论文部分内容阅读
BDI指数是国际航运市场中极为重要的综合性运价指数,针对BDI指数周期波动规律分析及应用的研究,对航运市场参与者判断航运市场走向、调控航运市场、制定经营决策、控制运营风险等有极其重要的意义。鉴于BDI指数派生性、非线性等复杂系统特征,导致其周期波动研究理论缺乏、结论不一、应用难度大等现状,确定本学位论文的主要目的是发展与完善BDI指数周期波动理论体系,并将其应用于BDI指数远期预测及船舶期租子市场。
BDI指数的周期波动特性分析及应用研究,主要包括周期波动形成机制、周期时间尺度测算、周期波动幅度分析及周期波动综合应用四部分内容。本学位论文的主要工作与结论如下:
(1)BDI指数周期波动形成机制研究。基于VMD算法和随机森林回归模型构建VMD-WA-RFR模型,全面分析多种不同类型影响因素对BDI指数及不同尺度周期波动项的重要性排序,总结不同类型重要影响因素对BDI指数作用机制的量化过程,深入解释BDI指数周期波动特性的主要形成原因。实证结果表明:国际干散货航运市场的众多影响因素中,船舶价格及运力变化对BDI指数的影响最明显,随机波动项是航运市场内外部影响因素共同作用的结果,周期波动项主要受运力变化的影响,趋势项受外部经济因素变化影响最大,大(小)幅度周期波动项受全球经济变动影响显著。总结了不同类型影响因素对BDI指数作用过程的影响模式分为先增大再减小、单调递增(递减)等。在此基础上,利用重要影响因素得出BDI指数较为精确的拟合结果。
(2)BDI指数多时间尺度周期测算。基于EMD、VMD分解与小波分析算法分别构建EMD/VMD-KCA-WA模型,将分解模型、小波分析理论应用于周期项提取与主周期测算两部分,准确测算并分析BDI指数多时间尺度周期波动特性。实证结果表明:VMD分解模型对BDI指数具有更好的分解效果,能够更准确地将指数分解重构为随机波动项(包含白噪声和季节波动项)、周期波动项(包含短周期波动项、中周期波动项、长周期波动项)以及趋势波动项三部分。在分解重构过程中,总结并验证BDI指数周期性理论中的一个基本规律:不同时间尺度的周期波动项对指数的波动贡献率相近或相同。进一步通过小波方差测算出BDI指数中蕴含的季节性周期波动约为1年、短周期波动约为5年、中周期波动约为16-18年。通过BDI指数的周期划分确定当前国际干散货航运市场处于中周期的复苏弱增长阶段,并说明金融危机、战争等重大事件对周期波动波谷、复苏、波峰、衰退四个阶段的推动作用。
(3)BDI指数周期波动幅度分析。从周期性与突变性相结合的新视角,基于VMD算法和启发式BG分割算法构建VMD-WA-BG模型,分析BDI指数周期波动幅度与不同时间尺度均值变点分布特征的内在联系,深入探究BDI指数周期波动幅度的变化规律。实证结果表明:不同时间尺度均值变点突变密度对应阶段的BDI指数周期波动幅度特征规律为:大尺度突变结构中,中尺度均值变点密集,BDI指数周期波动幅度较大,小尺度均值变点密集,BDI指数周期幅度较小。大(中)尺度突变结构中,中(小)尺度均值变点同时密集,BDI指数周期波动幅度巨大。小尺度均值变点同时密集,BDI指数周期波动幅度局部较大。BDI指数不同时间尺度的均值突变结构长度序列呈均值回归特性,均值变点位置及突变结构长度的可预测性,有助于捕捉BDI指数未来的周期波动幅度特征。
(4)BDI指数周期波动应用研究。通过选用科学模型,将BDI指数周期理论应用于多步远期预测及船舶期租子市场。在BDI指数周期波动特性研究的基础上,基于VMD算法与LSTM网络设计并构建改进的VMD-WA-LSTM组合预测模型,并通过RD设计实证分析运价周期波动水平对干散货船期租费率的影响效应。实证结果表明:改进的组合预测模型能够实现BDI指数的“降噪”处理,学习并长期“记忆”周期波动特征,同时考虑均值变点处波动幅度的突变性,得出的BDI指数多步远期预测结果精度高且稳定性强,缓解了传统预测模型远期预测精度低的不足。首次将RD设计因果关系推断模型应用于航运市场周期水平对船舶期租费率的影响分析,实例说明市场低迷阶段航运市场运价高位周期水平,会造成不同干散货船一年期租费率出现显著的“跳跃”现象,并说明周期高位与低位水平时期租费率增长率的区别。
