淡江大學覺生紀念圖書館 (TKU Library)
進階搜尋


系統識別號 U0002-2306201313595600
中文論文名稱 油價與原物料價格對海運運費波動預測之影響
英文論文名稱 The effects of oil and commodities prices on dry-bulk shipping freight rate volatility forecasts
校院名稱 淡江大學
系所名稱(中) 財務金融學系碩士班
系所名稱(英) Department of Banking and Finance
學年度 101
學期 2
出版年 102
研究生中文姓名 陳主宜
研究生英文姓名 Jhu-Yi Chen
學號 600530918
學位類別 碩士
語文別 中文
口試日期 2013-06-22
論文頁數 51頁
口試委員 指導教授-邱建良
指導教授-劉洪鈞
委員-涂登才
委員-郭宗賢
委員-邱建良
中文關鍵字 BDI指數  原油  CRB指數  GARCH 
英文關鍵字 BDI  Crude oil  CRB index  GARCH 
學科別分類
中文摘要 波羅的海指數(BDI)代表散裝船運業的景氣指標,可作為投資人欲投資海運類股之重要參考依據。因此,本研究以BDI指數作為被解釋變數、西德州中級原油價格(WTI)與商品期貨價格指數(CRB)作為解釋變數,利用時間序列的方法探討BDI指數的波動度特性。分別使用GARCH、IGARCH、GJR-GARCH與QGARCH等波動度模型進行配適。此外,利用前述模型,根據移動式窗估計法預測BDI指數之週波動性後,再以 MAE、MSE、RMSE、LL、MME(O)、MME(U)等損失函數,進行樣本外波動預測能力評估。根據前述四種模型進行樣本內估計與樣本外預測,具體實證結果如下:(1)由GARCH類模型之平均數方程式的參數估計結果發現,BDI指數報酬率不僅受到歷史資訊的影響,亦受油價衝擊使得航運類股之獲利情形有負面的影響;商品期貨價格對航運類股獲利情形有正面的影響。(2)由變異數方程式的估計結果得知,BDI指數之波動性明顯受到歷史波動性的影響;前一期原油報酬率對於BDI指數波動性為顯著的負向影響;然而,BDI指數波動性受到前一期商品期貨價格指數報酬率的影響並不顯著。(3) BDI指數報酬率存在顯著的波動持續性及不對稱的槓桿效果。(4)若以報酬率的平方作為波動度的代理變數,IGARCH模型的樣本外波動預測能力優於其他模型;若改以價格變幅作為波動度的代理變數,則以GARCH模型的表現最佳。以上實證結果可提供相關海運業者及股市投資人從事避險操作與擬訂投資決策之重要參考依據。
英文摘要 Baltic dry index (BDI) represents the booming target of bulk ship transport industry. It’s can be a reference for investment who want to invest in the maritime sector. Therefore, this thesis adopts the time series method to explore the nature of BDI index volatility. BDI represents explanatory variable, while West Texas intermediate (WTI) oil volatility and commodity research bureau futures (CRB) price returns represent dependent variables. We use four competitors, including the GARCH, IGARCH, GJR-GARCH, and QGARCH models, to compare their in-sample goodness of fit and out-of-sample volatility forecasting ability under oil and CRB shocks. Under the aforesaid econometric methodologies, a number of solid evidence has emerged from this thesis. First, the parameters of mean equations in the GARCH genre of models indicate that the BDI index returns are influenced by historical information, while the oil (commodity futures) price has a negative (positive) impact on the profits of shipping stocks. Second, the model estimates of the variance equations in the GARCH families reveal that volatility characteristics of the BDI index are influenced by historical property. Past oil shocks have significantly negative impact on the BDI index volatility, whereas the lag CRB index returns doesn’t significant influences BDI volatility property. Thirdly, high degree of volatility persistence and leverage effect are found in the BDI return series. Finally, out-of-sample volatility forecasting results imply that the IGARCH model provides the most accurate forecasts when the volatility proxy is measured by the squared returns. As for the forecasting results obtained from the price range (PK), the GARCH model is superior to the other competing models. The empirical findings provide crucial implications for marine transportation entrepreneur and common investors to improve decision makings and hence avoid the market risk.
論文目次 中文摘要...................................................i
英文摘要..................................................ii
圖目錄....................................................iv
表目錄.....................................................v
第一章 緒論................................................1
第一節 研究動機與背景....................................1
第二節 研究目的..........................................6
第三節 研究架構..........................................7
第四節 研究流程圖........................................8
第二章 BDI指數介紹與文獻回顧...............................9
第一節 BDI指數介紹及組成.................................9
第二節 BDI指數與各個市場之連動性關係....................11
第三節 BDI指數風險與報酬率之關係........................17
第四節 運費指數預測之相關文獻...........................19
第三章 研究方法...........................................25
第一節 單根檢定.........................................25
第二節 GARCH模型........................................27
第三節 移動視窗估計法...................................31
第四節 預測績效衡量方法.................................32
第四章 實證結果分析與探討.................................35
第一節 資料來源.........................................35
第二節 資料處理.........................................35
第三節 基本統計分析.....................................36
第四節 單根檢定結果.....................................39
第五節 樣本內參數估計結果...............................41
第六節 樣本外預測績效...................................43
第五章 結論與建議.........................................45
參考文獻..................................................47
國內參考文獻............................................47
國外參考文獻............................................49

