楊佳琳 葛穎恩

摘要：為分析新冠肺炎疫情對(duì)航運(yùn)市場(chǎng)的影響，識(shí)別后疫情時(shí)代航運(yùn)市場(chǎng)的潛在風(fēng)險(xiǎn)，用向量自回歸（vector autoregression， VAR）和方差分解的方法測(cè)算疫情對(duì)航運(yùn)市場(chǎng)的溢出效應(yīng)。以各國家或地區(qū)新冠肺炎累計(jì)確診人數(shù)比例代表其疫情嚴(yán)重程度;為消除季節(jié)性因素，以航運(yùn)市場(chǎng)指標(biāo)與上一年的同比變化率代表航運(yùn)市場(chǎng)情況。結(jié)果顯示：油船運(yùn)輸市場(chǎng)、干散貨運(yùn)輸市場(chǎng)和集裝箱船運(yùn)輸市場(chǎng)均受到新冠肺炎疫情的影響，但不同經(jīng)濟(jì)體因其在相對(duì)應(yīng)的貿(mào)易市場(chǎng)中的供求關(guān)系不同，以及經(jīng)濟(jì)體對(duì)疫情的控制程度不同，所呈現(xiàn)的溢出效應(yīng)關(guān)系亦不相同。

關(guān)鍵詞：? 新冠肺炎（COVID-19）; 方差分解; 航運(yùn)市場(chǎng); 區(qū)域經(jīng)濟(jì)

中圖分類號(hào)：? F551

文獻(xiàn)標(biāo)志碼：? A

收稿日期： 2021-04-08

修回日期： 2021-06-28

基金項(xiàng)目： 國家自然科學(xué)基金（72031005）

作者簡(jiǎn)介：

楊佳琳（1996—），女，四川成都人，博士研究生，研究方向?yàn)榫G色航運(yùn)金融，（E-mail）yangjialin36@stu.shmtu.edu.cn;

葛穎恩（1971—），男，安徽太和人，教授，博導(dǎo)，博士，研究方向?yàn)榻煌ㄟ\(yùn)輸管理、交通運(yùn)輸與環(huán)境、運(yùn)輸經(jīng)濟(jì)學(xué)與政策，

（E-mail）yege@shmtu.edu.cn

Meeting of the Waterborne Transport Division， World Transport Convention 2021 （WTC 2021）

Spillover effect analysis of COVID-19 epidemic on shipping

market based on VAR model

YANG Jialin， GE Yingen

（College of Transport & Communications， Shanghai Maritime University， Shanghai 201306， China）

Abstract： In order to analyze the impact of the COVID-19 epidemic on the shipping market and identify potential risks in the shipping market during the

post-COVID-19 period， the vector autoregression （VAR） and variance decomposition methods are adopted to measure the spillover effect of the epidemic on the shipping market. The ratio of the cumulated number of confirmed COVID-19 cases in a region or country

is used to represent the severity of the epidemic; in order to eliminate seasonal factors， the year-to-year growth rate of the shipping market index is used to represent the shipping market condition. The result shows that the tanker shipping market， the dry bulk shipping market and the container shipping market are all affected by COVID-19 epidemic. However， because different economies have the different supply and demand relationships in

their respective trade markets and

diffrent degrees of control for the epidemic， the spillover effect relationship is not the same.

Key words： corona virus disease 2019 （COVID-19）; variance decomposition; shipping market; region economy

0 引 言

新冠肺炎疫情的發(fā)生對(duì)全球經(jīng)濟(jì)造成了巨大沖擊，國際貿(mào)易受損，作為國際貿(mào)易派生需求的航運(yùn)業(yè)也受到影響。由于不同國家和地區(qū)受疫情影響的程度不同、采取的措施不同等，不同貿(mào)易板塊的供需變化存在差異，這使得為其提供運(yùn)輸服務(wù)的各個(gè)航運(yùn)市場(chǎng)出現(xiàn)不同的運(yùn)價(jià)水平。本文根據(jù)航運(yùn)市場(chǎng)現(xiàn)狀選取研究對(duì)象，即油船運(yùn)輸市場(chǎng)以中東地區(qū)、歐洲和美國為代表，干散貨運(yùn)輸市場(chǎng)以東南亞地區(qū)、巴西、歐洲和中國為代表，集裝箱船運(yùn)輸市場(chǎng)以東南亞地區(qū)、歐洲、中國和美國為代表，研究全球主要經(jīng)濟(jì)體受到的疫情影響程度對(duì)不同航運(yùn)板塊的影響，有助于政府、航運(yùn)企業(yè)等利益相關(guān)方做出更優(yōu)的決策，適時(shí)規(guī)避風(fēng)險(xiǎn)。

