摘要：為探究不同遠(yuǎn)期運(yùn)費(fèi)市場(chǎng)之間的風(fēng)險(xiǎn)聯(lián)動(dòng)性，文章采用SVCJ-TVP-VAR模型，選取2014—2020年3種船型遠(yuǎn)期運(yùn)費(fèi)（FFA）日度數(shù)據(jù)，從靜態(tài)和動(dòng)態(tài)的角度分析國際干散貨FFA 市場(chǎng)間收益跳躍及波動(dòng)跳躍的聯(lián)動(dòng)關(guān)系。研究結(jié)果表明：（1）交易活躍的好望角船型FFA 市場(chǎng)的跳躍現(xiàn)象最明顯，超靈便船型FFA 市場(chǎng)跳躍現(xiàn)象最弱;（2）從共跳的角度來看，3個(gè)市場(chǎng)整體發(fā)生跳躍的情況弱，但兩市場(chǎng)之間共跳情況較強(qiáng)，其中好望角船型和巴拿馬船型共跳次數(shù)最多;（3）遠(yuǎn)期運(yùn)費(fèi)市場(chǎng)兩兩之間存在時(shí)變且復(fù)雜的雙向聯(lián)動(dòng)關(guān)系，且這種聯(lián)動(dòng)效應(yīng)在短期最強(qiáng)，長期最弱;（4）無論是收益跳躍和還是波動(dòng)跳躍，3種市場(chǎng)對(duì)跳躍信息均具有不同的反應(yīng)程度。好望角船型FFA 市場(chǎng)對(duì)跳躍信息的反應(yīng)程度最劇烈，且其他市場(chǎng)對(duì)好望角船型市場(chǎng)的跳躍信息的響應(yīng)程度最高;（5）在造成市場(chǎng)整體低迷的極端事件發(fā)生時(shí)，F(xiàn)FA 市場(chǎng)往往表現(xiàn)出正向的跳躍聯(lián)動(dòng)效應(yīng)，這對(duì)市場(chǎng)監(jiān)管者和參與者提供了參考意義。

關(guān)鍵詞：FFA ;SVCJ-TVP-VAR模型;跳躍聯(lián)動(dòng)

中圖分類號(hào)：P74;F55 文獻(xiàn)標(biāo)志碼：A 文章編號(hào)：1005-9857（2023）03-0113-10

0 引言

世界總貨運(yùn)量90%以上要通過船舶水路運(yùn)輸，航運(yùn)是世界物流網(wǎng)絡(luò)和全球運(yùn)輸中的重要組成部分，同時(shí)也是波動(dòng)性最大的產(chǎn)業(yè)之一。新冠肺炎疫情暴發(fā)以來國際貿(mào)易量急速下降，引起國際干散貨航運(yùn)市場(chǎng)運(yùn)費(fèi)激烈波動(dòng)，給航運(yùn)企業(yè)和相關(guān)企業(yè)帶來巨大損失。運(yùn)費(fèi)的頻繁波動(dòng)，直接影響船東、承租人與船舶公司的資金流，為規(guī)避運(yùn)費(fèi)風(fēng)險(xiǎn)，不少船東和承租人開始通過買入衍生品來進(jìn)行套期保值。目前公認(rèn)最佳的規(guī)避風(fēng)險(xiǎn)的工具之一是遠(yuǎn)期運(yùn)費(fèi)協(xié)議（Forward Freight Agreement，F(xiàn)FA）。

FFA 自交易以來發(fā)展迅速，成為航運(yùn)參與者最重要的風(fēng)險(xiǎn)管理工具，也深受各大金融機(jī)構(gòu)熱捧。因此，探究不同遠(yuǎn)期運(yùn)費(fèi)之間的風(fēng)險(xiǎn)聯(lián)動(dòng)性，可為監(jiān)管者有效監(jiān)管、投資者理性投資提供新思路。

目前對(duì)于FFA 的研究主要集中在市場(chǎng)間收益與波動(dòng)2個(gè)特征。如Amir[1]驗(yàn)證FFA 波動(dòng)率與交易量之間存在同期正向關(guān)系，更高的資本收益，鼓勵(lì)更多的交易產(chǎn)生。Manolis等[2]利用VECM 模型對(duì)不同商品種類期貨市場(chǎng)和FFA 之間的相關(guān)性進(jìn)行實(shí)證研究，得出新信息首先出現(xiàn)在商品期貨市場(chǎng)的回報(bào)和波動(dòng)中，然后再溢出到FFA 市場(chǎng)。Alexandridis等[3]通過引入三變量GARCH 模型來捕捉期貨、期權(quán)和現(xiàn)貨市場(chǎng)的三向價(jià)格動(dòng)態(tài)以及信息溢出的強(qiáng)度，表明新信息首先被吸收到貨運(yùn)期貨市場(chǎng)，然后溢出到定期租船市場(chǎng)，然后再傳輸?shù)截涍\(yùn)期權(quán)市場(chǎng)。葉善椿等[4]通過連接函數(shù)（Copula）模型對(duì)不同期限的FFA 進(jìn)行相關(guān)性分析，驗(yàn)證了期限越長FFA 之間的相關(guān)性越大。

