箱班轮运价指数及其衍生品 |
2.3 航运运价波动及传导 |
2.3.1 航运运价波动 |
2.3.2 航运运价传导 |
2.4 复杂网络理论 |
2.4.1 复杂网络理论概述 |
2.4.2 复杂网络统计特征 |
2.4.3 复杂网络基本模型 |
2.5 本章小结 |
3 集装箱班轮运价市场波动特征分析 |
3.1 问题描述 |
3.2 集装箱班轮运价市场波动特征分析模型构建 |
3.2.1 波动特征分析模型构建 |
3.2.2 波动走势预测模型构建 |
3.3 集装箱班轮即期市场运价指数波动特征实证分析 |
3.3.1 数据选取与分析 |
3.3.2 SCFI波动测算 |
3.3.3 SCFI波动特征分析 |
3.3.4 SCFI走势组合预测 |
3.4 集装箱班轮分航线市场运价波动特征实证分析 |
3.4.1数据来源与说明 |
3.4.2 SCFI分航线运价波动统计特征 |
3.4.3 SCFI分航线运价长期趋势特征 |
3.4.4 SCFI分航线运价周期性和季节性波动特征 |
3.4.5 SCFI分航线运价不规则波动特征 |
3.5 集装箱班轮期货市场价格波动特征实证分析 |
3.5.1 数据来源与处理 |
3.5.2 SCFI期货价格波动描述性特征 |
3.5.3 SCFI期货价格长期趋势特征 |
3.5.4 SCFI期货价格季节性波动特征 |
3.5.5 SCFI期货价格不规则波动特征 |
3.6 本章小结 |
4 集装箱班轮即期运价市场自相关波动传导动力学特性 |
4.1 问题描述 |
4.2 即期市场运价指数自相关波动网络模型构建 |
4.2.1 运价指数自相关波动的建立 |
4.2.2 运价指数自相关波动符号化过程 |
4.2.3 运价指数自相关波动模态粗粒化过程 |
4.2.4 运价指数自相关波动网络模型构建 |
4.3 即期市场运价指数自相关波动传导动力学特性实证分析 |
4.3.1 数据来源与说明 |
4.3.2 SCFI自相关波动网络模型构建 |
4.3.3 SCFI自相关波动模态统计特征分析 |
4.3.4 SCFI自相关波动传导过程中核心模态识别 |
4.3.5 SCFI自相关波动模态间传导模式 |
4.3.6 SCFI自相关波动传导的集群效应分析 |
4.3.7 SCFI自相关波动模态传导媒介能力分析 |
4.3.8 SCFI自相关波动模态传导距离分析 |
4.4 本章小结 |
5 基于格兰杰因果网络的集装箱班轮运价波动传导特性分析 |
5.1 问题描述 |
5.2 分航线运价波动格兰杰因果网络模型构建 |
5.2.1 分航线运价波动序列平稳性检验 |
5.2.2 分航线运价波动格兰杰因果关系检验 |
5.2.3 分航线运价波动格兰杰因果网络模型构建 |
5.3 分航线运价波动传导特性实证分析 |
5.3.1 数据来源与处理 |
5.3.2 SCFI分航线运价波动格兰杰因果网络构建 |
5.3.3 SCFI分航线运价波动传导范围 |
5.3.4 SCFI分航线运价波动传导距离 |
5.3.5 SCFI分航线运价波动传导媒介能力 |
5.3.6 SCFI分航线运价波动集聚能力 |
5.3.7 SCFI分航线运价波动传导路径 |
5.4 本章小结 |
6 集装箱班轮期现货价格市场关联波动传导特征 |
6.1 问题描述 |
6.2 期现货价格市场关联波动网络模型构建 |
6.2.1 期现货价格关联波动的建立 |
6.2.2 期现货价格关联波动符号化过程 |
6.2.3 期现货价格关联波动模态粗粒化过程 |
6.2.4 期现货价格关联波动网络模型构建 |
6.3 期现货价格市场关联波动传导特征实证分析 |
6.3.1 数据来源及处理 |
6.3.2 SCFI期现货价格市场关联波动网络模型构建 |
6.3.3 关联波动关键模态识别与分布特征 |
6.3.4 关联波动模态集聚能力分析 |
6.3.5 关联波动模态传导距离分布特征 |
6.3.6 关联波动模态传导媒介识别及分布特征 |
6.3.7 关联波动模态的小团体分析 |
6.4 本章小结 |
7 结论与展望 |
7.1 结论 |
7.2 展望 |
参考文献 |
作者简历及攻读博士学位期间的科研成果 |
致谢 |
(4)基于加权组合模型的沿海散货运价指数预测研究(论文提纲范文)
