本研究探討在新冠疫情下，台灣上市貨櫃及散裝航運公司股價報酬率與上海出口集裝箱運價指數(SCFI)、波羅的海乾散裝指數(BDI)報酬率之關聯性變動情形。研究樣本涵蓋台灣上市貨櫃航運公司長榮、陽明、萬海及台灣上市散裝航運公司慧洋、裕民、台航。樣本期間採用2019年1月1日至2021年12月31日的週資料。本研究分成兩部份，第一部分採用AR-GARCH 模型進行關聯性實證分析，探討台灣上市貨櫃航運產業受上海出口集裝箱運價指數及散裝航運產業受波羅的海綜合運價指數波動影響並選取各項經濟變數及活動指數，包含匯率、航運準班率、布蘭特原油價格、標準普爾500，以及採用COVID-19每日新增病例數等變數探討其變數變動率對股價報酬率之關聯性。第二部分選取上海出口集裝箱運價指數及波羅的海綜合運價指數作為運費指標，並且選取上述各項經濟變數及活動指數，再對變數做ADF單根檢定、共整合檢定及誤差修正模型，並且採用格蘭傑因果關係檢定來探討各項指數及疫情對海運運價的因果關係。

The purpose of this study is to explore the correlation between the stock  price returns of Taiwan container companies and Taiwan bulk shipping companies and the rate of returns of Shanghai Export Container Freight Index (SCFI) and Baltic Dry Bulk Index (BDI) under the COVID-19 . The research sample covers Taiwan container companies (Evergreen, Yang Ming, Wan Hai) and Taiwan bulk shipping companies (Huiyang, Yumin, Taiwan Airlines). The sample period uses the weekly data from January 1, 2019 to December 31, 2021. This study is divided into two parts. The first part uses AR-GARCH model to conduct empirical correlation analysis, discuss the impact of Taiwan container shipping industry on SCFI and Taiwan bulk shipping industry impact on the BDI and select various economic variables and activity indices, including Exchange rates, Global liner report, Brent oil prices, Standard & Poor's 500, and the daily number of new COVID-19 cases to explore the degree of correlation between its rate of returns, the second part selects Shanghai Export Container Freight Index and Baltic Dry Bulk Index as freight indicators, and selects the above economic variables and activity indices, and then performs Augmented Dickey-Fuller Test, cointegration test and error correction model for the variables, and uses the Granger causality test to explore the various Index and the causal relationship between the epidemic and ocean freight rates.

目錄
第一章 緒論1
第一節 研究背景1
第二節 研究目的4
第三節 研究架構5
第二章 文獻回顧6
第一節 海運業價格影響之因素6
第二節AR-GARCH 模型相關文獻9
第三節 時間序列研究方法相關文獻11
第三章 研究方法14
第一節 研究資料15
一、台灣海運股價15
二、上海出口集裝箱運價指數17
三、波羅的海散裝指數17
四、匯率	17
五、航運準班率17
六、布蘭特原油價格18
七、COVID-19每日新增病例數18
八、標準普爾50018
第二節 相關計量方法20
一、AR(m)-GARCH(p,q)模型20
二、Durbin-Watson 檢定22
三、Jarque-Bera常態性檢定23
四、Ljung-Box Q 統計量檢定24
第三節 時間序列研究法25
一、ADF檢定法25
二、共整合檢定26
三、向量誤差修正模型 (Vector Error Correction Model, VECM)28
四、向量自我迴歸模型( Vector Autoregressive Models ;VAR Models )30
五、Granger 因果關係檢定(Granger Causality Test)31
第四章 實證結果34
第一節 資料分析34
第二節 GARCH 模型36
一、ADF單根檢定37
二、Durbin-Watson檢定45
三、Jarque–Bera檢驗45
四、AR(1)模型48
五、ARCH效果檢定52
六、GARCH模型55
第三節 時間序列研究法57
一、疫情發生前(2019 年)各變數間之JOHANSEN共整合檢定57
二、疫情發生後(2020-2021 年)各變數間之JOHANSEN共整合檢定59
三、向量修正誤差模型(VECM)61
四、格蘭傑因果關係檢定(Granger Causality Test)65
第五章 結論與建議68
第一節 結論68
第二節 後續建議71
參考文獻	72
中文文獻	72
英文文獻	74