資產(chǎn)表現(xiàn)出明顯的跳躍特征，會(huì)給投資者帶來巨大的風(fēng)險(xiǎn)，因此學(xué)者們開始關(guān)注市場(chǎng)間的跳躍關(guān)系。Merton[5]首先將跳躍這一概念引入到布萊克-舒爾茲（Black-scholes）模型中，建立了常跳躍-擴(kuò)散模型。Bates[6]、Duffie等[7]逐漸對(duì)跳躍模型進(jìn)行改進(jìn)，形成了收益率與波動(dòng)率同時(shí)跳躍的隨機(jī)波動(dòng)模型（SVCJ）。Li等[8]、Liu等[9]、Kim 等[10]和趙昕等[11]將SVCJ模型由股票市場(chǎng)分別擴(kuò)展到匯率市場(chǎng)、能源期貨市場(chǎng)和環(huán)境市場(chǎng)中，研究不同市場(chǎng)之間的跳躍溢出效應(yīng)。此外，為捕捉市場(chǎng)間聯(lián)動(dòng)的時(shí)變特征，唐韻捷等[12]運(yùn)用動(dòng)態(tài)條件相關(guān)多變量廣義自回歸條件異方差（DCC-GARCH）與向量自回歸模型（VAR）研究發(fā)現(xiàn)波羅的海指數(shù)（BDI）與上證綜指之間存在較強(qiáng)的動(dòng)態(tài)相關(guān)性。孟斌等[13]分析航運(yùn)市場(chǎng)與大宗商品市場(chǎng)動(dòng)態(tài)溢出效應(yīng)。邵俊崗等[14]運(yùn)用時(shí)變參數(shù)向量自回歸（TVPVAR）模型探求國際原油價(jià)格、運(yùn)力增長率對(duì)BDI有時(shí)變沖擊。

由此可見，國內(nèi)外學(xué)者對(duì)FFA 的研究主要集中于收益和波動(dòng)特征，而對(duì)于另一個(gè)比較明顯的特征———跳躍性的研究非常少，且主要是通過靜態(tài)分析市場(chǎng)間的聯(lián)動(dòng)關(guān)系，缺乏動(dòng)態(tài)視角的分析。鑒于此，本研究首先對(duì)3種FFA 進(jìn)行去季節(jié)性處理，使用SVCJ模型估計(jì)收益跳躍序列和波動(dòng)跳躍序列，并統(tǒng)計(jì)各市場(chǎng)同時(shí)跳躍的次數(shù)，從靜態(tài)共跳角度，分析FFA 市場(chǎng)間的跳躍關(guān)系。其次，運(yùn)用收益跳躍序列與波動(dòng)跳躍序列建立TVP-VAR模型，進(jìn)行等時(shí)間間隔脈沖響應(yīng)分析和特定時(shí)點(diǎn)脈沖響應(yīng)分析，從動(dòng)態(tài)角度探究FFA 市場(chǎng)間的跳躍聯(lián)動(dòng)關(guān)系。因此，本研究對(duì)航運(yùn)企業(yè)、承租人、船東以及FFA 專業(yè)投資機(jī)構(gòu)具有重要的理論和現(xiàn)實(shí)意義。

2.1.3 平穩(wěn)性檢驗(yàn)

在時(shí)間序列的研究中，通常要對(duì)時(shí)間序列的平穩(wěn)性進(jìn)行檢驗(yàn)，要求所用的時(shí)間序列必須是平穩(wěn)的，如果序列不平穩(wěn)時(shí)就建模，可能會(huì)出現(xiàn)“偽回歸”現(xiàn)象，回歸方程也就失去了原來的意義。因而，為保證回歸結(jié)果無偏性和有效性，本研究用擴(kuò)展的迪克富勒檢驗(yàn)（ADF）方法檢驗(yàn)變量的平穩(wěn)性，由表2可以看出3種FFA對(duì)數(shù)收益率均通過了平穩(wěn)性檢驗(yàn)。

2.2 SVCJ估計(jì)結(jié)果

由SVCJ模型擬合的遠(yuǎn)期運(yùn)費(fèi)價(jià)格跳躍成分狀況，可以得到跳躍次數(shù)、跳躍大小、跳躍概率，在市場(chǎng)承壓狀態(tài)下能夠更好地描述資產(chǎn)價(jià)格以及實(shí)時(shí)動(dòng)態(tài)變化。本研究利用Openbugs 軟件迭代10000次，為保證馬爾可夫鏈?zhǔn)諗?，選擇前2000個(gè)抽樣值進(jìn)行“燃燒”舍棄，用后8000次抽樣作為參數(shù)的穩(wěn)定分布抽樣，得到參數(shù)估計(jì)結(jié)果（表3）。