不少學(xué)者研究了微觀、宏觀等因素對(duì)航運(yùn)市場(chǎng)的影響。GONG等[1]用向量自回歸（vector autoregression， VAR）模型研究了中美貿(mào)易摩擦影響下航運(yùn)市場(chǎng)與股票市場(chǎng)的關(guān)系，結(jié)果表明，在貿(mào)易量減少的情況下，航運(yùn)市場(chǎng)與股票市場(chǎng)間的風(fēng)險(xiǎn)傳遞關(guān)系更加凸顯。航運(yùn)市場(chǎng)的派生性決定了其

受國際貿(mào)易的影響[2-3]，而航運(yùn)市場(chǎng)的供需關(guān)系變化是影響航運(yùn)市場(chǎng)價(jià)格波動(dòng)的最本質(zhì)因素[4]。學(xué)者們[5-6]研究發(fā)現(xiàn)，原油市場(chǎng)的變化會(huì)傳導(dǎo)到油船運(yùn)輸市場(chǎng)，并且在不同的宏觀經(jīng)濟(jì)環(huán)境下，油船運(yùn)輸市場(chǎng)的反應(yīng)也會(huì)發(fā)生相應(yīng)的變化。而油船運(yùn)輸市場(chǎng)與干散貨運(yùn)輸市場(chǎng)之間的溢出效應(yīng)在金融危機(jī)時(shí)期更加顯著[7]。KAVUSSANOS等[8]通過研究商品價(jià)格與運(yùn)費(fèi)率的關(guān)系，發(fā)現(xiàn)商品價(jià)格波動(dòng)會(huì)傳遞給運(yùn)輸市場(chǎng)。

自新冠肺炎疫情發(fā)生以來，學(xué)者們從多個(gè)角度研究了新冠肺炎疫情對(duì)經(jīng)濟(jì)的影響。新冠肺炎疫情對(duì)我國產(chǎn)業(yè)鏈造成了巨大沖擊，也影響了全球生產(chǎn)體系的正常運(yùn)行[9-10]。何誠穎等[11]主要分析了新冠肺炎疫情發(fā)展的不同程度對(duì)中國宏觀經(jīng)濟(jì)、產(chǎn)業(yè)、行業(yè)、金融體系等4個(gè)方面的影響。尹彥輝等[12]運(yùn)用新凱恩斯動(dòng)態(tài)隨機(jī)一般均衡（dynamic stochastic general equilibrium，DSGE）模型分析了新冠肺炎疫情對(duì)中國宏觀經(jīng)濟(jì)的影響，結(jié)果表明，疫情會(huì)造成經(jīng)濟(jì)萎縮，但其影響是短暫的，而宏觀經(jīng)濟(jì)變量對(duì)航運(yùn)市場(chǎng)有顯著的溢出效應(yīng)[13]。新冠肺炎疫情在全球范圍內(nèi)的擴(kuò)散不僅會(huì)影響全球貿(mào)易市場(chǎng)需求和供給情況，還會(huì)在一定程度上引起經(jīng)濟(jì)恐慌[14]。隨著新冠肺炎疫情逐步得到控制，各國政府出臺(tái)了一系列刺激性政策，

幫助各行各業(yè)的恢復(fù)[15]。

由此可見，新冠肺炎疫情對(duì)經(jīng)濟(jì)的影響終將傳導(dǎo)至對(duì)航運(yùn)市場(chǎng)的影響。因此，本文選取波羅的海原油運(yùn)價(jià)指數(shù)（Baltic dirty tanker index， BDTI）、波羅的海干散貨運(yùn)價(jià)指數(shù)（Baltic dry index， BDI）、克拉克森集裝箱船平均盈利（Clarksons average container ship earnings，下文簡(jiǎn)稱CACSE）分別作為衡量油船運(yùn)輸市場(chǎng)、干散貨運(yùn)輸市場(chǎng)、集裝箱船運(yùn)輸市場(chǎng)運(yùn)作情況的指標(biāo);為消除季節(jié)性因素對(duì)航運(yùn)市場(chǎng)的影響，以上指數(shù)均與前一年對(duì)應(yīng)月份的數(shù)據(jù)做一階差分;以東南亞地區(qū)、中東地區(qū)、巴西、歐洲、中國、美國等國家或地區(qū)各自的月度新冠肺炎累計(jì)確診人數(shù)比例衡量各地新冠肺炎疫情對(duì)當(dāng)?shù)氐挠绊懗潭?，采用VAR模型探究新冠肺炎疫情對(duì)航運(yùn)業(yè)的影響。

