林舒暖　 張婕姝

摘要：波羅的海原油運價指數(shù)（Baltic dirty tanker index， BDTI）是油船運輸企業(yè)把握油運市場景氣程度的“風(fēng)向標(biāo)”，為揭示其波動規(guī)律，采用復(fù)雜網(wǎng)絡(luò)理論對其進行研究。通過分析加權(quán)度、中心性、n派系、k核等網(wǎng)絡(luò)拓撲結(jié)構(gòu)指標(biāo)，得到BDTI的波動特征：BDTI復(fù)雜網(wǎng)絡(luò)呈無標(biāo)度特性，處于網(wǎng)絡(luò)核心位置的8種主導(dǎo)模態(tài)構(gòu)成一個單向閉環(huán)進行8個滑動周期傳導(dǎo)，對BDTI波動信息傳導(dǎo)起到重要作用。n派系和k核分析結(jié)果表明，BDTI復(fù)雜網(wǎng)絡(luò)具有周期波動性、類群集聚性、漸進傳導(dǎo)性。BDTI正常上升主要發(fā)生在9月、10月、11月，正常下降主要發(fā)生在2月、4月、5月，且不存在明顯的自傳導(dǎo)特征。

關(guān)鍵詞：? 水路運輸; 復(fù)雜網(wǎng)絡(luò); 波羅的海原油運價指數(shù)（BDTI）; BDTI復(fù)雜網(wǎng)絡(luò); 波動特征

中圖分類號：? F550.5文獻標(biāo)志碼：? A

Study on fluctuation law of Baltic dirty tanker

index based on complex network

Abstract： The Baltic dirty tanker index （BDTI） is the “weathervane” for tanker transportation enterprises to grasp the oil transportation market boom degree. In order to reveal its fluctuation law， it is studied by the complex network theory. By analyzing the network topology indices such as the weighting degree， centrality， ncliques and kcore， the fluctuation characteristics of BDTI are obtained as follows： the BDTI complex network is scale free， and the 8 dominant modes at the core of the network form a oneway closed loop for 8 sliding cycle conduction， which plays an important role in the BDTI fluctuation information transmission. The analysis results on ncliques and kcore show that， the BDTI complex network is of periodic fluctuation， class clustering and progressive conductivity. The normal increase of BDTI mainly occurs in September， October and November， while the normal decrease mainly occurs in February， April and May， and there is no obvious selfconduction characteristic.

Key words： waterway transportation; complex network; Baltic dirty tanker index （BDTI）; BDTI complex network; fluctuation characteristic

引言

波羅的海原油運價指數(shù)（Baltic dirty tanker index， BDTI）由波羅的海航運交易所發(fā)布，具有公認(rèn)的權(quán)威性，是衡量油船運輸市場景氣程度的“晴雨表”，分析研究歷年來BDTI的波動幅度及運價走勢，對油船運輸企業(yè)制定相關(guān)經(jīng)營策略和規(guī)避相關(guān)海運風(fēng)險具有十分重要的意義。目前已有眾多學(xué)者從不同的視角對BDTI波動規(guī)律進行了大量研究。LI等[1]利用BP模型預(yù)測了BDTI走勢，分析BDTI短期和中長期發(fā)展動態(tài)。FAN等[2]采用小波分析指出，BDTI波動具有非線性和非平穩(wěn)性。文獻[35]分別采用灰色關(guān)聯(lián)理論、經(jīng)驗?zāi)Ｊ椒纸?、組合預(yù)測模型3種不同的方法對油船運價指數(shù)波動規(guī)律進行了分析，表明油船運價指數(shù)波動與其他時間序列變量存在強相關(guān)性。文獻[67]采用計量經(jīng)濟學(xué)方法有效評估了BDTI的風(fēng)險價值，為測度BDTI的投資風(fēng)險提供了新思路?？锖２ǖ萚8]基于BDTI波動不確定性風(fēng)險的分析表明，BDTI的波動在短期內(nèi)符合幾何布朗運動方程。文獻[910]均對BDTI進行了多重分形分析，結(jié)果發(fā)現(xiàn)該時間序列均出現(xiàn)了明顯的多重分形特征。馮文文等[11]對BDTI波動機理進行的分析表明，BDTI具有顯著的均值回歸特性。