由表3可知，各個(gè)參數(shù)估計(jì)值的MC誤差與標(biāo)準(zhǔn)差均比較小，并且各個(gè)參數(shù)MC 誤差均小于0.05倍標(biāo)準(zhǔn)差，符合馬爾科夫鏈?zhǔn)諗?。①參?shù)估計(jì)結(jié)果中跳躍的平均大小εy =μy +ρj ×μv ，通過計(jì)算可以得出，3種船型市場(chǎng)中TC/C、TC/P、TC/S的平均跳躍大小為0.119、0.111、0.026，其中3種FFA的平均跳躍大小均為正值，說明3種FFA 市場(chǎng)向上跳躍的概率比較大，且好望角船型中TC/P航線對(duì)應(yīng)的FFA 平均跳躍幅度最大，而超靈便船型的TC/S航線的FFA 平均跳躍幅度最小。這說明體型較大的船型FFA 市場(chǎng)發(fā)生極端波動(dòng)的幅度較大。②通過跳躍強(qiáng)度λ 可以看出，好望角船型跳躍頻率明顯高于其他兩種船型，這可能由于遠(yuǎn)期運(yùn)費(fèi)市場(chǎng)具有交易的連續(xù)性，多空力量的快速變化很容易引起遠(yuǎn)期運(yùn)費(fèi)市場(chǎng)的跳躍，對(duì)于交易比較活躍的好望角船型FFA 市場(chǎng)來講，這種多空力量更為強(qiáng)烈。③3種FFA 的ρ 均為負(fù)數(shù)，表明3種船型均存在杠桿效應(yīng)，遠(yuǎn)期運(yùn)費(fèi)價(jià)格變動(dòng)傾向與波動(dòng)性負(fù)相關(guān)。

目前，由于FFA 業(yè)務(wù)風(fēng)險(xiǎn)具有復(fù)雜性和放大性等特點(diǎn)，在幫助航運(yùn)企業(yè)分?jǐn)偨?jīng)營風(fēng)險(xiǎn)時(shí)，往往又會(huì)使得一些基本的風(fēng)險(xiǎn)組合在一起，因此，充分了解FFA 跳躍特征，把握FFA 市場(chǎng)風(fēng)險(xiǎn)，對(duì)航運(yùn)企業(yè)有效地管理FFA 風(fēng)險(xiǎn)和有針對(duì)性地構(gòu)建相關(guān)風(fēng)險(xiǎn)管理和內(nèi)部控制機(jī)制提供了一定的理論基礎(chǔ)?？傮w來講，超靈便船型作為體型比較小的船只，F(xiàn)FA市場(chǎng)的交易份額較少，具有相對(duì)的靈活性與平穩(wěn)性，因此跳躍頻率和跳躍幅度都比較穩(wěn)定，而好望角船型作為體型較大、交易活躍的船只，缺乏靈活性從而會(huì)引起FFA 價(jià)格的頻繁跳躍。因此，F(xiàn)FA產(chǎn)品的高風(fēng)險(xiǎn)性與復(fù)雜性，要求航運(yùn)企業(yè)加強(qiáng)對(duì)各個(gè)FFA 產(chǎn)品的內(nèi)部控制，監(jiān)管部門采取有針對(duì)性的監(jiān)管策略，加強(qiáng)對(duì)FFA 風(fēng)險(xiǎn)的實(shí)時(shí)監(jiān)控，尤其是具有高風(fēng)險(xiǎn)的好望角船型FFA 產(chǎn)品的監(jiān)管，從而逐步形成公司全面風(fēng)險(xiǎn)管理和內(nèi)外部控制的文化環(huán)境。

2.3 FFA 市場(chǎng)之間的跳躍聯(lián)動(dòng)關(guān)系

筆者將根據(jù)3.2小節(jié)所估計(jì)的跳躍次數(shù)與跳躍強(qiáng)度序列，通過共跳角度和TVP-VAR模型以研究國際干散貨FFA 市場(chǎng)的跳躍聯(lián)動(dòng)關(guān)系。從靜態(tài)和動(dòng)態(tài)的角度展開以下分析。

2.3.1 跳躍聯(lián)動(dòng)的靜態(tài)分析

通過比較TC/C、TC/P、TC/S3種FFA 的跳躍概率圖（圖2），可以看出TC/C跳躍概率最大并且3種FFA 跳躍之間存在一定的聯(lián)系，根據(jù)Johannes等[19]的思想來估計(jì)跳躍次數(shù)，為具有可比性，將3種FFA 的跳躍測(cè)度選用同一閾值，即三者跳躍密度λ 的平均值l=0.08，本節(jié)將通過跳躍次數(shù)之間的聯(lián)系來進(jìn)行靜態(tài)分析。

①TC/C跳躍281次，TC/P跳躍186次，TC/S跳躍104次，進(jìn)一步說明交易活躍的好望角船型FFA 市場(chǎng)，跳躍現(xiàn)象最明顯，而交易量份額較少的超靈便船型FFA 市場(chǎng)跳躍次數(shù)最少。②從表4來看，對(duì)于3種船型的FFA 市場(chǎng)來講，兩兩之間同日的跳躍次數(shù)均比較多，說明3種船型的FFA 能夠同時(shí)捕捉到市場(chǎng)中的極端事件并做出反應(yīng)。③從兩市場(chǎng)共跳的角度分析，TC/C 與TC/P共跳的次數(shù)最多，其次是TC/C 與TC/S，共跳次數(shù)最少的是TC/P與TC/S市場(chǎng)。這說明好望角船型與巴拿馬船型市場(chǎng)之間的跳躍聯(lián)動(dòng)性最強(qiáng)，巴拿馬船型與超靈便船型市場(chǎng)之間的跳躍聯(lián)動(dòng)性最弱。此外，本研究統(tǒng)計(jì)出3個(gè)市場(chǎng)同時(shí)跳躍的次數(shù)為3次（表格中未標(biāo)明），說明3個(gè)市場(chǎng)的跳躍傳遞現(xiàn)象不明顯，其聯(lián)動(dòng)效果弱于兩市場(chǎng)的聯(lián)動(dòng)效果。