BDI指数的周期波动特性分析及应用研究,主要包括周期波动形成机制、周期时间尺度测算、周期波动幅度分析及周期波动综合应用四部分内容。本学位论文的主要工作与结论如下:
(1)BDI指数周期波动形成机制研究。基于VMD算法和随机森林回归模型构建VMD-WA-RFR模型,全面分析多种不同类型影响因素对BDI指数及不同尺度周期波动项的重要性排序,总结不同类型重要影响因素对BDI指数作用机制的量化过程,深入解释BDI指数周期波动特性的主要形成原因。实证结果表明:国际干散货航运市场的众多影响因素中,船舶价格及运力变化对BDI指数的影响最明显,随机波动项是航运市场内外部影响因素共同作用的结果,周期波动项主要受运力变化的影响,趋势项受外部经济因素变化影响最大,大(小)幅度周期波动项受全球经济变动影响显著。总结了不同类型影响因素对BDI指数作用过程的影响模式分为先增大再减小、单调递增(递减)等。在此基础上,利用重要影响因素得出BDI指数较为精确的拟合结果。
(2)BDI指数多时间尺度周期测算。基于EMD、VMD分解与小波分析算法分别构建EMD/VMD-KCA-WA模型,将分解模型、小波分析理论应用于周期项提取与主周期测算两部分,准确测算并分析BDI指数多时间尺度周期波动特性。实证结果表明:VMD分解模型对BDI指数具有更好的分解效果,能够更准确地将指数分解重构为随机波动项(包含白噪声和季节波动项)、周期波动项(包含短周期波动项、中周期波动项、长周期波动项)以及趋势波动项三部分。在分解重构过程中,总结并验证BDI指数周期性理论中的一个基本规律:不同时间尺度的周期波动项对指数的波动贡献率相近或相同。进一步通过小波方差测算出BDI指数中蕴含的季节性周期波动约为1年、短周期波动约为5年、中周期波动约为16-18年。通过BDI指数的周期划分确定当前国际干散货航运市场处于中周期的复苏弱增长阶段,并说明金融危机、战争等重大事件对周期波动波谷、复苏、波峰、衰退四个阶段的推动作用。
(3)BDI指数周期波动幅度分析。从周期性与突变性相结合的新视角,基于VMD算法和启发式BG分割算法构建VMD-WA-BG模型,分析BDI指数周期波动幅度与不同时间尺度均值变点分布特征的内在联系,深入探究BDI指数周期波动幅度的变化规律。实证结果表明:不同时间尺度均值变点突变密度对应阶段的BDI指数周期波动幅度特征规律为:大尺度突变结构中,中尺度均值变点密集,BDI指数周期波动幅度较大,小尺度均值变点密集,BDI指数周期幅度较小。大(中)尺度突变结构中,中(小)尺度均值变点同时密集,BDI指数周期波动幅度巨大。小尺度均值变点同时密集,BDI指数周期波动幅度局部较大。BDI指数不同时间尺度的均值突变结构长度序列呈均值回归特性,均值变点位置及突变结构长度的可预测性,有助于捕捉BDI指数未来的周期波动幅度特征。
(4)BDI指数周期波动应用研究。通过选用科学模型,将BDI指数周期理论应用于多步远期预测及船舶期租子市场。在BDI指数周期波动特性研究的基础上,基于VMD算法与LSTM网络设计并构建改进的VMD-WA-LSTM组合预测模型,并通过RD设计实证分析运价周期波动水平对干散货船期租费率的影响效应。实证结果表明:改进的组合预测模型能够实现BDI指数的“降噪”处理,学习并长期“记忆”周期波动特征,同时考虑均值变点处波动幅度的突变性,得出的BDI指数多步远期预测结果精度高且稳定性强,缓解了传统预测模型远期预测精度低的不足。首次将RD设计因果关系推断模型应用于航运市场周期水平对船舶期租费率的影响分析,实例说明市场低迷阶段航运市场运价高位周期水平,会造成不同干散货船一年期租费率出现显著的“跳跃”现象,并说明周期高位与低位水平时期租费率增长率的区别。