1 VAR模型及數(shù)據(jù)描述

2020年航運(yùn)業(yè)受到了來自新冠肺炎疫情的沖擊，航運(yùn)業(yè)作為貿(mào)易的派生性行業(yè)，受市場(chǎng)需求與供給的影響，且航運(yùn)所需的勞動(dòng)力受損會(huì)對(duì)貿(mào)易運(yùn)輸成本帶來影響。

金融領(lǐng)域常用VAR模型解釋自變量的滯后變量對(duì)方程中各變量的影響，即前一期或前幾期自變量對(duì)當(dāng)期變量的影響。VAR模型的所有變量均被作為內(nèi)生變量，規(guī)避了通過主觀判斷確定變量性質(zhì)帶來的風(fēng)險(xiǎn)。同時(shí)利用VAR模型的方差分解解釋不同國家或地區(qū)的新冠肺炎疫情對(duì)航運(yùn)市場(chǎng)的影響變化情況。

1.1 VAR模型構(gòu)建

為消除季節(jié)性因素對(duì)航運(yùn)市場(chǎng)的影響，對(duì)選取的3個(gè)指標(biāo)做一階差分：

y*M，t=pM，t-pM，t-12pM，t-12， M=1，2，3

（1）

式中：M=1，2，3分別表示油船運(yùn)輸市場(chǎng)、干散貨運(yùn)輸市場(chǎng)和集裝箱船運(yùn)輸市場(chǎng);pM，t為航運(yùn)市場(chǎng)M在t月份的指標(biāo)值;y*M，t為航運(yùn)市場(chǎng)M在t月份的指標(biāo)值與上一年的同比變化率。同時(shí)，計(jì)算新冠肺炎累計(jì)確診人數(shù)比例：

yi，t=bi，tPi×100%（2）

式中，bi，t表示國家或地區(qū)i在t月份的新冠肺炎累計(jì)確診人數(shù);Pi表示國家或地區(qū)i的總?cè)丝跀?shù)。由此建立VAR模型：

y*M，ty1，tyk，t=

c*Mc1ck+

a*MMa*M1a*M2…a*Mk

a1Ma11a12…a1k

akMak1ak2…akk

y*M，t-1y1，t-1yk，t-1+

ε*M，tε1，tεk，t，

M=1，2，3; k=3，4

（3）

當(dāng)M=1時(shí)，y*M，t表示BDTI同比變化率;當(dāng)M=1時(shí)，k=3，則y1，t、y2，t、y3，t分別表示中東地區(qū)、歐洲、美國在t月份的新冠肺炎累計(jì)確診人數(shù)比例。當(dāng)M=2時(shí)，y*M，t表示BDI同比變化率;當(dāng)M=2時(shí)，k=4，則y1，t、y2，t、y3，t、y4，t分別表示東南亞地區(qū)、巴西、歐洲、中國在t月份的新冠肺炎累計(jì)確診人數(shù)比例。當(dāng)M=3時(shí)，y*M，t表示

CACSE同比變化率;當(dāng)M=3時(shí)，k=4，y1，t、y2，t、y3，t、y4，t分別表示東南亞地區(qū)、歐洲、中國、美國在t月份的新冠肺炎

累計(jì)確診人數(shù)比例。aij是一個(gè)常數(shù);回歸系數(shù)a*M1、a*M2……a*Mk反映各國家或地區(qū)新冠肺炎累計(jì)確診人數(shù)比例對(duì)航運(yùn)市場(chǎng)M的溢出效應(yīng)。ε*M，t、ε1，t、ε2，t……εk，t是誤差項(xiàng)。式（3）的簡(jiǎn)化形式為

Yt=C+AYt-1+εt

（4）

為研究新冠肺炎疫情對(duì)航運(yùn)市場(chǎng)的影響，進(jìn)行方差分解研究。運(yùn)用DIEBOLD等[16]

