基于VAR模型的新冠肺炎疫情對航運市場的溢出效應(yīng)分析

楊佳琳 葛穎恩

摘要：為分析新冠肺炎疫情對航運市場的影響，識別后疫情時代航運市場的潛在風(fēng)險，用向量自回歸（vector autoregression， VAR）和方差分解的方法測算疫情對航運市場的溢出效應(yīng)。以各國家或地區(qū)新冠肺炎累計確診人數(shù)比例代表其疫情嚴(yán)重程度;為消除季節(jié)性因素，以航運市場指標(biāo)與上一年的同比變化率代表航運市場情況。結(jié)果顯示：油船運輸市場、干散貨運輸市場和集裝箱船運輸市場均受到新冠肺炎疫情的影響，但不同經(jīng)濟(jì)體因其在相對應(yīng)的貿(mào)易市場中的供求關(guān)系不同，以及經(jīng)濟(jì)體對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; 航運市場; 區(qū)域經(jīng)濟(jì)

中圖分類號：? F551

文獻(xiàn)標(biāo)志碼：? A

收稿日期： 2021-04-08

修回日期： 2021-06-28

基金項目： 國家自然科學(xué)基金（72031005）

作者簡介：

楊佳琳（1996—），女，四川成都人，博士研究生，研究方向為綠色航運金融，（E-mail）yangjialin36@stu.shmtu.edu.cn;

葛穎恩（1971—），男，安徽太和人，教授，博導(dǎo)，博士，研究方向為交通運輸管理、交通運輸與環(huán)境、運輸經(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，這使得為其提供運輸服務(wù)的各個航運市場出現(xiàn)不同的運價水平。本文根據(jù)航運市場現(xiàn)狀選取研究對象，即油船運輸市場以中東地區(qū)、歐洲和美國為代表，干散貨運輸市場以東南亞地區(qū)、巴西、歐洲和中國為代表，集裝箱船運輸市場以東南亞地區(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不同航運板塊的影響，有助于政府、航運企業(yè)等利益相關(guān)方做出更優(yōu)的決策，適時規(guī)避風(fēng)險。

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

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

自新冠肺炎疫情發(fā)生以來，學(xué)者們從多個角度研究了新冠肺炎疫情對經(jīng)濟(jì)的影響。新冠肺炎疫情對我國產(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)展的不同程度對中國宏觀經(jīng)濟(jì)、產(chǎn)業(yè)、行業(yè)、金融體系等4個方面的影響。尹彥輝等[12]運用新凱恩斯動態(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中國宏觀經(jīng)濟(jì)的影響，結(jié)果表明，疫情會造成經(jīng)濟(jì)萎縮，但其影響是短暫的，而宏觀經(jīng)濟(jì)變量對航運市場有顯著的溢出效應(yīng)[13]。新冠肺炎疫情在全球范圍內(nèi)的擴(kuò)散不僅會影響全球貿(mào)易市場需求和供給情況，還會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，新冠肺炎疫情對經(jīng)濟(jì)的影響終將傳導(dǎo)至對航運市場的影響。因此，本文選取波羅的海原油運價指數(shù)（Baltic dirty tanker index， BDTI）、波羅的海干散貨運價指數(shù)（Baltic dry index， BDI）、克拉克森集裝箱船平均盈利（Clarksons average container ship earnings，下文簡稱CACSE）分別作為衡量油船運輸市場、干散貨運輸市場、集裝箱船運輸市場運作情況的指標(biāo);為消除季節(jié)性因素對航運市場的影響，以上指數(shù)均與前一年對應(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確診人數(shù)比例衡量各地新冠肺炎疫情對當(dāng)?shù)氐挠绊懗潭龋捎肰AR模型探究新冠肺炎疫情對航運業(yè)的影響。

1 VAR模型及數(shù)據(jù)描述

2020年航運業(yè)受到了來自新冠肺炎疫情的沖擊，航運業(yè)作為貿(mào)易的派生性行業(yè)，受市場需求與供給的影響，且航運所需的勞動力受損會對貿(mào)易運輸成本帶來影響。

金融領(lǐng)域常用VAR模型解釋自變量的滯后變量對方程中各變量的影響，即前一期或前幾期自變量對當(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。同時利用VAR模型的方差分解解釋不同國家或地區(qū)的新冠肺炎疫情對航運市場的影響變化情況。

