摘要：本文通过对代表国际干散货航运市场发展趋势的BDI指数进行自相关分析，基于其偏自相关的特性，联立对国际干散货航运市场供需平衡有重要影响的主要市场变量，建立基于主变量分析法为特征的BDI指数自回归模型，并通过寻找各同期主要变量之间及序列前后期主要变量间的回归关系，建立联立方程模型以推演国际干散货航运市场供需变化及BDI指数发展走势。同时通过观察当前市场存量运力的船龄与载重吨分布，对更长期的市场发展趋势作出方向性判断。2020年时已轻微失衡的供需基本面给后续几年的市场发展带来压力，而在2022年左右由于海岬型老旧船基本拆解完毕后，逐步进入缓慢发展周期。直至2030-2035年间，预计会有总计超过2.5亿载重吨的海岬型及巴拿马型老旧运力集中拆解，供需结构得到改善而迎来下一个繁荣周期。

关键词：国际干散货航运市场；BDI指数；主变量分析；自相关模型；联立方程模型

1 引言

航运业是国际贸易的派生需求，历来经受经济周期、地缘政治等突发因素的冲击，使得海运市场运费的变动也难以预测。剧烈的市场波动，足以让海运市场的参与者深刻认识到行业发展趋势、规避海运风险的重要性。

主变量分析法是利用统计体系分析各变量影响程度的一种统计方法，能够使一组复杂的时间序列数据映射为若干能够反映出事物发展本质特征的变量。主变量分析法的数学运算主要是建立在矩阵运算的基础之上，并假定变量之间呈线性关系，这种方法使复杂多变的市场变化研究有可能从纯粹的定性领域中走出来，将理论建立在比较牢固的数学基础上，从而走向更精准的定量领域。

BDI指数全称波罗的海运价指数，反映的是即期市场行情。本文总体市场判断思路是，以BDI指数作为标识，通过自回归模型测试国际干散货航运市场发展规律，结合市场供需基本面分析，利用主变量分析法来研究影响国际干散货航运市场发展的各种因素，将这些因素作为变量去研究其与BDI指数之间的相互作用机理，进而对未来的国际干散货航运市场发展趋势做出大致判断。本文基于主变量分析理论改进了自回归AR模型，创立了主变量分析法-自回归模型，将BDI时间序列映射为几个更清晰变量的时间序列，以抓住市场发展的本质，并通过联立方程模型统一运算，也便于从量化的角度更精准地分析原本模糊的国际干散货航运市场发展趋势。

2 国际干散货航运市场分析及主要变量说明

根据市场统计，截至2020年初，全球干散货航运市场总运力约占全球航运市场所有类型船总运力的一半，总计约8.8亿载重吨：其中海岬型散货船总吨位约3.48亿吨，约占比全球干散货航运市场总运力40%；巴拿马型散货船总吨位约2.17亿吨，大概占比全球干散货航运市场总运力的24.5%；而大灵便型散货船总吨位约2.08亿吨，占比全球干散货航运市场总运力的23.5%；但灵便型散货船总吨位约1.05亿吨，只占比全球干散货航运市场总运力的12%。

自2008年美国次贷危机所引发的全球性金融危机以来，国际干散货航运市场的运价水平和资产价值骤降，而由于之前2007-2008年航运业高峰时期船东的新造订单猛烈，彼时大量已在船厂中的运力陆续在2008-2011年集中投放，这部分运力约占当前存量运力的30%，这进一步加剧了国际干散货航运市场的供需失衡。经过2009-2011年的行业调整期，整个干散货航运市场进入了后次贷危机时代的新周期并延续至今。在包括2-3年调整期的本轮行业周期以来，年均BDI指数从2500点一路跌至1000点上下徘徊，期间经历了2015-2016两年超低迷市场，整个市场老旧船拆解加速，两年拆解运力总计达6000万载重吨，但随后市场供需过剩的情况得到缓解，BDI指数回升，在2018至2019年达到平均的1350点。为避免跨周期的数据间产生干扰效应，本文测算时所采用数据主要为2009年以来本轮行业周期的数据。

国际干散货航运市场发展趋势很大程度受到市场供需的影响，干散货航运市场作为一个统一的系统，其主要外生变量与内生变量分别包括海运货物运输需求与市场存量总吨位、拆船量及新造下水量，这些因素与BDI指数相互作用，维持着市场动态平衡。本文将通过3个主要市场变量，来阐述干散货航运市场的内在关系：

T值（年度海运货物运输量/船队总载重吨位）作为市场供需比；
G值年度新交付运力载重吨；
S值年度拆船载重吨。

对于T值的研究主要包括对需求与供给的研究，其中需求端将全球海运货物运输需求标记为F值，供给端将船队总载重吨记为D值。全球海运货物运输需求作为整个系统的外生变量，为国际干散货航运市场的发展提供驱动力，当F值上升的时候，T值也会相应提高，从而促进BDI指数的上涨，反之亦然。