表目錄
表1-1上海港2015年至2021年貨物吞吐量及成長率3
表3-1 各研究資料來源整理19
表4-1 海運週股價變動率敘述性統計表	35
表4-2 經濟數據變數變動率敘述性統計表35
表4-3相關係數表35
表4-4 2019年各數列之ADF單根檢定結果表40
表4-5 2019年各數列之ADF單根檢定結果表(一階差分)41
表4-6 2020-2021年各數列之ADF單根檢定結果表42
表4-7 2020-2021年各數列之ADF單根檢定結果表(一階差分)42
表4-8 Durbin-Watson檢定表45
表4-9 AR(1) 2019年自我迴歸結果表49
表4-10 AR(1) 2020-2021年自我迴歸結果表51
表4-11	 Q與LM檢定統計量(長榮)52
表4-12	 Q與LM檢定統計量(陽明)53
表4-13	 Q與LM檢定統計量(萬海)53
表4-14	 Q與LM檢定統計量(慧洋)54
表4-15	 Q與LM檢定統計量(裕民)54
表4-16 Q與LM檢定統計量(台航)55
表4-17 GARCH(1,1)2020-2021年自我迴歸條件異質變異數模型結果表56
表4-18 2019年各變數與SCFI指數落後期數之AIC值58
表4-19 2019年各變數與SCFI指數之共整合檢定結果58
表4-20 2019年各變數與BDI指數落後期數之AIC值58
表4-21 2019年各變數與BDI指數之共整合檢定結果59
表4-22 2020-2021年各變數與SCFI指數落後期數之AIC值59
表4-23 2020-2021年各變數與SCFI指數之共整合檢定結果59
表4-24 2020-2021年各變數與BDI指數落後期數之AIC值60
表4-25 2020-2021年各變數與BDI指數之共整合檢定結果60
表4-26 2019年SCFI指數之VECM模型結果61
表4-27 2019年BDI指數之VECM模型結果62
表4-28 2020-2021年SCFI指數之VECM模型結果63
表4-29 2020-2021年BDI指數之VECM模型結果64
表4-30 2019年各變數對SCFI指數之格蘭傑因果關係檢定結果65
表4-31 2019年各變數對BDI指數之格蘭傑因果關係檢定結果66
表4-32 2020-2021年各變數對SCFI指數之格蘭傑因果關係檢定結果67
表4-33 2020-2021年各變數對BDI指數之格蘭傑因果關係檢定結果67
圖目錄
圖1-1 2020-2021年每日COVID-19新增病例數2
圖1-2 上海出口集裝箱運價指數3
圖1-3 波羅的海散裝貨運指數3
圖3-1研究方法流程圖15
圖3-2長榮報酬率時間序列圖16
圖3-3陽明報酬率時間序列圖16
圖3-4萬海報酬率時間序列圖16
圖3-5慧洋報酬率時間序列圖16
圖3-6裕民報酬率時間序列圖16
圖3-7台航報酬率時間序列圖16
圖4-1長榮價格走勢圖37
圖4-2陽明價格走勢圖37
圖4-3萬海價格走勢圖38
圖4-4裕民價格走勢圖38
圖4-5台航價格走勢圖38
圖4-6慧洋價格走勢圖38
圖4-7 SCFI價格走勢圖38
圖4-8 BDI價格走勢圖38
圖4-9準班率走勢圖39
圖4-10布蘭特原油價格走勢圖39
圖4-11 S&P 500價格走勢圖39
圖4-12 TWD/USD匯率價格走勢圖39
圖4-13 NEW CASE走勢圖39
圖4-14長榮殘差分佈圖43
圖4-15陽明殘差分佈圖43
圖4-16萬海殘差分佈圖44
圖4-17慧洋殘差分佈圖44
圖4-18裕民殘差分佈圖44
圖4-19台航殘差分佈圖45
圖4-20長榮JB檢定圖46
圖4-21陽明JB檢定圖46
圖4-22萬海JB檢定圖46
圖4-23慧洋JB檢定圖47
圖4-24裕民JB檢定圖47
圖4-25台航JB檢定圖47