提出的方法，可將VAR模型改寫為

Yt=∞l=0Alεt-1+

εt

（5）

式中，Al為移動(dòng)平均系數(shù)矩陣。對(duì)第H期的方差進(jìn)行預(yù)測(cè)，可得

zij（H）=δiH-1h=0

εiAhΣεj2

H-1h=0εiAhΣAh

εj2

（6）

式中：Σ是誤差向量εt的方差矩陣;δi是第i個(gè)方程誤差項(xiàng)的標(biāo)準(zhǔn)差。

1.2 航運(yùn)市場(chǎng)數(shù)據(jù)描述

本文以2020年1月至2021年2月共14個(gè)月的數(shù)據(jù)為研究依據(jù)，選用克拉克森網(wǎng)站公布的BDTI、BDI和CACSE作為代表油船運(yùn)輸市場(chǎng)、干散貨運(yùn)輸市場(chǎng)和集裝箱船運(yùn)輸市場(chǎng)運(yùn)作情況的指標(biāo)，并選用世界衛(wèi)生組織公布的國家或地區(qū)新冠肺炎累計(jì)確診人數(shù)，以及聯(lián)合國、各國統(tǒng)計(jì)局公布的人口數(shù)計(jì)算各國家或地區(qū)新冠肺炎累計(jì)確診人數(shù)比例。

如圖1所示，油船運(yùn)輸市場(chǎng)在2020年1月至5月較2019年同期均呈現(xiàn)利好狀態(tài)，且BDTI在2020年4月份較2019年同期增長(zhǎng)最多。石油需求量的下降使得不少油船作為移動(dòng)式儲(chǔ)油罐使用，油船租金隨之上升，油船運(yùn)價(jià)也上升。但后續(xù)各石油供給國為平衡油類市場(chǎng)，削減了石油的供給，使得油船運(yùn)輸市場(chǎng)的盈利降低。到2020年下半年，不少油船仍被作為移動(dòng)式儲(chǔ)油罐使用，運(yùn)力恢復(fù)緩慢而需求增加進(jìn)一步降低了油船運(yùn)輸市場(chǎng)的盈利水平。集裝箱船運(yùn)輸市場(chǎng)在2020年初受到中國出口減少的影響，新冠肺炎疫情在全球范圍內(nèi)的爆發(fā)使得集裝箱船運(yùn)輸市場(chǎng)盈利水平不斷下降，但對(duì)商品需求的恢復(fù)使得集裝箱船運(yùn)輸市場(chǎng)逐步恢復(fù)，并表現(xiàn)優(yōu)于2019年。同時(shí)，集裝箱船運(yùn)輸市場(chǎng)出現(xiàn)一箱難求的狀況，影響了可作為其替代品的干散貨運(yùn)輸市場(chǎng)。2020年上半年，干散貨運(yùn)輸市場(chǎng)由于新冠肺炎疫情影響一直處于蕭條狀態(tài)，而隨著中國國內(nèi)新冠肺炎疫情得到控制，對(duì)干散貨的需求逐步恢復(fù)，干散貨運(yùn)輸市場(chǎng)的狀況有所緩解，但中國進(jìn)口量的增加仍小于全球進(jìn)出口量的減少;2020年下半年，中國新出臺(tái)的進(jìn)口政策也對(duì)干散貨運(yùn)輸市場(chǎng)造成了影響，澳大利亞的鐵礦石出口大幅減少。隨著新冠肺炎疫情逐步得到控制以及政府出臺(tái)一系列刺激政策，2021年1月份，鐵礦石的需求量高于正常水平，干散貨運(yùn)輸市場(chǎng)由此獲利。

2 結(jié)果分析

2.1 回歸結(jié)果分析

新冠肺炎疫情對(duì)航運(yùn)市場(chǎng)的VAR結(jié)果見表1。

BDTI同比變化率與中東地區(qū)新冠肺炎累計(jì)確診人數(shù)比例呈負(fù)相關(guān)關(guān)系，與歐洲、美國累計(jì)確診人數(shù)比例呈正相關(guān)關(guān)系，即中東地區(qū)累計(jì)確診人數(shù)的增加會(huì)降低油船運(yùn)輸市場(chǎng)的運(yùn)價(jià)水平，若歐洲和美國新冠肺炎疫情在現(xiàn)有水平下相對(duì)被控制則會(huì)降低油船運(yùn)輸市場(chǎng)的運(yùn)價(jià)水平。在對(duì)油船運(yùn)輸市場(chǎng)的回歸結(jié)果中，中東地區(qū)新冠肺炎累計(jì)確診人數(shù)比例的系數(shù)在95%的置信水平下顯著，而歐洲和美國的這個(gè)系數(shù)不顯著。中東地區(qū)作為原油的主要供給方，對(duì)油船運(yùn)輸市場(chǎng)有著舉足輕重的影響。中東地區(qū)新冠肺炎累計(jì)確診人數(shù)比例的增加會(huì)減少石油行業(yè)的勞動(dòng)力，且新冠肺炎疫情的惡化會(huì)限制當(dāng)?shù)厥烷_采、運(yùn)輸?shù)然顒?dòng)。同時(shí)，受新冠肺炎疫情影響，全球石油需求減少，全球原油供給量也隨之減少。石油市場(chǎng)貿(mào)易活躍度的降低使得油船運(yùn)輸市場(chǎng)受損，油船運(yùn)價(jià)下跌。截至2021年2月，歐洲和美國新冠肺炎累計(jì)確診人數(shù)比例分別為5.21%和8.69%，加之美國石油產(chǎn)量約占全球的16%，僅次于中東地區(qū)，若采取限制居民行動(dòng)等強(qiáng)制性政策控制疫情蔓延，則將影響兩個(gè)經(jīng)濟(jì)體的經(jīng)濟(jì)恢復(fù)，從而影響石油供給與需求。