上述學(xué)者采用了非網(wǎng)絡(luò)化的理論方法對BDTI波動規(guī)律進行探究，而在運用復(fù)雜網(wǎng)絡(luò)方法上，ADLAND等[12]利用非參數(shù)馬爾科夫鏈研究了即期油船運價的波動性，認(rèn)為非線性隨機模型最能描述運價的波動特性。安海崗等[13]較早地將復(fù)雜網(wǎng)絡(luò)方法應(yīng)用到時間序列分析中，為油船運價時間序列分析拓展了新思路。周潔[14]采用網(wǎng)絡(luò)演化動力學(xué)分析指出，代表原油價格短期波動趨勢的高頻油價、原油庫存和美元指數(shù)三者聯(lián)動閾值網(wǎng)絡(luò)更加接近“小世界網(wǎng)絡(luò)”。在集裝箱運價指數(shù)研究中，湯霞等[15]運用系統(tǒng)動力學(xué)方法構(gòu)建中國出口集裝箱運價指數(shù)（China containerized freight index， CCFI）波動復(fù)雜網(wǎng)絡(luò)模型，表明集裝箱運價波動存在周期性和漸進性。

現(xiàn)階段對BDTI研究甚多，但是運用復(fù)雜網(wǎng)絡(luò)理論對其波動規(guī)律進行研究的成果較少。復(fù)雜網(wǎng)絡(luò)理論是系統(tǒng)科學(xué)和復(fù)雜科學(xué)研究的重要理論之一，主要通過分析系統(tǒng)網(wǎng)絡(luò)的拓撲結(jié)構(gòu)性質(zhì)，從中探究不同系統(tǒng)主體之間的關(guān)聯(lián)程度。目前已廣泛應(yīng)用于社會關(guān)系、能源、金融、國際貿(mào)易等領(lǐng)域，類似于金融市場的股票指數(shù)波動傳導(dǎo)機制研究，復(fù)雜網(wǎng)絡(luò)理論應(yīng)用于原油運價指數(shù)具有一定的適用性，但這方面的研究有待完善。

本文基于復(fù)雜網(wǎng)絡(luò)理論對BDTI波動特征進行分析，通過構(gòu)建BDTI波動有向加權(quán)網(wǎng)絡(luò)模型，計算其加權(quán)度、加權(quán)集聚系數(shù)、中心性、n派系（ncliques）、k核（kcore）等網(wǎng)絡(luò)拓撲結(jié)構(gòu)指標(biāo)，分析BDTI波動的內(nèi)在規(guī)律，幫助油船運輸企業(yè)及時掌握油運市場行情動態(tài)，在短期內(nèi)準(zhǔn)確把握運價走勢，提前制定相關(guān)經(jīng)營策略以應(yīng)對市場不確定性。

1BDTI復(fù)雜網(wǎng)絡(luò)模型構(gòu)建

首先將BDTI數(shù)據(jù)按照“3σ原則”進行粗?；幚?，將其轉(zhuǎn)化為符號序列（波動模態(tài)），構(gòu)建一個以波動模態(tài)為節(jié)點，模態(tài)之間的轉(zhuǎn)換關(guān)系為邊、轉(zhuǎn)換次數(shù)為權(quán)重的有向加權(quán)網(wǎng)絡(luò)模型，對BDTI波動規(guī)律進行研究。

1.1BDTI數(shù)據(jù)粗?；幚?/p>

選取2000年1月—2020年12月（共21年）的BDTI為原始數(shù)據(jù)，數(shù)據(jù)來源于Clarkson Research。為了解探究BDTI波動特性，將相鄰兩個月的BDTI的差值定義為運價波動幅度，即ΔEBDTI（t）=EBDTI（t）-EBDTI（t-1），EBDTI（t）為時間t的BDTI值，繪制BDTI波動幅度趨勢圖，見圖1。