2.3.2 跳躍聯(lián)動(dòng)的動(dòng)態(tài)分析

綜上，不同F(xiàn)FA 市場(chǎng)之間存在著跳躍協(xié)同性，但是上述討論只是在靜態(tài)層面對(duì)不同F(xiàn)FA 市場(chǎng)之間的跳躍關(guān)系進(jìn)行分析，并未考慮在不同時(shí)點(diǎn)上跳躍關(guān)系的時(shí)變性。本節(jié)構(gòu)建三變量的TVP-VAR模型，來研究3種FFA 市場(chǎng)的收益跳躍與波動(dòng)跳躍之間的動(dòng)態(tài)關(guān)系。為了獲得足夠有效的樣本，收益跳躍和波動(dòng)跳躍的滯后階數(shù)通過建立傳統(tǒng)VAR模型，根據(jù)AIC準(zhǔn)則選取5階，由于篇幅有限，筆者省略了滯后階數(shù)的選擇和判定過程。本研究采用OXMetrics軟件，運(yùn)用馬爾科夫鏈蒙特卡洛模擬（MCMC）算法對(duì)TVP-VAR模型進(jìn)行參數(shù)估計(jì)，對(duì)結(jié)果進(jìn)行脈沖響應(yīng)分析。

（1）等時(shí)間間隔脈沖響應(yīng)分析。本研究設(shè)定時(shí)間間隔為4、8、12，圖3、圖4和圖5中實(shí)線、短虛線、長虛線分別代表滯后4天、滯后8天、滯后12天的動(dòng)態(tài)脈沖，研究3種時(shí)間間隔下國際干散貨FFA 市場(chǎng)兩兩市場(chǎng)之間的等間隔脈沖響應(yīng)。圖3、圖4和圖5顯示，不同時(shí)間間隔的脈沖響應(yīng)圖走勢(shì)基本上是一致的，且FFA 市場(chǎng)上跳躍的聯(lián)動(dòng)性會(huì)隨著時(shí)間的增加而減弱，短期響應(yīng)最強(qiáng)、12天（長期）最弱。從響應(yīng)程度來看，脈沖響應(yīng)圖并不是水平不變的，無論是收益跳躍還是波動(dòng)跳躍發(fā)生沖擊，均會(huì)給另外兩個(gè)市場(chǎng)帶來強(qiáng)烈沖擊，并且這種沖擊具有時(shí)變性。FFA 風(fēng)險(xiǎn)的聯(lián)動(dòng)性與時(shí)變性就要求航運(yùn)企業(yè)與監(jiān)管部門加強(qiáng)實(shí)時(shí)監(jiān)控，同時(shí)在識(shí)別風(fēng)險(xiǎn)時(shí)應(yīng)具有全局觀念。

根據(jù)圖3可得，①比較收益跳躍與波動(dòng)跳躍的響應(yīng)圖，可以發(fā)現(xiàn)，好望角船型FFA 波動(dòng)跳躍沖擊在大多數(shù)情況下會(huì)引起其他兩個(gè)船型市場(chǎng)波動(dòng)跳躍同向變動(dòng)，而收益跳躍之間的正向聯(lián)動(dòng)關(guān)系不夠明顯。②就影響的方向來看，當(dāng)外部經(jīng)濟(jì)環(huán)境發(fā)生較大變化使得收益與波動(dòng)跳躍幅度增加時(shí)，好望角船型FFA的跳躍幅度所產(chǎn)生的沖擊也基本上是正向的，例如在2015年、2018—2019年，以及2020年，脈沖響應(yīng)函數(shù)基本上均大于0，說明在極端事件發(fā)生引起好望角船型FFA 市場(chǎng)跳躍增加時(shí)，由于羊群效應(yīng)航運(yùn)市場(chǎng)的投資者往往會(huì)產(chǎn)生恐慌心理，從而引起其他船型的FFA 也產(chǎn)生同向跳躍。

圖4表明，①從響應(yīng)方向上來看，巴拿馬船型對(duì)其他船型FFA 的脈沖響應(yīng)，大部分時(shí)間的影響是正向的，且波動(dòng)跳躍比收益跳躍所產(chǎn)生的正向沖擊更加明顯。②在2018年以前其他兩個(gè)船型市場(chǎng)對(duì)巴拿馬船型市場(chǎng)的響應(yīng)是比較劇烈的，2018—2019年響應(yīng)比較緩慢，這是由于2018年的糧食貿(mào)易戰(zhàn)，中國對(duì)美國糧食進(jìn)行反傾銷調(diào)查，對(duì)從美國進(jìn)口的大豆等加征關(guān)稅，中國不得不將進(jìn)口源地轉(zhuǎn)向巴西，而這一過程增加了對(duì)巴拿馬船型的需求，因此糧食戰(zhàn)帶來的不確定性引起巴拿馬船型跳躍正向沖擊，并不會(huì)大幅度作用于好望角船型市場(chǎng)與超靈便船型市場(chǎng)。2020年由于新冠肺炎疫情，使得好望角船型市場(chǎng)與超靈便對(duì)巴拿馬船型市場(chǎng)的跳躍響應(yīng)又有小幅的增加，且方向?yàn)檎?。?在極端事件發(fā)生時(shí)，無論是收益跳躍還是波動(dòng)跳躍，好望角船型市場(chǎng)與超靈便對(duì)巴拿馬船型市場(chǎng)的響應(yīng)均為正。