BDI同比變化率與東南亞地區(qū)、中國的新冠肺炎累計(jì)確診人數(shù)比例呈負(fù)相關(guān)關(guān)系，與巴西、歐洲累計(jì)確診人數(shù)比例呈正相關(guān)關(guān)系，即東南亞地區(qū)、中國累計(jì)確診人數(shù)的增加會(huì)降低干散貨運(yùn)輸市場(chǎng)的運(yùn)價(jià)水平，巴西和歐洲累計(jì)確診人數(shù)的小幅增加會(huì)提高干散貨運(yùn)輸市場(chǎng)的運(yùn)價(jià)水平。據(jù)聯(lián)合國統(tǒng)計(jì)，干散貨運(yùn)輸市場(chǎng)占全球運(yùn)輸市場(chǎng)總和的71%，受全球經(jīng)濟(jì)影響很大。中國對(duì)干散貨的需求將在很大程度上影響干散貨運(yùn)輸市場(chǎng)。2020年上半年，中國先于其他國家控制住了新冠肺炎疫情，恢復(fù)了對(duì)大宗商品的需求，提高了干散貨運(yùn)輸市場(chǎng)的盈利水平;而2020年第四季度，中國政府宣布限制澳大利亞焦炭的進(jìn)口，轉(zhuǎn)而向蒙古國進(jìn)口焦炭，使得焦炭的運(yùn)輸從水運(yùn)轉(zhuǎn)變?yōu)殛戇\(yùn)，抑制了干散貨運(yùn)輸市場(chǎng)的發(fā)展。

由于中國新冠肺炎累計(jì)確診人數(shù)比例較低，這一轉(zhuǎn)變對(duì)干散貨運(yùn)輸市場(chǎng)的影響在數(shù)據(jù)上不顯著。東南亞地區(qū)的鎳礦、鐵礦石等的進(jìn)出口也受到新冠肺炎疫情的影響，被感染的工人越多，開采礦石的勞動(dòng)力越受到限制，不利于礦石的出口。巴西作為鐵礦石的主要出口國之一，

在新冠肺炎疫情爆發(fā)前，其鐵礦石產(chǎn)量較往年已經(jīng)有所下降，因此隨著巴西鐵礦開采恢復(fù)正常，巴西的鐵礦石產(chǎn)量逐步回升，抵減了部分由新冠肺炎疫情帶來的影響。2020年第四季度，歐洲新冠肺炎疫情的第二輪惡化與多個(gè)國家恢復(fù)干散貨進(jìn)口重合，導(dǎo)致其回歸關(guān)系在數(shù)據(jù)上表現(xiàn)為正相關(guān)。