在充分考慮“3σ原則”基礎(chǔ)上，對BDTI數(shù)據(jù)進行粗?；幚?。將運價波動狀態(tài)定義為Fi， Fi∈（U，u，o，d，D），其中U代表異常上升，u代表正常上升，o代表不變動，d代表正常下降，D代表異常下降。波動狀態(tài)判斷如式（1）所示，其中μ和σ分別為ΔEBDTI的均值和標(biāo)準(zhǔn)差。取BDTI連續(xù)3個月的符號序列作為一個波動模態(tài)，利用數(shù)據(jù)滑動窗，以3個月為滑動窗口，以1個月為步長，對其進行粗?；幚?，具體見表1。（1）

對BDTI數(shù)據(jù)進行粗?；幚砗螅瑧?yīng)該有125（53）種波動模態(tài)，但從圖2發(fā)現(xiàn)，只出現(xiàn)了27種波動模態(tài)。從圖2波動模態(tài)分布可知，只有少數(shù)模態(tài)在波動傳導(dǎo)中出現(xiàn)頻率較高，多數(shù)模態(tài)出現(xiàn)頻率低，其中ddd、uuu、duu、ddu、udd、uud、dud、udu這8種模態(tài)的出現(xiàn)頻率較高，即連續(xù)3個月BDTI表現(xiàn)出正常上升、正常下降、正常升降的狀態(tài)較頻繁，并且這8種模態(tài)中均不包含“D”或“U”等異常狀態(tài)，說明2000—2020年BDTI連續(xù)3個月處于正常升降的波動狀態(tài)。27種模態(tài)中均不包含“o” 狀態(tài)，即不存在BDTI不變動現(xiàn)象，說明BDTI連續(xù)3個月的波動變化是動態(tài)發(fā)展的。

1.2BDTI波動有向加權(quán)網(wǎng)絡(luò)模型構(gòu)建

構(gòu)建以波動模態(tài)為節(jié)點，模態(tài)之間的轉(zhuǎn)換關(guān)系為邊、轉(zhuǎn)換次數(shù)為權(quán)重的網(wǎng)絡(luò)模型。如圖3所示，其中邊的粗細表示模態(tài)之間轉(zhuǎn)換次數(shù)的權(quán)重大小，模態(tài)之間轉(zhuǎn)換頻率越高，有向加權(quán)邊的權(quán)重就越大，邊就越粗。經(jīng)統(tǒng)計，該有向加權(quán)網(wǎng)絡(luò)中共有27個節(jié)點和249條邊。

由表2可知：在模態(tài)轉(zhuǎn)換過程中，從ddu到duu的轉(zhuǎn)換出現(xiàn)了20次，其對應(yīng)的邊的權(quán)重最大;有24對模態(tài)的轉(zhuǎn)換次數(shù)為1，它們對應(yīng)的邊的權(quán)重最小，且都包含了U和D。由圖3可知，轉(zhuǎn)換較頻繁的8種模態(tài)形成了一個單向閉環(huán)，即duu→uuu→uud→udu→dud→udd→ddd→ddu→duu，由此可知該8種模態(tài)對BDTI的波動傳導(dǎo)起到核心作用，且都屬于正常升降，無異常上升、異常下降以及不變動，反映了BDTI的波動傳導(dǎo)存在一定的規(guī)律性。如連續(xù)3個月波動呈現(xiàn)duu時，很大程度上該模態(tài)會朝著uuu方向變動，即第4個月出現(xiàn)“正常上升”的概率大。如此反復(fù)循環(huán)，可為油船運輸企業(yè)預(yù)測油運市場運價波動提供一定的指導(dǎo)。