根據(jù)圖5，①從響應(yīng)方向上來看，超靈便船型收益跳躍正向沖擊一般會(huì)給另外兩個(gè)市場(chǎng)帶來正向或負(fù)向沖擊，而波動(dòng)跳躍一般會(huì)帶來同向沖擊，這也是市場(chǎng)中參與者更加關(guān)注波動(dòng)率跳躍所致。②2016—2019年，對(duì)超靈便船型FFA 的收益跳躍施加正向沖擊時(shí)，往往會(huì)引起巴拿馬船型市場(chǎng)收益跳躍的負(fù)向變動(dòng)，這可能是由于2016年全球谷物貿(mào)易活動(dòng)的增加，對(duì)超靈便型FFA 收益跳躍產(chǎn)生的正向沖擊，引起巴拿馬船型收益跳躍正向變動(dòng)，但是受到中國進(jìn)口煤炭政策的影響，巴拿馬船型收益跳躍負(fù)向變動(dòng)抵消了由于谷物需求增加而產(chǎn)生的正向影響。③2020年這一時(shí)間點(diǎn)，在圖5的4個(gè)圖中均反映出正向的響應(yīng)關(guān)系，極端事件的發(fā)生使得收益與波動(dòng)跳躍幅度增加時(shí)，超靈便船型FFA 的跳躍對(duì)其他市場(chǎng)所產(chǎn)生的沖擊是正向的。

綜上所述，遠(yuǎn)期運(yùn)費(fèi)跳躍之間大多存在著正向的相互影響關(guān)系，但也有一些時(shí)點(diǎn)出現(xiàn)了負(fù)向的響應(yīng)。此外，交易量越大的FFA 市場(chǎng)上的跳躍信息越容易引起其他市場(chǎng)發(fā)生跳躍。因此，對(duì)于FFA 風(fēng)險(xiǎn)評(píng)估，好望角船型FFA 可以只根據(jù)自身歷史跳躍信息進(jìn)行推斷，巴拿馬船型FFA 可同時(shí)參考自身的和好望角船型FFA 的歷史跳躍信息，超靈便型FFA可參考自身的和其他FFA 的歷史跳躍信息，進(jìn)行行業(yè)風(fēng)險(xiǎn)分析。船舶所有人、航運(yùn)企業(yè)和貨主可根據(jù)以上分析結(jié)果預(yù)判未來的FFA 風(fēng)險(xiǎn)。

（2）特定時(shí)點(diǎn)下脈沖響應(yīng)分析。由于特定時(shí)點(diǎn)下脈沖響應(yīng)分析需要選擇具有代表性的經(jīng)濟(jì)事件作為結(jié)構(gòu)時(shí)點(diǎn)，結(jié)合上述等間隔脈沖響應(yīng)結(jié)果，選取股災(zāi)期間（2015年5月28日）、中美貿(mào)易摩擦期間（2018年3月8日）、新冠肺炎疫情全球蔓延期間（2020年3月17日）這3個(gè)時(shí)點(diǎn)進(jìn)行進(jìn)一步分析。這3個(gè)時(shí)點(diǎn)的脈沖響應(yīng)圖如圖6所示。

圖6為3個(gè)船型FFA 市場(chǎng)收益跳躍沖擊之間的特定時(shí)點(diǎn)脈沖響應(yīng)圖。①整體來看，在所選取的3個(gè)時(shí)點(diǎn)上兩兩市場(chǎng)之間收益跳躍之間均為正向關(guān)系，即當(dāng)某一個(gè)市場(chǎng)收益跳躍發(fā)生正向沖擊時(shí)，其他市場(chǎng)在滯后幾天后產(chǎn)生同向的正向沖擊。②對(duì)比同一市場(chǎng)沖擊對(duì)不同市場(chǎng)的脈沖響應(yīng)圖，可以發(fā)現(xiàn)，對(duì)于好望角船型FFA 收益跳躍的沖擊，巴拿馬船型FFA 收益跳躍響應(yīng)程度大于超靈便型FFA。而好望角船型FFA 對(duì)另外兩個(gè)市場(chǎng)的響應(yīng)程度都高于其他市場(chǎng)，說明交易量越活躍的FFA 市場(chǎng)越容易受到外部跳躍信息的影響。③就影響程度來看，2015年5月28日，3種船型收益跳躍之間表現(xiàn)出比較穩(wěn)定的正向關(guān)系，并且這種正向響應(yīng)在7天之后逐漸降為0，股災(zāi)產(chǎn)生的沖擊影響整個(gè)市場(chǎng)，遠(yuǎn)期運(yùn)費(fèi)市場(chǎng)普遍低迷，投資者的恐慌情緒使得一個(gè)船型市場(chǎng)跳躍信息會(huì)迅速蔓延到其他市場(chǎng)，產(chǎn)生相同方向的跳躍。2018年3月8日，收益跳躍在不同市場(chǎng)之間出現(xiàn)較大幅度的負(fù)向關(guān)系，這可能與2018年的糧食貿(mào)易戰(zhàn)有關(guān)，中國對(duì)美國大豆增加關(guān)稅使得原本由美國進(jìn)口的大豆轉(zhuǎn)向從巴西進(jìn)口，這將給南大西洋地區(qū)巴拿馬型船及超靈便型船帶給更多的載貨機(jī)會(huì)。受到這一條件的影響，脈沖響應(yīng)圖在這一時(shí)點(diǎn)下呈現(xiàn)負(fù)向變動(dòng)的可能性要大于其余兩個(gè)時(shí)點(diǎn)。此外，由于新冠肺炎疫情，全球貿(mào)易量減少，使得不同船型市場(chǎng)收益跳躍之間聯(lián)動(dòng)性比較強(qiáng)，且均為正。