摘要 |
Abstract |
1 绪论 |
1.1 研究背景及意义 |
1.2 国内外研究文献综述 |
1.2.1 航运运价波动研究进展 |
1.2.2 经验模态分解研究综述 |
1.2.3 航运运价预测研究进展 |
1.2.4 小结 |
1.3 论文内容及技术路线框架 |
2 国内散货航运市场及沿海散货运价指数概述 |
2.1 国内散货航运市场概述 |
2.1.1 国内散货航运市场运输的主要货种 |
2.1.2 国内散货航运市场运输的主要船类 |
2.1.3 近期国内散货航运市场需求分析 |
2.1.4 近期国内散货航运市场供给分析 |
2.2 沿海散货运价指数介绍 |
2.2.1 沿海散货运价指数构成及计算方法 |
2.2.2 沿海散货运价指数的作用和意义 |
2.3 影响沿海散货运价因素分析 |
2.4 本章小结 |
3 CBFI指数波动特性分析 |
3.1 经验模态分析理论及其在运价指数波动特性分析中的适用性 |
3.1.1 经验模态分解概述 |
3.1.2 经验模态分解特性 |
3.1.3 经验模态分解在本文模型中的作用 |
3.2 算法原理 |
3.2.1 经验模态分解基本原理 |
3.2.2 IMF重构算法 |
3.3 CBFI指数波动分析实例 |
3.3.1 数据选择 |
3.3.2 统计量介绍 |
3.3.3 EMD分解 |
3.3.4 IMF统计分析 |
3.3.5 重构IMF分析 |
3.3.6 低频序列—重大事件影响 |
3.3.7 高频序列分析—短期市场不规则事件的影响 |
3.3.8 趋势项序列分析—长期发展趋势 |
3.4 本章小结 |
4 基于EMD预处理的CBFI指数预测研究 |
4.1 模型介绍 |
4.1.1 支持向量机原理 |
4.1.2 粒子群优化算法 |
4.1.3 自回归线性模型 |
4.1.4 加权组合预测模型 |
4.2 预测结果评价指标 |
4.3 基于EMD组合模型的CBFI指数预测实例分析 |
4.3.1 数据来源 |
4.3.2 基于EMD-AR组合模型的研究 |
4.3.3 基于EMD-AR组合模型的CBFI指数预测结果分析 |
4.3.4 基于EMD-PSO-SVM组合模型的研究 |
4.3.5 基于EMD-PSO-SVM组合模型的CBFI指数预测结果分析 |
4.4 基于加权组合模型的CBFI指数预测实例分析 |
4.4.1 基于加权组合模型的研究 |
4.4.2 基于加权组合模型的CBFI指数预测结果分析 |
4.5 本章小结 |
结论 |
5.1 结论 |
5.2 展望 |
参考文献 |
致谢 |
作者简历及攻读硕士学位期间的科研成果 |
(5)重庆航运运价指数构建与运行研究(论文提纲范文)
摘要 |
abstract |
第1章 绪论 |
1.1 研究背景 |
1.2 国内外研究现状 |
1.3 研究目的和意义 |
1.3.1 研究目的 |
1.3.2 研究意义 |
第2章 国内外相关航运指数的历史沿革及运行现状分析 |
2.1 波罗的海运价指数 |
2.2 中国航运指数 |
2.2.1 中国出口集装箱运价指数 |
2.2.2 上海出口集装箱运价指数 |
2.2.3 中国沿海(散货)运价指数 |
2.3 航运指数与经济及大宗商品的关系 |
2.3.1 BDI指数及其相关指数 |
2.3.2 SCFI指数及其相关指数 |
第3章 重庆航运集装箱与干散货运价指数构建 |
3.1 重庆航运集装箱运价指数 |
3.1.1 集装箱运价指数计算原则 |
3.1.2 集装箱运价指数计算模型 |
3.1.3 集装箱分航线运价指数计算模型 |
3.1.4 集装箱分航线平均运价的确定 |
3.1.5 集装箱分航线航运企业平均运价的确定 |
3.1.6 航运企业填报规则 |
3.2 重庆航运干散货运价指数构建 |
3.2.1 干散货运价指数计算原则 |
3.2.2 干散货运价指数计算模型 |
3.2.3 干散货分货类运价指数计算模型 |
3.2.4 干散货分货类航线平均运价的确定 |
3.2.5 航运企业填报规则 |
第4章 重庆航运景气指数构建 |
4.1 航运景气指数计算原则 |
4.2 航运景气指数调查问卷设计 |
4.3 航运企业景气指数计算模型 |
4.4 被调查航运企业权重的确定 |