2BDTI復(fù)雜網(wǎng)絡(luò)結(jié)構(gòu)分析

2.1加權(quán)度

在構(gòu)建的BDTI復(fù)雜網(wǎng)絡(luò)中，模態(tài)的加權(quán)度越大，該模態(tài)就越重要，出現(xiàn)頻率就越高，向其他鄰近模態(tài)轉(zhuǎn)換的次數(shù)就越多。模態(tài)i的加權(quán)度（2）式中：N表示所有模態(tài)加權(quán)度的累計值;Wij表示從模態(tài)i轉(zhuǎn)換到模態(tài)j所能經(jīng)過的最少模態(tài)數(shù)。平均加權(quán)度（3）根據(jù)式（2）計算各模態(tài)的加權(quán)度，結(jié)果見表3。從表3可知，前8個模態(tài)duu、ddu、udd、uud、dud、udu、ddd、uuu的加權(quán)度均超過30，累計加權(quán)度分布達到81.77%，與上述網(wǎng)絡(luò)圖中形成的單向閉環(huán)相呼應(yīng)。

根據(jù)式（3）計算平均加權(quán)度，可得整個BDTI復(fù)雜網(wǎng)絡(luò)的平均加權(quán)度為7.93，表明網(wǎng)絡(luò)中平均每個模態(tài)與其他8個模態(tài)相連。對模態(tài)的加權(quán)度Ki和排名次序li進行雙對數(shù)處理（見圖4），得到回歸方程y=-1.45x+5.41（這里x=ln Ki，y=ln li），可決系數(shù)為0.855，說明BDTI波動模態(tài)呈冪律分布，體現(xiàn)了網(wǎng)絡(luò)的無標(biāo)度特征，即只有少數(shù)模態(tài)與其他模態(tài)之間存在多邊相連，比如duu、ddu、udd、uud等。這些模態(tài)在網(wǎng)絡(luò)中具有強控制能力，向鄰近模態(tài)轉(zhuǎn)換的路徑多，這意味著一旦BDTI連續(xù)3個月出現(xiàn)這些模態(tài)，油船運輸企業(yè)需提前擬定多種運價走勢方案，以降低油運市場風(fēng)險損失。

2.2加權(quán)集聚系數(shù)

模態(tài)的集聚系數(shù)用來反映BDTI復(fù)雜網(wǎng)絡(luò)中各個模態(tài)與鄰近模態(tài)之間進行信息傳導(dǎo)的聚集程度。模態(tài)集聚系數(shù)越大，在網(wǎng)絡(luò)中就越重要。模態(tài)i的加權(quán)集聚系數(shù)（4）式中：ki表示模態(tài)i的強度;si表示模態(tài)i的度值;wij表示從模態(tài)i到模態(tài)j的連邊的權(quán)重;wjk表示從模態(tài)j到模態(tài)k的連邊的權(quán)重;aijajkaki表示 i、j、k能否構(gòu)成三角形，其中aij表示鄰接矩陣元素，若模態(tài)i與模態(tài)j之間有邊直接相連，則aij=1，否則aij=0。

由表4可知，BDTI復(fù)雜網(wǎng)絡(luò)中的前10個模態(tài)的加權(quán)集聚系數(shù)均不為0，且與每個模態(tài)構(gòu)成三角形的其他兩個模態(tài)均位于單向閉環(huán)內(nèi)，說明加權(quán)集聚系數(shù)越大的模態(tài)，向單向閉環(huán)中的8種主導(dǎo)模態(tài)傳導(dǎo)信息的概率就越大，越有可能觸發(fā)閉環(huán)，使其以8個滑動周期循環(huán)轉(zhuǎn)換。油船運輸企業(yè)需密切關(guān)注加權(quán)集聚系數(shù)大的模態(tài)。

2.3接近中心性和介數(shù)中心性

接近中心性用于反映模態(tài)在網(wǎng)絡(luò)中居于中心的程度，介數(shù)中心性用來分析模態(tài)在網(wǎng)絡(luò)中的中介作用。