圖7是3個(gè)船型FFA市場(chǎng)波動(dòng)跳躍沖擊之間的時(shí)點(diǎn)脈沖響應(yīng)圖。①整體來看，在所選取的3個(gè)時(shí)點(diǎn)上兩兩市場(chǎng)之間波動(dòng)跳躍之間均為正向關(guān)系，并且比較圖6和圖7可以看出，波動(dòng)跳躍的脈沖響應(yīng)幅度更大。②對(duì)比同一市場(chǎng)沖擊對(duì)不同市場(chǎng)的脈沖響應(yīng)圖，可以發(fā)現(xiàn)與收益跳躍結(jié)論相同的是，對(duì)于同一市場(chǎng)波動(dòng)跳躍信息來說，交易量越活躍的船型FFA 市場(chǎng)波動(dòng)跳躍的反應(yīng)程度越大。③另一方面，當(dāng)波動(dòng)跳躍沖擊的受體固定不變時(shí)，即分析不同市場(chǎng)沖擊對(duì)同一市場(chǎng)的影響，可以看出FFA 市場(chǎng)對(duì)交易量越大市場(chǎng)的波動(dòng)跳躍的響應(yīng)程度越高，即交易活躍的好望角船型影響力最大。④就影響程度來看，2015年5月28日這一時(shí)點(diǎn)上，3種船型波動(dòng)跳躍之間表現(xiàn)出比較穩(wěn)定的正向關(guān)系，股災(zāi)對(duì)整個(gè)干散貨FFA市場(chǎng)產(chǎn)生沖擊，投資者對(duì)其他市場(chǎng)上的跳躍信息更加敏感，使得一個(gè)船型市場(chǎng)跳躍信息會(huì)迅速蔓延到其他市場(chǎng)，產(chǎn)生相同方向的跳躍。2018年3月8日，同收益跳躍響應(yīng)圖結(jié)論相似，波動(dòng)跳躍在不同市場(chǎng)之間出現(xiàn)較大幅度的負(fù)向關(guān)系。2020年3月17日，3種船型收益跳躍之間表現(xiàn)出比較穩(wěn)定的正向關(guān)系，并且這種正向響應(yīng)在7天之后逐漸降為0。

總之，不同特殊事件對(duì)遠(yuǎn)期運(yùn)費(fèi)之間跳躍聯(lián)動(dòng)關(guān)系的影響具有異質(zhì)性，當(dāng)影響整體航運(yùn)市場(chǎng)價(jià)格劇烈波動(dòng)的事件發(fā)生時(shí)，例如股災(zāi)、新冠肺炎疫情時(shí)期，遠(yuǎn)期運(yùn)費(fèi)之間存在正向相關(guān)關(guān)系，而在對(duì)不同遠(yuǎn)期運(yùn)費(fèi)具有異質(zhì)性影響的中美貿(mào)易戰(zhàn)來講，遠(yuǎn)期運(yùn)費(fèi)之間的相關(guān)關(guān)系就變得很復(fù)雜，因此，借助與好望角船型、巴拿馬船型、超靈便船型跳躍之間的時(shí)變聯(lián)動(dòng)關(guān)系，針對(duì)不同突發(fā)事件，投資者可以在前期、中期、后期構(gòu)建預(yù)防處理和化解跳躍事件風(fēng)險(xiǎn)的3種船型的最佳資產(chǎn)組合。以上研究結(jié)果，對(duì)投資者和監(jiān)管部門有一定的啟示作用，對(duì)于投資者，在分析不同F(xiàn)FA跳躍相關(guān)性時(shí)，除了考慮全局的相關(guān)性外，更應(yīng)該關(guān)注最新時(shí)點(diǎn)的相關(guān)性，以此指導(dǎo)投資;另外，根據(jù)不同特殊事件具有的異質(zhì)性影響，投資者可以避免盲目從眾，依靠不同特殊事件具有不同的聯(lián)動(dòng)性來調(diào)整投資組合。對(duì)于監(jiān)管部門，在制定監(jiān)管制度時(shí)，可以依據(jù)不同的特殊事件制定不同的政策，以適應(yīng)特殊事件下跳躍聯(lián)動(dòng)的異質(zhì)性。

3 結(jié)論與政策建議

在國際經(jīng)濟(jì)迅速發(fā)展、經(jīng)濟(jì)結(jié)構(gòu)顯著調(diào)整、國際干散貨市場(chǎng)規(guī)模不斷擴(kuò)大的背景下，本研究以干散貨運(yùn)輸市場(chǎng)上3種主要船型的一月期的FFA 的日價(jià)格序列為研究對(duì)象，運(yùn)用SVCJ模型與TVPVAR模型的實(shí)證方法來研究國際干散貨遠(yuǎn)期運(yùn)費(fèi)市場(chǎng)的跳躍時(shí)變聯(lián)動(dòng)效應(yīng)，結(jié)果顯示：