圖目錄
圖1.1.1 海運類股獲利(EPS)情形............................4
圖1.1.2 空運類股獲利(EPS)情形............................4
圖1.1.3 陸運類股獲利(EPS)情形............................5
圖1.1.4 台灣主要海運類股股價與BDI指數關係圖..............5
圖1.4.1 研究流程圖.......................................8
圖3.3.1 移動視窗估計法..................................31
圖4.3.1 BDI指數走勢圖...................................37
圖4.3.2 CRB商品指數走勢圖...............................37
圖4.3.3 WTI原油價格走勢圖...............................37
圖4.3.4 BDI指數週報酬率走勢圖...........................39
圖4.3.5 BDI指數週報酬率波動性(PK)走勢圖.................39

表目錄
表 2.1.1 BDI指數組成表..................................10
表 4.3.1 BDI指數、油價及CRB商品指數之基本統計量.........36
表 4.3.2 BDI指數週報酬率之基本統計特性..................38
表 4.4.1 BDI指數週報酬率之單根檢定結果..................40
表 4.5.1各模型之樣本內參數估計結果......................42
表 4.6.1模型預測績效 (以SR為代理變數)...................43
表 4.6.2模型預測績效 (以PK為代理變數)...................44





參考文獻 國內參考文獻
1.周明道、林仕展(2010),波羅的海運價綜合指數與鋼價指數相關性之分析-以VAR 模型之應用,運輸學刊,第二十二卷第二期,頁 211~232。
2.周益賢(2012),運用日內資料提升選擇權預測準確性之研究,淡江大學財金所,碩士論文。
3.周恆志、張超琦(2011),波羅地海乾散貨運價指數之報酬與風險抵換關係,運籌與管理學刊,第十卷第二期,頁31~39。
4.程于珊(2011),ICAPM模型研究波羅的海散貨運價指數報酬與風險之關係,國立海洋大學航運管理所,碩士論文。
5.江信寧(2008) ,以總體指標作為選股策略之探討(以上市、櫃運輸類股為例) ,淡江大學管理科學研究所,碩士論文。
6.柯家哲(2008),波羅地海指數非線性混沌行為,中原大學企管研究所,碩士論文。
7.陳永順(2008),國際散裝乾貨船市場分析,船舶與海運通訊,第十八期,頁12~29。
8.陳肇安 (2005),探討台灣運輸類股指數與BDI等國內外相關指數連動性,國立中山大學財務管理研究所,碩士論文。
9.張瀞之、劉錫謙(2012),時間序列方法探討波羅的海綜合運價指數與運輸類股之研究─以美國與臺灣為研究對象,台灣銀行季刊,第六十一卷第二期,頁191~207。
10.梁容禎(2006),波羅的海散乾貨指數影響因素之分析與預測,國立交通大學交通運輸所,碩士論文。
11.楊奕農(2005),時間序列分析,初版,台北:雙葉書廊。
12.楊鈺池、王志敏(2010),海峽型租金費率與船價波動關係之時間序列研究,運輸計畫季刊,第三十五卷第四期,頁415~442。
13.溫佩玲、林晉勗、林師模(2008),國際原物料價格與散裝海運運價指數之連動及其對運價指數預測之影響,運輸學刊,第二十卷第四期,頁351~376。
14.陳怡螢(2010) ,波羅的海指數與全球海運新船運具交易量關聯性之研究,萬能科技大學經營管理所,碩士論文。
15.劉洪鈞、姜淑美、白東岳(2011),日內資料對黃金指數型基金波動性的增量預測價值,績效與策略研究,第八卷第二期,頁11~30。
16.蕭堯仁、周恆志(2011) ,波羅地海乾散貨運價指數與金磚四國股價之關聯性,航運季刊,第二十卷第四期,頁1~24。
17.鐘政棋、徐嘉陽、林宥勝(2009),散裝波羅地海海峽型船市場與BCI指數之預測,運輸學刊,第二十一卷第一期,頁25~46。