模態(tài)i的接近中心性（5）式中： dij表示從模態(tài)i到模態(tài)j的最短路徑;M表示節(jié)點總數(shù)。

模態(tài)k的介數(shù)中心性（6）式中：c（i，j）為從模態(tài)i到模態(tài)j的最短路徑的總數(shù);ck（i，j）為從模態(tài)i到模態(tài)j的最短路徑中經(jīng)過中間模態(tài)k的路徑數(shù)。

根據(jù)式（5）和（6）可計算得到27種模態(tài)的接近中心性和介數(shù)中心性，經(jīng)分析發(fā)現(xiàn)，兩者之間并不存在強相關(guān)性。如圖5所示，接近中心性最高的模態(tài)為ddu，其中前12個接近中心性較高的模態(tài)（duu、ddu、udd、uud、dud、udu、ddd、uuu、uDd、Ddu、uuD、Ddd）的累計貢獻率達52.55%，說明這12個模態(tài)中心性突出。而在網(wǎng)絡(luò)的波動傳導(dǎo)過程中扮演中介作用的主要是duu、ddu、dud、uDd、Ddu等模態(tài)。接近中心性較高的模態(tài)向下一模態(tài)轉(zhuǎn)換或者由上一模態(tài)轉(zhuǎn)換而來所經(jīng)過的路徑較短，直接連通性較強，以duu→uud轉(zhuǎn)換為例，其轉(zhuǎn)換只需要經(jīng)過一步，而不需要經(jīng)過以uuu為中介的duu→uuu→uud的兩步轉(zhuǎn)換。如果出現(xiàn)接近中心性較高的模態(tài)，那么它下個月向與它緊密相連的模態(tài)進行信息傳導(dǎo)的速度將會很快。對于油船運輸企業(yè)而言，要及時做好運價不常態(tài)化波動的準(zhǔn)備，妥善布局油船運力和做好風(fēng)險管控。

2.4n派系

為探究BDTI模態(tài)聚類程度，采用n派系方法對BDTI復(fù)雜網(wǎng)絡(luò)進行模態(tài)子群聚類。令n=2，當(dāng)模態(tài)規(guī)模大于或等于6時，BDTI復(fù)雜網(wǎng)絡(luò)被聚類成5個子群，如表5所示。子群內(nèi)任意2種模態(tài)之間的轉(zhuǎn)換均不超過2步，直接轉(zhuǎn)換的概率高。將5大子群細分為3類：1號子群內(nèi)u符號出現(xiàn)次數(shù)較多，屬于Ⅰ類正常上升子群;2號、4號子群內(nèi)d符號出現(xiàn)次數(shù)較多，屬于Ⅱ類正常下降子群;3號與5號子群內(nèi)u和d符號出現(xiàn)次數(shù)相當(dāng)，屬于Ⅲ類正常升降子群。當(dāng)某種模態(tài)出現(xiàn)時，由它向同類子群模態(tài)轉(zhuǎn)換的概率較高，1號、2號、3號子群模態(tài)向該類子群內(nèi)任意模態(tài)轉(zhuǎn)換的概率為16.7%，4號、5號的轉(zhuǎn)換概率則為20%。以Ⅰ類子群為例，當(dāng)uuu模態(tài)出現(xiàn)時，它有16.7%的概率向uuu或uud或uuU轉(zhuǎn)換。依照每類子群的模態(tài)傳導(dǎo)規(guī)律，可為油船運輸企業(yè)在發(fā)現(xiàn)BDTI的波動模態(tài)屬于某一子群時，提供至少2到3個月的運價預(yù)測。

2.5k核分析

為進一步探究BDTI復(fù)雜網(wǎng)絡(luò)中模態(tài)間的傳導(dǎo)特征，引入k核機制。將度小于k的節(jié)點以及相應(yīng)的邊刪除，余下子圖的節(jié)點作為k核，k核節(jié)點具有較強的連通性和傳導(dǎo)性。對BDTI復(fù)雜網(wǎng)絡(luò)的節(jié)點進行3核解析后結(jié)果見圖6。