（1）國際干散貨遠(yuǎn)期運(yùn)費(fèi)市場(chǎng)具有明顯的跳躍現(xiàn)象。3種船型的跳躍強(qiáng)度（跳躍次數(shù)/樣本次數(shù)）均大于6%。其中作為交易比較活躍的好望角船型FFA 市場(chǎng)來說，無論是跳躍頻率還是跳躍強(qiáng)度都明顯高于其他市場(chǎng);而超靈便FFA 市場(chǎng)具有相對(duì)的靈活性和平穩(wěn)性，跳躍頻率和跳躍強(qiáng)度都是最弱的。

（2）三市場(chǎng)跳躍聯(lián)動(dòng)關(guān)系較弱。從共跳的角度來看，3個(gè)市場(chǎng)整體發(fā)生跳躍的次數(shù)較少，但兩市場(chǎng)之間存在明顯的共跳現(xiàn)象，其中好望角船型和巴拿馬船型遠(yuǎn)期運(yùn)費(fèi)共跳次數(shù)最多，巴拿馬船型與超靈便船型遠(yuǎn)期運(yùn)費(fèi)共跳次數(shù)最少。這說明3種船型遠(yuǎn)期運(yùn)費(fèi)市場(chǎng)之間存在一定的跳躍聯(lián)動(dòng)效應(yīng)，不同船型FFA產(chǎn)品之間存在著可替代性，但并不是完全可替代，投資者與航運(yùn)市場(chǎng)參與者在購買FFA 產(chǎn)品時(shí)，要根據(jù)市場(chǎng)信息選擇合適的FFA產(chǎn)品或者產(chǎn)品組合。

（3）好望角船型、巴拿馬船型、超靈便型FFA 兩兩之間存在時(shí)變且復(fù)雜的跳躍聯(lián)動(dòng)關(guān)系。無論是收益跳躍還是波動(dòng)跳躍，3種市場(chǎng)之間的跳躍聯(lián)動(dòng)關(guān)系在不同的經(jīng)濟(jì)環(huán)境下會(huì)產(chǎn)生不同的影響，且這種聯(lián)動(dòng)效應(yīng)在短期最強(qiáng)，長期最弱。遠(yuǎn)期運(yùn)費(fèi)市場(chǎng)中一市場(chǎng)波動(dòng)跳躍的正向沖擊，往往會(huì)導(dǎo)致其他兩市場(chǎng)波動(dòng)跳躍同向變動(dòng)，而收益跳躍的正向沖擊在不同的經(jīng)濟(jì)環(huán)境下對(duì)另外兩個(gè)市場(chǎng)的影響是不同的。因此，借助與好望角船型、巴拿馬船型、超靈便船型跳躍之間的時(shí)變聯(lián)動(dòng)關(guān)系，投資者可在突發(fā)事件的前期、中期、后期構(gòu)建預(yù)防處理和化解跳躍事件風(fēng)險(xiǎn)的3種船型的最佳資產(chǎn)組合。

（4）3種市場(chǎng)對(duì)跳躍信息均具有不同的敏感程度和影響程度。對(duì)于收益跳躍和波動(dòng)跳躍，均存在好望角船型FFA 市場(chǎng)最容易接收到跳躍信息，然后引發(fā)其余兩個(gè)市場(chǎng)跳躍的發(fā)生;超靈便型FFA 市場(chǎng)對(duì)跳躍信息反應(yīng)最不敏感，當(dāng)市場(chǎng)跳躍沖擊時(shí)，并不容易傳染到其他兩個(gè)市場(chǎng)中。因此需要把握不同F(xiàn)FA 市場(chǎng)跳躍敏感性和影響程度，尤其是交易量比較活躍的好望角船型FFA 市場(chǎng)的跳躍，并及時(shí)調(diào)整投資比例來規(guī)避風(fēng)險(xiǎn)。

（5）國際極端事件對(duì)國際干散貨遠(yuǎn)期運(yùn)費(fèi)市場(chǎng)造成聯(lián)動(dòng)效應(yīng)。股災(zāi)和新冠肺炎疫情，造成FFA 市場(chǎng)整體低迷，3種市場(chǎng)收益跳躍和波動(dòng)跳躍均表現(xiàn)正向聯(lián)動(dòng)效應(yīng)。而中美貿(mào)易戰(zhàn)，對(duì)于3種市場(chǎng)產(chǎn)生不同的影響，導(dǎo)致正向跳躍聯(lián)動(dòng)效應(yīng)就不再具有普遍性。對(duì)市場(chǎng)中的投資者來講，當(dāng)市場(chǎng)普遍低迷時(shí)，應(yīng)多關(guān)注交易活躍市場(chǎng)的跳躍信息，借助好遠(yuǎn)期運(yùn)費(fèi)市場(chǎng)上的跳躍正向聯(lián)動(dòng)效應(yīng)，做出合理的投資決策。

參考文獻(xiàn)（References）：

[1] AMIR H A.Tradingvolumeandvolatilityintheshippingforwardfreightmarket[J].TransportationResearchPartE：LogisticsandTransportationReview，2013（49）：250-265.