1.1 VAR模型構(gòu)建

為消除季節(jié)性因素對航運市場的影響，對選取的3個指標(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分別表示油船運輸市場、干散貨運輸市場和集裝箱船運輸市場;pM，t為航運市場M在t月份的指標(biāo)值;y*M，t為航運市場M在t月份的指標(biāo)值與上一年的同比變化率。同時，計算新冠肺炎累計確診人數(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，y*M，t表示BDTI同比變化率;當(dāng)M=1時，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確診人數(shù)比例。當(dāng)M=2時，y*M，t表示BDI同比變化率;當(dāng)M=2時，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確診人數(shù)比例。當(dāng)M=3時，y*M，t表示

CACSE同比變化率;當(dāng)M=3時，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

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

Yt=C+AYt-1+εt

（4）

為研究新冠肺炎疫情對航運市場的影響，進(jìn)行方差分解研究。運用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為移動平均系數(shù)矩陣。對第H期的方差進(jìn)行預(yù)測，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個方程誤差項的標(biāo)準(zhǔn)差。

1.2 航運市場數(shù)據(jù)描述

本文以2020年1月至2021年2月共14個月的數(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作為代表油船運輸市場、干散貨運輸市場和集裝箱船運輸市場運作情況的指標(biāo)，并選用世界衛(wèi)生組織公布的國家或地區(qū)新冠肺炎累計確診人數(shù)，以及聯(lián)合國、各國統(tǒng)計局公布的人口數(shù)計算各國家或地區(qū)新冠肺炎累計確診人數(shù)比例。

如圖1所示，油船運輸市場在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年同期增長最多。石油需求量的下降使得不少油船作為移動式儲油罐使用，油船租金隨之上升，油船運價也上升。但后續(xù)各石油供給國為平衡油類市場，削減了石油的供給，使得油船運輸市場的盈利降低。到2020年下半年，不少油船仍被作為移動式儲油罐使用，運力恢復(fù)緩慢而需求增加進(jìn)一步降低了油船運輸市場的盈利水平。集裝箱船運輸市場在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)使得集裝箱船運輸市場盈利水平不斷下降，但對商品需求的恢復(fù)使得集裝箱船運輸市場逐步恢復(fù)，并表現(xiàn)優(yōu)于2019年。同時，集裝箱船運輸市場出現(xiàn)一箱難求的狀況，影響了可作為其替代品的干散貨運輸市場。2020年上半年，干散貨運輸市場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，對干散貨的需求逐步恢復(fù)，干散貨運輸市場的狀況有所緩解，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，中國新出臺的進(jìn)口政策也對干散貨運輸市場造成了影響，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，干散貨運輸市場由此獲利。

2 結(jié)果分析

2.1 回歸結(jié)果分析

新冠肺炎疫情對航運市場的VAR結(jié)果見表1。

BDTI同比變化率與中東地區(qū)新冠肺炎累計確診人數(shù)比例呈負(fù)相關(guān)關(guān)系，與歐洲、美國累計確診人數(shù)比例呈正相關(guān)關(guān)系，即中東地區(qū)累計確診人數(shù)的增加會降低油船運輸市場的運價水平，若歐洲和美國新冠肺炎疫情在現(xiàn)有水平下相對被控制則會降低油船運輸市場的運價水平。在對油船運輸市場的回歸結(jié)果中，中東地區(qū)新冠肺炎累計確診人數(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系數(shù)不顯著。中東地區(qū)作為原油的主要供給方，對油船運輸市場有著舉足輕重的影響。中東地區(qū)新冠肺炎累計確診人數(shù)比例的增加會減少石油行業(yè)的勞動力，且新冠肺炎疫情的惡化會限制當(dāng)?shù)厥烷_采、運輸?shù)然顒?。同時，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。石油市場貿(mào)易活躍度的降低使得油船運輸市場受損，油船運價下跌。截至2021年2月，歐洲和美國新冠肺炎累計確診人數(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等強(qiáng)制性政策控制疫情蔓延，則將影響兩個經(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確診人數(shù)比例呈負(fù)相關(guān)關(guān)系，與巴西、歐洲累計確診人數(shù)比例呈正相關(guān)關(guān)系，即東南亞地區(qū)、中國累計確診人數(shù)的增加會降低干散貨運輸市場的運價水平，巴西和歐洲累計確診人數(shù)的小幅增加會提高干散貨運輸市場的運價水平。據(jù)聯(lián)合國統(tǒng)計，干散貨運輸市場占全球運輸市場總和的71%，受全球經(jīng)濟(jì)影響很大。中國對干散貨的需求將在很大程度上影響干散貨運輸市場。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)了對大宗商品的需求，提高了干散貨運輸市場的盈利水平;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，使得焦炭的運輸從水運轉(zhuǎn)變?yōu)殛戇\，抑制了干散貨運輸市場的發(fā)展。