CACSE的同比變化率與歐洲、中國新冠肺炎累計(jì)確診人數(shù)比例呈負(fù)相關(guān)關(guān)系，與東南亞、美國累計(jì)確診人數(shù)比例呈正相關(guān)關(guān)系，即歐洲、中國累計(jì)確診人數(shù)的增加會(huì)降低集裝箱船運(yùn)輸市場(chǎng)的盈利水平，東南亞、美國累計(jì)確診人數(shù)的小幅增加會(huì)提高集裝箱船運(yùn)輸市場(chǎng)的運(yùn)價(jià)水平。與油船運(yùn)輸市場(chǎng)和干散貨運(yùn)輸市場(chǎng)不同的是，集裝箱船運(yùn)輸市場(chǎng)還存在空箱調(diào)運(yùn)問題。同時(shí)，集裝箱船運(yùn)輸市場(chǎng)對(duì)勞動(dòng)力的依賴性更強(qiáng)，集裝箱在運(yùn)輸、中轉(zhuǎn)過程中需要大量勞動(dòng)力，而且集裝箱貨物在生產(chǎn)、加工環(huán)節(jié)所需的勞動(dòng)力也超過了油船運(yùn)輸市場(chǎng)和干散貨運(yùn)輸市場(chǎng)。新冠肺炎疫情在一定程度上的惡化不會(huì)抑制美國國內(nèi)消費(fèi)者的購物需求，但新冠肺炎疫情導(dǎo)致的美國失業(yè)率增加會(huì)使得美國國內(nèi)制造業(yè)受限，而新一屆美國政府提出的經(jīng)濟(jì)刺激政策推動(dòng)了美國國內(nèi)的消費(fèi)，使得其商品進(jìn)口增加，從而集裝箱船運(yùn)輸獲益。相較而言，歐洲的情況比美國復(fù)雜得多：一方面是由于政府對(duì)新冠肺炎疫情的把控更加嚴(yán)格，第二輪封鎖令降低了居民對(duì)商品的需求;另一方面是由于歐洲國家內(nèi)部出現(xiàn)的各種狀況，如意大利需要應(yīng)對(duì)執(zhí)政黨的垮臺(tái)帶來的經(jīng)濟(jì)危機(jī)，而英國需面對(duì)脫歐后供應(yīng)鏈中斷的問題。新冠肺炎疫情的惡化使得歐洲的情況更具有挑戰(zhàn)性，經(jīng)濟(jì)恢復(fù)時(shí)間延長(zhǎng)，貨物貿(mào)易受阻，從而影響集裝箱船運(yùn)輸市場(chǎng)的發(fā)展。

2.2 方差分解

本文對(duì)各國家或地區(qū)新冠肺炎累計(jì)確診人數(shù)比例對(duì)航運(yùn)市場(chǎng)指標(biāo)變化的貢獻(xiàn)度進(jìn)行10期預(yù)測(cè)，結(jié)果見圖2。如圖2a所示：在第1期預(yù)測(cè)中，

BDTI預(yù)測(cè)方差全部是由自身擾動(dòng)引起的;在第2期預(yù)測(cè)中，BDTI預(yù)測(cè)方差約90%的部分是由自身擾動(dòng)引起的，其余約10%的部分基本是由中東地區(qū)新冠肺炎累計(jì)確診人數(shù)比例擾動(dòng)引起的;在第3期預(yù)測(cè)中，由歐洲新冠肺炎累計(jì)確診人數(shù)比例擾動(dòng)所引起的部分所占比例上升至與中東地區(qū)的持平，均為約10%;隨著預(yù)測(cè)期的推移，BDTI預(yù)測(cè)方差中由歐洲新冠肺炎累計(jì)確診人數(shù)比例擾動(dòng)所引起的部分在增加，由BDTI自身擾動(dòng)所引起的部分在下降，并且在第10期左右，兩部分?jǐn)_動(dòng)所占比例基本持平，各為40%左右。此時(shí)，BDTI分解結(jié)果基本穩(wěn)定，預(yù)測(cè)方差有15%左右是由中東擾動(dòng)引起的，其余是由美國擾動(dòng)引起的。

圖2b反映了各國家或地區(qū)新冠肺炎累計(jì)確診人數(shù)比例對(duì)BDI變化的貢獻(xiàn)度。在第1期預(yù)測(cè)中，BDI預(yù)測(cè)方差全部是由自身擾動(dòng)引起的;在第2期預(yù)測(cè)中，BDI預(yù)測(cè)方差約95%的部分是由自身擾動(dòng)引起的，其余約5%的部分基本是由巴西新冠肺炎累計(jì)確診人數(shù)比例擾動(dòng)引起的;隨著預(yù)測(cè)期的推移，BDI預(yù)測(cè)方差中由巴西新冠肺炎累計(jì)確診人數(shù)比例擾動(dòng)引起的部分在增加，由BDI自身擾動(dòng)引起的部分在下降，并且在第11期左右（文中僅顯示至第10期），BDI分解結(jié)果基本穩(wěn)定，BDI預(yù)測(cè)方差有33%左右是由巴西新冠肺炎累計(jì)確診人數(shù)比例擾動(dòng)引起的，66%部分是由自身擾動(dòng)引起的;歐洲新冠肺炎累計(jì)確診人數(shù)比例擾動(dòng)在第2期開始增加，在第4期時(shí)達(dá)到極值5%，自第6期開始降低，在第17期時(shí)降低至0。