由圖6可知，將BDTI復(fù)雜網(wǎng)絡(luò)進行3核解析后，只剩下6種模態(tài)，解析后的網(wǎng)絡(luò)形成了一個權(quán)重較大的6種模態(tài)鏈路，即duu→uud→udu→dud→udd→ddu→duu，說明當(dāng)BDTI波動處于該鏈路上的某一模態(tài)時，有很大概率該模態(tài)會沿著此鏈路向下一模態(tài)轉(zhuǎn)換。若出現(xiàn)uud模態(tài)，則經(jīng)歷6個滑動周期后相應(yīng)會出現(xiàn)uud→udu→dud→udd→ddu→duu→uud的模態(tài)傳導(dǎo)。從模態(tài)傳導(dǎo)過程可知，BDTI波動具有漸進傳導(dǎo)性和周期波動性，且持續(xù)正常升降狀態(tài)是比較常見的，而異常升降或者不變動狀態(tài)出現(xiàn)的概率較低。

對BDTI復(fù)雜網(wǎng)絡(luò)進行3核解析后，將權(quán)重較大的6種模態(tài)的演變時間和轉(zhuǎn)換模態(tài)進行統(tǒng)計，見表6。由表6可知，2000—2020年BDTI波動期間，k核閉環(huán)內(nèi)發(fā)生模態(tài)轉(zhuǎn)換次數(shù)最多的是從udd至ddu，累計達到25次，說明在BDTI復(fù)雜網(wǎng)絡(luò)中，udd與ddu兩種模態(tài)之間的轉(zhuǎn)換較為頻繁。duu→uud3核解析

模態(tài)轉(zhuǎn)換發(fā)生了22次，其中在2月發(fā)生正常下降次數(shù)最多;uud→udu模態(tài)轉(zhuǎn)換發(fā)生了14次，正常上升主要發(fā)生在10月;udu→dud模態(tài)轉(zhuǎn)換發(fā)生了13次，在4月表現(xiàn)出正常下降變化最為頻繁;dud→udd模態(tài)轉(zhuǎn)換時間主要集中于2月和5月;udd→ddu模態(tài)轉(zhuǎn)換多發(fā)生在9月和10月，其中9月發(fā)生的頻次最高;ddu→duu模態(tài)轉(zhuǎn)換出現(xiàn)了21次，其正常上升主要發(fā)生在10月和11月。3核解析后，BDTI均未出現(xiàn)連續(xù)3個月正常上升（uuu）或者連續(xù)3個月正常下降（ddd）的模態(tài)，說明BDTI不存在明顯的自傳導(dǎo)特征，即uuu→uuu或者ddd→ddd。

3核解析后發(fā)現(xiàn)，BDTI正常上升主要發(fā)生在9月、10月、11月，正常下降主要發(fā)生在2月、4月、5月。因此，對于油船運輸企業(yè)而言，可提前簽訂新船訂單或者購買二手船、適當(dāng)開辟新的航線，以及釋放更多的浮倉儲油運力，以便在BDTI處于正常上升的9月、10月、11月投入運營賺取更多利潤;同時在BDTI正常下降的2月、4月、5月可適當(dāng)采取拆解報廢部分油船、利用淡季時間安排油船維修保養(yǎng)、改變航線布局等策略，緩解油船運力過剩，減少利潤虧損。