[2] MANOLISGK，ILIASDV，DIMITRISND.Economicspilloversbetweenrelatedderivativesmarkets：Thecaseofcommodityandfreightmarkets[J].TransportationResearchPartE：LogisticsandTransportationReview，2014（68）：79-102.

[3] ALEXANDRIDISG，SAHOOS，VISVIKISI.Economicinformationtransmissionsandliquiditybetweenshippingmarkets：Newevidencefromfreightderivatives[J].TransportationResearchPartE：LogisticsandTransportationReview，2017（98）：82-104.

[4] 葉善椿，林國龍.國際干散貨不同時(shí)期的FFA 相關(guān)性研究[J].物流科技，2016，39（8）：71-76.

YEShanchun，LIN Guolong.ResearchondependencyaboutinternationaldrycargoFFAbetweendifferentperiod[J].LogisticsTechnology，2016，39（8）：71-76.

[5] MERTONRC.Theroyofrationaloptionpricing.[J].BellJournalofeconomies，1973（4）：141-183.

[6] BATESDS.Jumpsandstochasticvolatility：ExchangerateprocessesimplicitinDeutschemarkoptions[J].TheReviewofFinancialStudies，1996（9）：69-107.

[7] DUFFIED，PANJ，SINGLETON KJ.Transformanalysisandassetpricingforaffinejump-diffusions[J].Econometrica，2000（68）：1343-1376.

[8] LIXiaoping，ZHOUChunyang，WUChongfeng.Jumpspilloverbetweenoilpricesandexchangerates[J].PhysicaA：StatisticalMechanicsanditsApplications，2017（486）：656-667.

[9] LIU Qingfu，ANTHONY H T.Jumpspilloversinenergyfuturesmarkets：Implicationsfordiversificationbenefits[J].EnergyEconomics，2012（34）：1447-1464.

[10] KIMJ，PARK YJ，RYU D.Stochasticvolatilityofthefuturespricesofemissionallowances：ABayesianapproach[J].PhysicaA：StatisticalMechanicsanditsApplications，2017（465）：714-724.

[11] 趙昕，丁貝德.中國碳金融市場(chǎng)價(jià)格跳躍擴(kuò)散效應(yīng)及風(fēng)險(xiǎn)研究[J].山東財(cái)經(jīng)大學(xué)學(xué)報(bào)，2019，31（2）：19-30.

ZHAOXin，DINGBeide.EffectandriskofpricejumpdiffusioninChinacarbonfinancialmarket[J].JournalofShandongUniversityofFinance，2019，31（2）：19-30.

[12] 唐韻捷，曲林遲.中國股票市場(chǎng)與干散貨航運(yùn)市場(chǎng)的動(dòng)態(tài)相關(guān)性：基于DCC-MGARCH 和VAR模型的實(shí)證分析[J].上海海事大學(xué)學(xué)報(bào)，2015，36（1）：3845.

TANG Yunjie，QU Linchi.DynamiccorrelationbetweenstockmarketinChinaanddrybulkshippingmarket：EmpiricalanalysisbasedonDCC-MGARCHmodelandVAR model[J].JournalofShanghaiMaritimeUniversity，2015，36（1）：3845.

[13] 孟斌，周昱彤，匡海波.航運(yùn)市場(chǎng)與大宗商品市場(chǎng)動(dòng)態(tài)溢出效應(yīng)研究[J].世界海運(yùn)，2021，44（7）：15-22.

MENGBin，ZHOU Yutong，KUANG Haibo.Researchondynamicspillovereffectofshipping marketandbulkcommoditymarket[J].WorldShipping，2021，44（7）：15-22.

[14] 邵俊崗，郝亞楠.基于TVP-VAR 模型的國際原油價(jià)格、運(yùn)力增長率對(duì)干散貨運(yùn)價(jià)指數(shù)的時(shí)變沖擊[J].上海海事大學(xué)學(xué)報(bào)，2019，40（3）：87-92.

SHAOJungang，HAOYanan.Time-varyingimpactofinternationalcrudeoilpriceandcapacitygrowthrateondrybulkfreightindex based on TVP-VAR model[J].JournalofShanghaiMaritimeUniversity，2019，40（30）：87-92.

[15] NAKAJIMAJ，KASUYA M，WATANABE T.Bayesiananalysisoftime-varyingparametervectorautoregressivemodelfortheJapaneseeconomyandmonetarypolicy[J].JournaloftheJapaneseandInternationalEconomies，2011（25）：225-245.

[16] PRIMICERIGE.TimevaringstructuralvectorautoregressionsandMonetorypolicy[J].ReviewofEconomicsStudies，2005，72（3）：821-852.

[17] MANOLISGK，AmirHA.Seasonalitypatternsindrybulkshippingspotandtimecharterfreightrates[J].TransportationResearchPartE：Logisticsand Transportation Review，2001，37（6）：443-467.

[18] XUJJ，YIP T L，MARLOW PB.Thedynamicsbetweenfreightvolatilityandfleetsizegrowthindrybulkshippingmarkets[J].Transportation Research Part E Logisticsamp;TransportationReview，2011，47（6）：983-991.

[19] JOHANNESM，KUMARR，POLSONN.Statedependentjumpmodels：HowdoU.S.equitymarketsjump？ [R].Workingpaper，UniversityofChicago，1999.