圖2c反映了各國家或地區(qū)新冠肺炎累計(jì)確診人數(shù)比例對(duì)CACSE變化的貢獻(xiàn)度。與BDTI、BDI相似，在第1期預(yù)測(cè)中，CACSE預(yù)測(cè)方差全部是由自身擾動(dòng)引起的;在第2期預(yù)測(cè)中，CACSE預(yù)測(cè)方差約95%的部分是由自身擾動(dòng)引起的，其余約5%的部分基本是由中國新冠肺炎累計(jì)確診人數(shù)比例擾動(dòng)引起的;隨著預(yù)測(cè)期的推移，CACSE預(yù)測(cè)方差中由中國和歐洲新冠肺炎累計(jì)確診人數(shù)比例擾動(dòng)引起的部分在顯著增加，由CACSE自身擾動(dòng)引起的部分在下降，并且在第9期左右，CACSE分解結(jié)果基本穩(wěn)定，CACSE預(yù)測(cè)方差有41%左右是由巴西新冠肺炎累計(jì)確診人數(shù)比例擾動(dòng)引起的，約39%部分是由自身擾動(dòng)引起的，約13%部分是由歐洲新冠肺炎累計(jì)確診人數(shù)比例擾動(dòng)引起的，約4%部分是由東南亞地區(qū)新冠肺炎累計(jì)確診人數(shù)比例擾動(dòng)引起的。同時(shí)，由中國新冠肺炎累計(jì)確診人數(shù)比例引起的擾動(dòng)占比在第8期時(shí)超過了CACSE自身擾動(dòng)引起的占比。

3 結(jié) 論

航運(yùn)市場(chǎng)與國際貿(mào)易市場(chǎng)密不可分，國際貿(mào)易市場(chǎng)決定著航運(yùn)市場(chǎng)的供需變化情況。一方面，新冠肺炎疫情通過影響國際貿(mào)易的供給和需求，間接影響航運(yùn)市場(chǎng);另一方面，新冠肺炎疫情降低了航運(yùn)業(yè)勞動(dòng)力供給，抑制了航運(yùn)市場(chǎng)的活躍度。本文通過向量自回歸 （VAR） 模型和方差分解，研究疫情對(duì)航運(yùn)市場(chǎng)的溢出效應(yīng)。疫情的爆發(fā)會(huì)通過影響石油供給國影響油船運(yùn)輸市場(chǎng)，同時(shí)疫情增大了油船被作為移動(dòng)式儲(chǔ)油罐使用的可能性，使得后疫情時(shí)期油船運(yùn)輸市場(chǎng)運(yùn)力不足，進(jìn)而減緩油船運(yùn)輸市場(chǎng)的恢復(fù)。疫情對(duì)干散貨運(yùn)輸市場(chǎng)的溢出效應(yīng)主要體現(xiàn)在對(duì)干散貨產(chǎn)量的影響上;其次，干散貨運(yùn)輸市場(chǎng)作為集裝箱船運(yùn)輸市場(chǎng)的“替代品”，在集裝箱船運(yùn)輸市場(chǎng)運(yùn)力不足時(shí)會(huì)受到正向刺激。當(dāng)新冠肺炎疫情在全球范圍內(nèi)呈現(xiàn)不同的控制效果時(shí)，會(huì)增加疫情嚴(yán)重國向疫情控制

較好的國家的商品進(jìn)口，刺激集裝箱船運(yùn)輸市場(chǎng);疫情對(duì)集裝箱船運(yùn)輸市場(chǎng)的溢出效應(yīng)還體現(xiàn)在疫情對(duì)勞動(dòng)力的限制，疫情未得到有效控制的地區(qū)甚至可能出現(xiàn)限制進(jìn)出口的情況，不利于集裝箱船運(yùn)輸市場(chǎng)的發(fā)展。因此，面對(duì)全球性的問題，各國政府應(yīng)積極推動(dòng)全球化進(jìn)程，達(dá)成全球化協(xié)議，避免不正常的貿(mào)易傾斜，實(shí)現(xiàn)后疫情時(shí)期市場(chǎng)恢復(fù)的加速。本文僅在油船運(yùn)輸市場(chǎng)、干散貨運(yùn)輸市場(chǎng)、集裝箱船運(yùn)輸市場(chǎng)三個(gè)較大的板塊上進(jìn)行分析，以后的研究可將市場(chǎng)進(jìn)一步細(xì)化，分析疫情對(duì)不同船型市場(chǎng)的影響。

參考文獻(xiàn)：

[1]GONG Yuting， LI K X， CHEN Shuling， et al. Contagion risk between the shipping freight and stock markets： evidence from the recent US-China trade war[J]. Transportation Research Part E， 2020， 136： 101900. DOI： 10.1016/j.tre.2020.101900.