3結(jié)論

波羅的海原油運價指數(shù)（BDTI）是原油運輸市場的“晴雨表”，能衡量原油運輸市場的景氣程度，因此分析BDTI的波動規(guī)律，有助于油船運輸企業(yè)對市場行情進行預(yù)判和風(fēng)險管控。本文通過復(fù)雜網(wǎng)絡(luò)理論對BDTI復(fù)雜網(wǎng)絡(luò)進行拓撲結(jié)構(gòu)探究，揭示BDTI運價波動的動態(tài)特征和內(nèi)在規(guī)律。結(jié)果顯示，BDTI波動有向加權(quán)網(wǎng)絡(luò)模型主要由duu→uuu→uud→udu→dud→udd→ddd→ddu→duu形成的單向閉環(huán)對BDTI波動進行8個滑動周期的信息傳導(dǎo)，這說明BDTI存在一定的周期波動性，該閉環(huán)中的8種模態(tài)控制著BDTI波動信息傳導(dǎo)，處于網(wǎng)絡(luò)的核心位置。通過子群聚類，將模態(tài)劃分成3大類，表明BDTI波動具有類群集聚性。3核解析下，剩余的6種主導(dǎo)模態(tài)duu→uud→udu→dud→udd→ddu→duu形成一條鏈路，表明BDTI復(fù)雜網(wǎng)絡(luò)具有漸進傳導(dǎo)性。BDTI正常下降主要發(fā)生在2月、4月、5月，BDTI正常上升主要發(fā)生在9月、10月、11月，且不存在明顯的自傳導(dǎo)特征。

受新冠肺炎疫情以及石油價格不確定等因素影響，2020年BDTI波動幅度顛覆歷年來的變化水平，這給油船運輸企業(yè)運力投放及經(jīng)營管理帶來了巨大的風(fēng)險。因此，如何在不確定市場中把握運價波動趨勢，成為油船運輸企業(yè)重點關(guān)注的目標(biāo)。根據(jù)本文研究結(jié)果，建議油船運輸企業(yè)密切關(guān)注由8種主導(dǎo)模態(tài)形成的單向閉環(huán)對BDTI波動信息進行鏈路傳遞的現(xiàn)象，在連續(xù)3個月出現(xiàn)某種波動變化時，對未來2～3個月內(nèi)的運價波動趨勢提前做好運力管控和風(fēng)險規(guī)避。

雖然BDTI的波動狀態(tài)呈正常升降較為明顯，但也不能小覷發(fā)生異常波動的現(xiàn)象，對于油船運輸企業(yè)而言，必要時可加大力度監(jiān)督子航線運價波動情況、建立油船運價波動預(yù)警機制、研發(fā)運價波動監(jiān)控系統(tǒng)、備妥航運金融風(fēng)險衍生品、加快提升市場管理人才技能等。BDTI的波動傳導(dǎo)不僅受自身內(nèi)部規(guī)律影響，也受政治環(huán)境、全球經(jīng)濟貿(mào)易、突發(fā)事件、世界原油運輸格局等外部因素影響，這需要油船運輸企業(yè)時刻關(guān)注全球市場宏觀環(huán)境變化，提高市場敏感性，深度探索外部環(huán)境帶來的機遇和風(fēng)險，及時做好船舶運力戰(zhàn)略投放，以應(yīng)對經(jīng)營管理危機。

本文在已有文獻的成果上利用較為前沿的復(fù)雜網(wǎng)絡(luò)方法來探究BDTI的波動特征，但只是內(nèi)部結(jié)構(gòu)的探究，對其他外部因素如原油價格、不同油船船型租金水平、油船船隊規(guī)模、油船閑置運力、油船交付量等引起的運價變動，還需要進一步深入研究。隨著全球?qū)μ紲p排的日益重視，船舶燃油將逐漸被氫能、液化天然氣等清潔能源所代替，未來油運市場將面臨一次全新的改革，因此油船運價的預(yù)測具有重要意義。

參考文獻：

[1]LI J， PARSONS M G. Forecasting tanker freight rate using neural networks[J]. Maritime Policy & Management， 1997， 24（1）： 930. DOI： 10.1080/03088839700000053.

[2]FAN S R， JI T Y，GORDON W， et al. Forecasting Baltic dirty tanker index by applying wavelet neural networks[J]. Journal of Transportation Technologies， 2013， 3（1）： 6887. DOI： 10.4236/jtts.2013.31008.

