基于GARCH模型族的国际船用燃油价格波动性研究(2)

分别建立GARCH（1，1）-M和TARCH（1，1）模型，参数估计结果，见表1（包括GARCH（1，1）参数估计结果）。

由表1可知，GARCH-M模型中的参数 以及TARCH模型中的参数 均未能通过显著性检验，故新加坡市场船用燃油IFO380cst收益率不存在ARCH in mean效应，即对于新加坡市场船用燃油IFO380cst而言，其收益与预期风险可能不一定成正比关系，并非意味着预期风险越大，收益就越高；此外，新加坡市场船用燃油IFO380cst收益率也不存在杠杆效应，即负的冲击不一定比正的冲击更容易增加波动。

四、结果分析

在运用GARCH模型研究市场波动特征时，需要了解各主要参数的含义。其中，ARCH项系数　α（又称回报系数）反映外部冲击对市场波动的影响强度，α　值越大表明波动性对市场运动反应越为迅速，从而更倾向于发散。GARCH项系数　β（又称滞后系数）反映市场波动自身的记忆性，当0<β<1时，β值越大意味着波动持续的时间越长且波动性减弱越缓慢，若β >1，系统自身则将会放大前期的波动。α和β的和则反映出外来冲击对系统波动影响的持续性，一般两者之和小于1，若α、β之和大于1　，通常表明冲击不但不会消退，反而有增强的趋势。在本文对新加坡船用燃油IFO380cst的实例研究中，对于GARCH（1，1）模型，其中　α　值为0.058 895，　β　值为0.929 505，　α+β　值略小于1，表明对于新加坡市场船用燃油IFO380cst而言，其价格受自身波动记忆性的影响要强于外部冲击，且条件方差所受到的外部冲击影响是持续的。

值得注意的是，在本研究利用ARMA（1，1）对新加坡市场船用燃油IFO380cst价格收益率的拟合方程前提下，利用GARCH-M模型和TGARCH模型来分析其收益与预期风险关系与杠杆效应时，发现新加坡市场船用燃油IFO380cst收益率不存在ARCH in mean效应和杠杆效应，这一结果不同于学者们对一般原油市场的研究结论。出现这种情况，笔者认为原因可能在于虽然船用燃油作为石油产品的低端产品，与原油价格波动关系紧密。但是船用燃油价格仍受到一些其他市场因素的影响，如航运市场中船队规模，季节性因素以及局部市场竞争因素，等等。特别是船队规模因素，船队规模意味着船用燃油需求，当船用燃油价格遭受负冲击，未必就会更易引起价格波动，因为一方面只要当时航运市场未处于低谷，船用燃油的刚性需求可支撑阻止价格的进一步下滑；另一方面，船用燃油价格的上涨会带来船舶运营成本的增加，会在一定程度上抑制需求，进而阻止价格的进一步上扬。

关于新加坡市场船用燃油IFO380cst收益率的收益与预期风险关系与杠杆效应还需要进一步深入研究，本文是利用ARMA（1，1）来对收益率进行回归拟合，在未来研究中，可尝试使用ECM模型进行回归拟合，然后再讨论研究收益率序列的异方差性以及收益与预期风险关系与杠杆效应。

五、对我国航运企业的建议对策

新加坡因其独特的地理位置和其船用燃油市场在全球市场的重要地位，新加坡市场船用燃油市场对我国航运企业有着显著地影响力。通过上文对新加坡市场船用燃油IFO380cst价格波动性的分析，笔者认为我国航运企业为规避船用燃油价格波动所带来的风险应采取以下措施：一是加强对相关船用燃油油品价格的监控，密切关注价格变化；二是基于对历史数据的分析处理，把握船用燃油价格波动的内在规律，由于新加坡不存在ARCH in mean效应和杠杆效应，所以要合理估计船用燃油市场未来基本面的发展状况，进而合理预测未来船用燃油价格；三是积极研究以船用燃油为标的的金融衍生产品，目前在金融市场已出现船用燃油远期合约、互换合约以及期权合约等衍生产品，这些产品均具有套期保值功能，参与衍生品交易可以帮助航运企业锁定燃油成本，进一步有效控制船舶营运成本，提高航运企业的市场竞争力。

注释：

① 船用燃油包括船用重油和船用轻油，其中，船用重油即狭义的船用燃料油，主要用于船舶主机为船舶提供航行动力，常见规格有IFO180cst和IFO380cst两种，其中又以IFO380cst的使用最为广泛，以2010年为例，新加坡港总共供应船用燃油40 853万吨，其中供应IFO180cst达2 271.9万吨，IFO380cst达到了31 451.5万吨，IFO500cst+（包括运动粘度更高的船用燃料油）达到5 287.7万吨，分别约占总供应量的5.56%、77%、12.94%。② 数据来源：Maersk Broker Asian 马士基航运经纪行（亚洲）

[参考文献]

[1] Yang C W，Hwang M J，Huang B N.An analysis of factors affecting price volatility of the US oil market[J].Energy Economics，2002（2）：107-119.

[2] Paresh Kumar Narayan，Seema Narayan.Modelling Oil Price Volatility[J].Energy Policy，2007（12）：6549-6553.

[3] Aijun Hou，Sandy Suardi.A nonparametric GARCH model of crude oil price return volatility[J].Energy Economics，2012（2）：618-626.

[4] 冯春山，吴家春，蒋 馥.国际石油市场的ARCH效应分析[J].中国石油大学学报：社会科学版，2003（2）：18-20.

[5] 潘慧峰，张金水.基于ARCH类模型的国内油价波动分析[J].统计研究， 2005（4）：16-20.

[6] 邹艳芬，陆宇海.基于 GARCH模型的石油价格变动模拟[J].数理统计与管理，2006（6）：640-644.

[7] 魏巍贤，林伯强.国内外石油价格波动性及其互动关系[J].经济研究，2007（12）：130-141.

（责任编辑 易 民）

The Study on the Volatility of International Bunkers Price Based on GARCH Models

ZHANG Qiang， WANG Xue-feng

（School of Transportation，Shanghai Maritime University，Shanghai 200135，China）

Abstract：In the shipping practice，the bunker cost always accounts for a large proportion of voyage costs，enhancing the monitoring and forecasting of the bunker price volatility is an important way of controlling and managing operational cost for shipping companies.This paper focuses on the bunker IFO380cst in Singapore market and uses ARMA（1，1） Model to fit its price return rate，GARCH model to eliminate its heteroscedasticity and GARCH-M and TARCH Model to make a further study on the object.In the study，it's found that for bunker IFO380cst in Singapore market，there doesn't exist ARCH in Mean Effect or leverage effect.(责任编辑：论文发表网)转贴于八度论文发表网: http://www.8dulw.com(论文网__代写代发论文_论文发表_毕业论文_免费论文范文网_论文格式_广东论文网_广州论文网)