[2]STOPFORD M. Maritime economics[M]. 3rd ed. London： Routledge， 2009.

[3]YANG Jialin， ZHANG Xin， GE Yingen. Measuring risk spillover effects on dry bulkshipping market： a value-at-risk

approach[J]. Maritime Policy & Management， 2021. DOI： 10.1080/03088839.2021.1889064.

[4]李瑞華， 宋炳良. 國際干散貨航運(yùn)市場(chǎng)影響因素及規(guī)律[J]. 上海海事大學(xué)學(xué)報(bào)， 2015， 36（3）： 35-39， 70. DOI： 10.13340/j.jsmu.2015.03.007.

[5]SUN Xiaolin， HARALAMBIDES H， LIU Hailong. Dynamic spillover effects among derivative markets in tanker shipping[J]. Transportation Research Part E， 2019， 122： 384-409. DOI： 10.1016/j.tre.2018.12.018.

[6]SUN Xiaolin， LIU Hailong， ZHENG Shiyuan， et al. Combination hedging strategies for crude oil and dry bulk freight rates on the impacts of dynamic cross-market interaction[J]. Maritime Policy & Management， 2018， 45（2）： 174-196. DOI： 10.1080/03088839.2017.1418092.

[7]TSOUKNIDIS D A. Dynamic volatility spillovers across shipping freight markets[J]. Transportation Research Part E， 2016， 91： 90-111. DOI： 10.1016/j.tre.2016.04.001.

[8]KAVUSSANOS M G， VISVIKIS I D， DIMITRAKOPOULOS D N. Economic spillovers between related derivatives markets： the case of commodity and freight markets[J]. Transportation Research Part E， 2014， 68： 79-102. DOI： 10.1016/j.tre.2014.05.003.

[9]祝坤福， 高翔， 楊翠紅， 等. 新冠肺炎疫情對(duì)全球生產(chǎn)體系的沖擊和我國產(chǎn)業(yè)鏈加速外移的風(fēng)險(xiǎn)分析[J]. 中國科學(xué)院院刊， 2020， 35（3）： 283-288. DOI： 10.16418/j.issn.1000-3045.20200227001.

[10]葛穎恩， 楊佳琳. 基于對(duì)比分析的新冠疫情對(duì)航運(yùn)業(yè)的影響研究[J]. 交通信息與安全， 2020， 38（2）： 120-128.

DOI： 10.3963/j.jssn.1674-4861.2020.02.015.

[11]何誠穎， 聞岳春， 常雅麗， 等. 新冠病毒肺炎疫情對(duì)中國經(jīng)濟(jì)影響的測(cè)度分析[J]. 數(shù)量經(jīng)濟(jì)技術(shù)經(jīng)濟(jì)研究， 2020， 37（5）： 3-22. DOI： 10.13653/j.cnki.jqte.2020.05.001.

[12]尹彥輝， 孫祥棟， 徐朝. 新冠肺炎疫情與宏觀經(jīng)濟(jì)波動(dòng)： 基于DSGE模型的分析及啟示[J]. 統(tǒng)計(jì)與決策， 2020， 36（7）： 85-90. DOI： 10.13546/j.cnki.tjyjc.2020.07.018.

[13]DROBETZ W， RICHTER T， WAMBACH M. Dynamics of time-varying volatility in the dry bulk and tanker freight markets[J]. Applied Financial Economics， 2012， 22： 1367-1384. DOI： 10.1080/09603107.2012.657349.

[14]田素華， 李筱妍. 新冠肺炎疫情全球擴(kuò)散對(duì)中國開放經(jīng)濟(jì)和世界經(jīng)濟(jì)的影響[J]. 上海經(jīng)濟(jì)研究， 2020（4）： 109-117. DOI： 10.19626/j.cnki.cn31-1163/f.2020.04.010.

[15]CHEN H C， YEH C W. Global financial crisis and COVID-19： industrial reactions[J]. Finance Research Letters， 2021： 101940. DOI： 10.1016/j.frl.2021.101940.

[16]DIEBOLD F X， YILMAZ K. Better to give than to receive： predictive directional measurement of volatility spillovers[J]. International Journal of Forecasting， 2012， 28（1）： 57-66. DOI： 10.1016/j.ijforecast.2011.02.006.

（編輯 趙勉）