[3]范永輝， 楊華龍， 張寶華. 基于灰色關(guān)聯(lián)理論的油輪運價指數(shù)波動分析[J]. 大連海事大學(xué)學(xué)報， 2009， 35（4）： 3034. DOI： 10.16411/j.cnki.issn10067736.2009.04.029.

[4]張倩， 曲晨蕊， 曾慶成. 基于經(jīng)驗?zāi)Ｊ椒纸獾脑瓦\價指數(shù)波動[J]. 中國航海， 2019， 42（1）： 129134.

[5]計明軍， 張海燕， 王清斌. 基于組合模型的油輪運價指數(shù)分析與預(yù)測[J]. 交通運輸系統(tǒng)工程與信息， 2012， 12（1）： 199204. DOI： 10.16097/j.cnki.10096744.2012.01.002.

[6]袁凡. 基于分位數(shù)回歸的油輪運價指數(shù)VaR風(fēng)險研究[J]. 港口經(jīng)濟， 2013（5）： 3033.

[7]王軍， 張麗娜. 基于廣義自回歸條件異方差模型的世界原油運價風(fēng)險分析[J]. 上海海事大學(xué)學(xué)報， 2011， 32（2）： 2024.

[8]匡海波， 馮文文. 油輪最優(yōu)投資決策研究： 基于原油運價指數(shù)波動風(fēng)險的分析與決策選擇[J]. 價格理論與實踐， 2018（6）： 126129. DOI： 10.19851/j.cnki.cn111010/f.2018.06.032.

[9]劉婷婷， 林國龍， 王直歡， 等. 波羅的海原油和成品油油船運價指數(shù)多重分形特征[J]. 上海海事大學(xué)學(xué)報， 2016， 37（1）： 7074. DOI： 10.13340/j.jsmu.2016.01.013.

[10]韓華漪， 錢斌， 王學(xué)鋒. 基于MFDFA方法的國際油輪運價指數(shù)多重分形分析[J]. 重慶交通大學(xué)學(xué)報（自然科學(xué)版）， 2014， 33（5）： 128133. DOI： 10.3969/j.issn.16740696.2014.05.29.

[11]馮文文， 匡海波， 孟斌. 基于改進均值回歸的波羅的海原油運價指數(shù)模型研究[J]. 中國管理科學(xué)， 2018， 26（5）： 4050. DOI： 10.16381/j.cnki.issn1003207x.2018.05.005.

[12]ADLAND R， CULLINANE K. The nonlinear dynamics of spot freight rates in tanker markets[J]. Transportation Research Part E， 2006， 42（3）： 211224.

[13]安海崗， 都沁軍， 張永禮. 基于復(fù)雜網(wǎng)絡(luò)的時間序列單變量波動幅度研究[J]. 系統(tǒng)科學(xué)與數(shù)學(xué)， 2015， 35（2）： 158169.

[14]周潔. 基于耦合網(wǎng)絡(luò)的油價波動規(guī)律及其影響因素研究[D]. 鎮(zhèn)江： 江蘇大學(xué)， 2020.

[15]湯霞， 匡海波， 郭媛媛， 等. 基于復(fù)雜網(wǎng)絡(luò)的中國出口集裝箱運價指數(shù)波動規(guī)律[J]. 交通運輸系統(tǒng)工程與信息， 2020， 20（2）： 2632. DOI： 10.16097/j.cnki.10096744.2020.02.005.

（編輯趙勉）

收稿日期： 20210401修回日期： 20210630

基金項目： 國家社會科學(xué)基金（20BJY177）

作者簡介： 林舒暖（1998—），女，廣東汕尾人，碩士研究生，研究方向為交通運輸工程，（Email）229389623@qq.com;

張婕姝（1973—），女，四川自貢人，教授，博士，研究方向為交通運輸規(guī)劃與管理，（Email）jszhangsh@126.com