4.5 航运企业景气指数的计算 |
4.6 航运企业家信心指数计算方法 |
4.7 航运企业家信心指数调查问卷设计 |
4.8 航运企业家信心指数模型设计 |
第5章 重庆航运运价指数试算 |
5.1 重庆航运集装箱运价指数 |
5.1.1 基本情况 |
5.1.2 试算情况 |
5.1.3 试算结果 |
5.2 重庆航运干散货运价指数 |
5.2.1 基本情况 |
5.2.2 试算情况 |
5.2.3 试算结果 |
第6章 指数的运行保障与修订维护 |
6.1 指数运行及保障 |
6.2 指数修订与维护 |
第7章 结论与展望 |
7.1 结论 |
7.2 展望 |
致谢 |
参考文献 |
(6)BDI干散货指数与大宗商品价格的动态关联性研究(论文提纲范文)
摘要 |
abstract |
第1章 绪论 |
1.1 研究背景目的与意义 |
1.1.1 研究背景 |
1.1.2 研究目的 |
1.1.3 研究意义 |
1.2 国内外研究综述 |
1.2.1 BDI指数影响因素的相关研究 |
1.2.2 BDI指数与大宗商品相互关系的研究 |
1.2.3 DCC-GARCH模型对动态关联性的应用与研究 |
1.3 研究思路与方法 |
1.4 创新之处 |
第2章 BDI干散货指数与大宗商品价格波动相互作用的理论基础 |
2.1 BDI干散货指数概况与构成 |
2.2 影响BDI干散货指数波动的主要因素分析 |
2.3 选取与国际干散货运市场密切相关的大宗商品 |
2.3.1 大宗商品的选取依据与原因 |
2.3.2 铁矿石与国际干散货运市场 |
2.3.3 煤炭与国际干散货运市场 |
2.3.4 粮食与国际干散货运市场 |
2.3.5 原油与国际干散货运市场 |
2.4 BDI干散货指数与大宗商品价格相互作用的经济分析 |
2.4.1 大宗商品对干散货航运市场需求的影响 |
2.4.2 原油价格波动对航运市场的影响 |
2.4.3 宏观经济对干散货航运市场需求的影响 |
2.5 本章小结 |
第3章 假设提出、数据来源与模型构建 |
3.1 假设提出 |
3.2 数据来源 |
3.2.1 铁矿石价格的数据选取 |
3.2.2 动力煤价格的数据选取 |
3.2.3 大豆价格的数据选取 |
3.2.4 原油价格的数据选取 |
3.2.5 数据预处理与符号说明 |
3.3 模型构建 |
3.3.1 向量自回归模型 |
3.3.2 Granger因果关系分析 |
3.3.3 Johansen协整关系检验 |
3.3.4 脉冲响应函数 |
3.3.5 DCC-GARCH模型 |
3.4 本章小结 |
第4章 基于DCC-GARCH模型对BDI干散货指数与大宗商品价格动态关联性的实证分析 |
4.1 平稳性检验 |
4.2 ARCH效应检验 |
4.3 DCC-GARCH模型建立 |
4.4 动态关联性分析 |
4.5 本章小结 |
第5章 基于VAR模型对BDI干散货指数与大宗商品价格不同期关联性的实证分析 |
5.1 BDI干散货指数与铁矿石的不同期关联性关系研究 |
5.1.1 线性回归分析 |
5.1.2 Johansen协整检验 |
5.1.3 Granger因果检验 |
5.1.4 脉冲响应函数分析 |
5.2 BDI干散货指数与动力煤的不同期关联性关系研究 |
5.2.1 线性回归分析 |
5.2.2 Johansen协整检验 |
5.2.3 Granger因果检验 |
5.2.4 脉冲响应函数分析 |
5.3 BDI干散货指数与大豆的不同期关联性关系研究 |
5.3.1 线性回归分析 |
5.3.2 Johansen协整检验 |
5.3.3 Granger因果检验 |
5.3.4 脉冲响应函数分析 |
5.4 BDI干散货指数与原油的不同期关联性关系研究 |
5.4.1 线性回归分析 |
5.4.2 Johansen协整检验 |
5.4.3 Granger因果检验 |
5.4.4 脉冲响应函数分析 |
5.5 BDI干散货指数与大宗商品价格不同期关联性的综合评价 |
5.6 本章小结 |
第6章 BDI干散货指数与大宗商品价格动态关联性的综合分析与建议 |
6.1 BDI干散货指数与大宗商品价格动态关联性的综合分析 |