中文文獻
1.古欣卉(2004) 預測財務波動性：CARR模型的應用，淡江大學財務金融學系碩士論文
2.石嘉程(2021) 比特幣價格與總體經濟變數的長期均衡關係，國立暨南國際大學經濟學系碩士論文
3.任皇珠(2015) 探討國際油價與台灣航運類股之關聯性，國立臺北大學國際財務金融學系在職專班碩士論文
4. 吳東海(2021) 總體經濟變數與原油期貨交互作用影響因素之探討，國立彰化師範大學財務金融技術學系博士論文
5.林書帆(2021)，COVID-19疫情對海運運價的影響，國立清華大學全球營運管理碩士雙聯學位學程碩士論文。
6.林舒婷(2017) 金融危機後美國與中國股市對亞洲股市影響力之研究，嶺東科技大學財務金融學系碩士論文
7.許文安(2019) 原油價格、波羅的海乾貨綜合運價指數及台灣海運業股價之關聯性研究，南華大學財務金融學系碩士論文。
8.張佳玲(2020) 風險值模型績效探討-以臺灣50指數成分股為例，國立高雄科技大學金融資訊學系碩士論文
9.張育誠(2014) 油價、黃金、匯率與台灣股價指數之關連性研究，國立高雄應用科技大學金融資訊學系碩士論文
10.黃靖雯(2018) 股市與原油價格連動關係之研究：以大陸A股與台灣股市為例，國立中山大學財務管理學系碩士論文
11.曾丹陽(2018) 國際原油、BDI指數、匯率與海運公司股票報酬率之關係研究，國立高雄應用科技大學國際企業系在職專班碩士論文。
12.楊慧汶(2004)，航運資訊與股價關聯性之研究，國立雲林科技大學財務金融學系碩士論文。
13.楊琇雅(2016) 台灣加權股價指數、原油價格、全世界能源指數與綠能產業股價之關聯性-以LED產業為例，國立中正大學財務金融學系在職專班碩士論文
14.楊婷雁(2007) 波羅的海綜合運價指數與台灣上市散裝航運公司股價波動關聯性研究，國立高雄海洋科技大學運輸管理學系碩士論文
15.鄭光宏(2021) 國際原油價格對台灣海運業股價之影響，	淡江大學暨澳洲昆士蘭理工大學財金全英語雙碩士學位碩士論文
16.鄭濬修(2019) 總體經濟結構與經濟發展：台灣實證分析，國立宜蘭大學應用經濟與管理學系碩士論文





英文文獻
1.Akaike, H. (1973), “Information Theory and an Extension of the Maximum Likelihood Principle,”International Symposium on Information Theory, pp.267-281.
2.Bollerslev,T.(1986) “Generalized autoregressive conditional heteroskedasticity,” Journal of Econometrics,Vol.31,pp.307-327.
3.Dickey, D.A., and Fuller, W. A. (1981) “Likelihood ratio statistics for autoregressive time series with a unit root. ” Econometrica,Vol.49,pp.1057-1072.
4.Durbin, J., and Watson, G. S. (1950) “Testing for Serial Correlation in Least Squares Regression, I. ” Biometrika, Vol.37, pp. 409-428.
5.Engle,R.F. and Granger, C. J. W. (1987) “Co-Integration and Error Correction: Representation, Estimation, and Testing, ” Econometrica ,Vol.55,  pp. 251-276
6.Granger, C. J. W. (1969) “Investigating Causal Relations by Econometric Models and Cross-spectral Methods, ” Econometrica ,Vol.37, pp.424–438.
7.Granger, C. J. W., and  Newblod, P. (1974). “Spurious regressions in econometrics, ” Journal of Econometrics, vol. 2,pp.111-120
8.Granger, C. J. W. and Teräsvirta, T. (1993), Modelling Non-Linear Economic Relationships, Oxford University Press
9.Jarque, C. M. and  Bera, A. K. (1980). “Efficient tests for normality, homoscedasticity and serial independence of regression residuals, ” Economics Letters 6,pp.255–259
10.Johansen, S. and Juselius,K.(1990) . “ Maximum likelihood estimation and inference on cointegration—with appucations to the demand for money, ” Oxford Bulletin of Economics and statistics, Vol.52,pp.169-210.
11.Lang, X. et al. (2021) . “ Estimating the effect of COVID-19 epidemic on shipping trade: An empirical analysis using panel data, ” Marine Policy, Vol.133, Article.104768.  
12.Liu, Y.A. (1997) “Mean and Volatility Spillover Effects in the U.S. and Pacific-Basin Stock Markets , ” Multinational Finance Journal, pp.47-63.
13.Michail,N.A. and Melas,K.D. (2020) . “ Shipping markets in turmoil: An analysis of the Covid-19 outbreak and its implications, ”Transportation Research Interdisciplinary Perspectives, Vol.7, Article.100178.
14.Sims, C.A. (1980) . “Macroeconomics and reality, ” Econometrica, Vol.48,pp.1-48.
15.Teräsvirta, T. (1994) . “ Specification, Estimation, and Evaluation of Smooth Transition Autoregressive Models, ”Journal of the American Statistical Association,Vol.89, pp.208-218.