國外參考文獻
1.Bollerslev, T. (1986), Generalized autoregressive conditional heteroscedasticity. Journal of Econometrics, 31, 307-327.
2.Brailsford, T.J. and Faff, R.W.(1996), An Evaluation of Volatility Forecasting Techniques. Journal of Banking and Finance, 20(3), 419-438.
3.Chang, Y.T. and Chang, H.B. (2012), Predictability of the dry bulk shipping market by BIFFEX. Maritime Policy & Management, 23(2), 102-114.
4.Chen, Y.S. and Wang, S.T. (2004), The empirical evidence of the leverage effect on volatility in international bulk shipping market. Maritime Policy & Management, 31(2), 109-124.
5.Cullinane, K. (2012), A short-term adaptive forecasting model for BIFFEX speculation: a Box—Jenkins approach. Maritime Policy & Management, 19(2), 91-114.
6.Dickey, D.A. and Fuller, W.A. (1981), Likelihood ratio statistic for autoregressive time series with a unit root. Econometrica, 49, 143-159.
7.Engle, R.F. (1982), Autoregressive conditional heteroscedasticity with estimates of variance of UK inflation. Econometrica, 50, 987-1008.
8.Engle, R.F. and Bollerslev, T. (1986),Modeling the persistence of conditional variances. Econometric Review, 5(1),1-50.
9.Erdogan, O., Tata, K., Karahasan, B.C. and Sengoz, M.H. (2012), Dynamics of the co-movement between stock and maritime markets. International Review of Economics & Finance, 25, 282-290.
10.Glosten, L.R., Jagannathan, R. and Runkle, D.E. (1993), On the relation between the expected value and volatility on the nominal excess returns of stocks. Journal of Finance, 48, 1779-1801.
11.Granger, C.W.J. and Newbold, P. (1974), Spurious regressions in econometrics. Journal of Econometrics, 2(2), 111-120.
12.Hammoudeh, S. and Yuan, Y. (2008), Metal volatility in presence of oil and interest rate shocks. Energy Economics, 30(2), 606–620.
13.Hansen, P.R. and Lunde, A. (2005), A forecast comparison of volatility models : Does anything beat a GARCH(1,1). Journal of Applied Economertrics, 20(7), 873-889.
14.Kavussanos, M.G. (1997), The dynamics of time-varying volatilities in different size second-hand ship prices of the drycargo sector. Applied Economics, 29(4), 433-443.
15.Kavussanos, M.G. and Alizadeh-M, A.H. (2001), Seasonality patterns in dry bulk shipping spot and time charter freight rates. Transportation Research Part E, 37(6), 443-467.
16.Kavussanos, M.G. and Nomikos, N.K. (1999), The forward pricing function of the shipping freight futures market. Journal of Futures Markets, 19(3), 353–376.
17.Kavussanos, M.G. and Visvikis, I.D. (2004), Market interactions in returns and volatilities between spot and forward shipping freight markets. Journal of Banking & Finance, 28(8), 2015-2049.
18.Kwiatkowski, D., Phillips, P.C.B., Schmidt, P. and Shin, Y. (1992), Testing the null hypothesis of stationarity against the alternative of a unit root: How sure are we the economic time series have a unit root? Journal of Econometrics, 54(1-3), 159-178.
19.Nelson, D.B. (1991), Conditional heteroskedasticity in asset returns: A new approach. Econometrica, 59, 347-370.
20.Phillips, P.C.B. and Perron, P. (1988), Testing for a unit root in time series regression. Biometrika, 75(2), 335-346.
21.Said, S.E. and Dickey, D.A. (1984), Testing for unit roots in autoregressive moving average models of unknown order. Biometrika, 71, 599-607.
22.Schwert, G.W. (1989), Tests for a unit roots in time series regression. Biometrika, 75, 335-346.
論文使用權限
  • 同意紙本無償授權給館內讀者為學術之目的重製使用,於2018-07-01公開。
  • 同意授權瀏覽/列印電子全文服務,於2018-07-01起公開。


  • 若您有任何疑問,請與我們聯絡!
    圖書館: 請來電 (02)2621-5656 轉 2281 或 來信