6.2 综合运用BDI干散货指数与大宗商品价格动态关联性的建议 |
6.3 本章小结 |
结论 |
参考文献 |
致谢 |
附录 |
(7)海上丝路运价指数波动研究分析——基于宁波集装箱运价综合指数(论文提纲范文)
一、绪言 |
1. 研究背景 |
2. 研究现状 |
二、数据来源和分析 |
1. 数据的来源 |
2. 数据的描述性统计分析 |
三、数据的平稳性检验 |
四、NCFI的GARCH模型设计与实证 |
五、结论 |
(8)中国沿海煤炭水运价格波动规律及预测方法研究(论文提纲范文)
致谢 |
摘要 |
ABSTRACT |
1 引言 |
1.1 研究背景及研究意义 |
1.1.1 研究背景 |
1.1.2 研究意义 |
1.2 研究内容与方法 |
1.2.1 研究内容 |
1.2.2 研究方法 |
1.3 研究结构框架 |
1.4 论文的主要贡献与创新 |
2 文献综述与研究现状 |
2.1 煤炭水运价格波动规律相关研究 |
2.2 时间序列相关理论研究现状 |
2.2.1 时间序列聚类相关研究 |
2.2.2 时间序列分解相关研究 |
2.2.3 时间序列预测相关研究 |
3 沿海煤炭水运价格的时间序列聚类分析 |
3.1 时间序列聚类方法的选择 |
3.2 时间序列聚类结果实证分析 |
4 沿海煤炭水运价格的时间序列分解 |
4.1 各类线路价格波动情况的描述性分析 |
4.1.1 中途中吨位线路描述性分析 |
4.1.2 中途高吨位线路描述性分析 |
4.1.3 长途高吨位线路描述性分析 |
4.1.4 中途低吨位线路描述性分析 |
4.1.5 四组线路波动情况对比分析 |
4.2 各类线路价格波动情况的分解分析 |
4.2.1 时间序列分解方法介绍 |
4.2.2 时间序列分解实证分析 |
4.3 沿海煤炭水运价格的波动规律总结及原因分析 |
4.3.1 沿海煤炭水运价格的趋势性波动 |
4.3.2 沿海煤炭水运价格的季节性波动 |
4.3.3 沿海煤炭水运价格的周期性波动 |
4.3.4 沿海煤炭水运价格的不规则性波动 |
4.3.5 小结 |
5 沿海煤炭水运价格预测方法的选择 |
5.1 预测方法介绍 |
5.1.1 NAR神经网络模型的介绍及设计 |
5.1.2 X12-HP-NAR组合模型 |
5.1.3 SARIMA模型 |
5.2 价格预测实证结果对比 |
5.2.1 长途高吨位组价格预测方法对比 |
5.2.2 中途中吨位组价格预测方法对比 |
5.2.3 中途高吨位组价格预测方法对比 |
5.2.4 中途低吨位组价格预测方法对比 |
5.2.5 本节小结 |
5.3 组合预测模型的进一步优化 |
6 结论与展望 |
6.1 基本结论与相关建议 |
6.1.1 基本结论 |
6.1.2 相关建议 |
6.2 研究展望 |
参考文献 |
作者简历及攻读硕士学位期间取得的研究成果 |
学位论文数据集 |
(9)基于EMD的中国出口集装箱运价指数波动性分析及预测(论文提纲范文)
摘要 |
abstract |
第1章 绪论 |
1.1 研究背景 |
1.1.1 中国出口集装箱运价指数的产生和发展 |
1.1.2 中国出口集装箱运价指数的编制 |
1.2 文献综述 |
1.2.1 中国出口集装箱运价指数的研究现状 |
1.2.2 经验模态分解的研究现状 |
1.3 本文的主要内容 |
1.3.1 本文的结构 |
1.3.2 本文的创新点 |
第2章 经验模态分解方法 |
2.1 经验模态分解基本概念 |
2.1.1 本征模态函数 |
2.1.2 三次样条插值 |
2.1.3 时间尺度划分 |
2.2 经验模态分解的基本原理 |
2.2.1 基本思想 |
2.2.2 基本理论与步骤 |
2.2.3 筛选过程停止准则 |
2.3 经验模态分解的特点 |
2.3.1 自适应性 |
2.3.2 滤波性 |
2.3.3 完备性 |
2.3.4 正交性 |
第3章 基于EMD的 CCFI波动性分析模型 |
3.1 波动特征分析模型构建思路 |
3.2 样本数据 |
3.2.1 样本数据选取 |
3.2.2 样本数据的描述性统计 |
3.2.3 样本数据的相关性检验 |
3.3 CCFI与 BDI的 EMD分解 |
3.4 CCFI与 BDI的 IMF重构 |
3.5 CCFI与 BDI波动特性分析 |
3.5.1 波动周期测算 |
3.5.2 波动特性分析 |
第4章 基于EMD的 CCFI预测模型 |
4.1 波动特征预测模型构建思路 |
4.2 样本数据 |
4.2.1 样本数据选取 |
4.2.2 样本数据的描述性统计 |
4.3 基于ARIMA的 CCFI预测研究 |
4.3.1 ARIMA简介 |
4.3.2 基于ARIMA的 CCFI预测 |
4.4 基于EMD-ARIMA的 CCFI组合预测 |
4.5 基于BP神经网络的CCFI预测研究 |
4.5.1 BP神经网络简介 |
4.5.2 基于BP神经网络的CCFI预测 |
4.6 基于EMD-BP的 CCFI组合预测 |
4.7 模型预测误差分析 |
4.7.1 模型预测的评价标准 |
4.7.2 模型预测效果的比较 |
第5章 研究结论与展望 |
5.1 研究结论 |
5.2 研究展望 |
参考文献 |
致谢 |
(10)航运周期视角下干散货市场投资策略研究(论文提纲范文)
摘要 |
abstract |
第一章 绪论 |
1.1 研究背景 |
1.2 国际干散货航运市场概述 |
1.3 航运周期理论概述 |
1.4 研究目的与意义 |
1.4.1 研究目的 |
1.4.2 研究意义 |
1.5 论文研究内容与框架结构 |
第二章 文献回顾与研究综述 |
2.1 干散货市场分析研究总结 |
2.2 干散货市场船舶投资决策研究 |
2.3 船舶投资决策评估方法研究 |
2.4 本文创新点 |
2.5 本章小结 |
第三章 研究方法 |
3.1 时间序列协整检验 |
3.2 格兰杰因果检验 |
3.3 向量自回归VAR模型 |
3.4 GARCH模型 |
3.5 期权理论投资评估模型 |
3.5.1 实物期权理论 |
3.5.2 期权定价模型 |
3.6 本章小结 |
第四章 市场实证检验与投资时机选择模型 |
4.1 数据描述 |
4.2 协整模型建立 |
4.2.1 平稳性检验 |
4.2.2 协整检验 |
4.2.3 格兰杰因果检验 |
4.3 各周期时段协整模型结果对比 |
4.3.1 低谷期 |
4.3.2 复苏期 |
4.3.3 巅峰期 |
4.3.4 衰退期 |
4.4 船舶投资时机选择模型 |
4.5 GARCH模型与波动性计算 |
4.6 本章小结 |
第五章 基于期权理论的船舶投资决策评估模型 |
5.1 内容简述与变量定义 |
5.2 传统模型弊端 |
5.3 期权理论评估模型 |
5.3.1 停启期权 |
5.3.2 放弃期权 |
5.4 案例分析 |
5.4.1 传统NPV法 |
5.4.2 期权模型法 |
5.4.3 参数选择 |
5.4.4 结论对比分析 |
5.5 本章小结 |
第六章 结论 |
6.1 本文主要工作与结论 |
6.2 研究局限性与下一步研究方向 |
6.3 结语 |
参考文献 |
致谢 |
攻读硕士学位期间已发表或录用的论文 |
四、波罗的海运价指数波动规律研究与预测(论文参考文献)
- [1]中美贸易战对干散货海运价格的影响研究[D]. 王天姿. 上海海事大学, 2021
- [2]中国出口集装箱运价指数研究述评与未来展望[J]. 李博. 对外经贸, 2021(04)
- [3]集装箱班轮运价市场波动及传导特征研究[D]. 汤霞. 大连海事大学, 2021(04)
- [4]基于加权组合模型的沿海散货运价指数预测研究[D]. 周晨昕. 大连海事大学, 2020(01)
- [5]重庆航运运价指数构建与运行研究[D]. 汪晓松. 重庆交通大学, 2020(01)
- [6]BDI干散货指数与大宗商品价格的动态关联性研究[D]. 李弘康. 哈尔滨工程大学, 2020(05)
- [7]海上丝路运价指数波动研究分析——基于宁波集装箱运价综合指数[J]. 赵海. 特区经济, 2020(03)
- [8]中国沿海煤炭水运价格波动规律及预测方法研究[D]. 华元韬. 北京交通大学, 2019(01)
- [9]基于EMD的中国出口集装箱运价指数波动性分析及预测[D]. 邱芯竹. 江西财经大学, 2019(01)
- [10]航运周期视角下干散货市场投资策略研究[D]. 武毅捷. 上海交通大学, 2019(06)