由于中國新冠肺炎累計確診人數(shù)比例較低，這一轉(zhuǎn)變對干散貨運輸市場的影響在數(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、中國新冠肺炎累計確診人數(shù)比例呈負(fù)相關(guān)關(guān)系，與東南亞、美國累計確診人數(shù)比例呈正相關(guān)關(guān)系，即歐洲、中國累計確診人數(shù)的增加會降低集裝箱船運輸市場的盈利水平，東南亞、美國累計確診人數(shù)的小幅增加會提高集裝箱船運輸市場的運價水平。與油船運輸市場和干散貨運輸市場不同的是，集裝箱船運輸市場還存在空箱調(diào)運問題。同時，集裝箱船運輸市場對勞動力的依賴性更強(qiáng)，集裝箱在運輸、中轉(zhuǎn)過程中需要大量勞動力，而且集裝箱貨物在生產(chǎn)、加工環(huán)節(jié)所需的勞動力也超過了油船運輸市場和干散貨運輸市場。新冠肺炎疫情在一定程度上的惡化不會抑制美國國內(nèi)消費者的購物需求，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)刺激政策推動了美國國內(nèi)的消費，使得其商品進(jìn)口增加，從而集裝箱船運輸獲益。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)對執(zhí)政黨的垮臺帶來的經(jīng)濟(jì)危機(jī)，而英國需面對脫歐后供應(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)時間延長，貨物貿(mào)易受阻，從而影響集裝箱船運輸市場的發(fā)展。

2.2 方差分解

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

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

圖2b反映了各國家或地區(qū)新冠肺炎累計確診人數(shù)比例對BDI變化的貢獻(xiàn)度。在第1期預(yù)測中，BDI預(yù)測方差全部是由自身擾動引起的;在第2期預(yù)測中，BDI預(yù)測方差約95%的部分是由自身擾動引起的，其余約5%的部分基本是由巴西新冠肺炎累計確診人數(shù)比例擾動引起的;隨著預(yù)測期的推移，BDI預(yù)測方差中由巴西新冠肺炎累計確診人數(shù)比例擾動引起的部分在增加，由BDI自身擾動引起的部分在下降，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)測方差有33%左右是由巴西新冠肺炎累計確診人數(shù)比例擾動引起的，66%部分是由自身擾動引起的;歐洲新冠肺炎累計確診人數(shù)比例擾動在第2期開始增加，在第4期時達(dá)到極值5%，自第6期開始降低，在第17期時降低至0。

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

3 結(jié) 論

航運市場與國際貿(mào)易市場密不可分，國際貿(mào)易市場決定著航運市場的供需變化情況。一方面，新冠肺炎疫情通過影響國際貿(mào)易的供給和需求，間接影響航運市場;另一方面，新冠肺炎疫情降低了航運業(yè)勞動力供給，抑制了航運市場的活躍度。本文通過向量自回歸 （VAR） 模型和方差分解，研究疫情對航運市場的溢出效應(yīng)。疫情的爆發(fā)會通過影響石油供給國影響油船運輸市場，同時疫情增大了油船被作為移動式儲油罐使用的可能性，使得后疫情時期油船運輸市場運力不足，進(jìn)而減緩油船運輸市場的恢復(fù)。疫情對干散貨運輸市場的溢出效應(yīng)主要體現(xiàn)在對干散貨產(chǎn)量的影響上;其次，干散貨運輸市場作為集裝箱船運輸市場的“替代品”，在集裝箱船運輸市場運力不足時會受到正向刺激。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，會增加疫情嚴(yán)重國向疫情控制

較好的國家的商品進(jìn)口，刺激集裝箱船運輸市場;疫情對集裝箱船運輸市場的溢出效應(yīng)還體現(xiàn)在疫情對勞動力的限制，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，不利于集裝箱船運輸市場的發(fā)展。因此，面對全球性的問題，各國政府應(yīng)積極推動全球化進(jìn)程，達(dá)成全球化協(xié)議，避免不正常的貿(mào)易傾斜，實現(xiàn)后疫情時期市場恢復(fù)的加速。本文僅在油船運輸市場、干散貨運輸市場、集裝箱船運輸市場三個較大的板塊上進(jìn)行分析，以后的研究可將市場進(jìn)一步細(xì)化，分析疫情對不同船型市場的影響。

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. 國際干散貨航運市場影響因素及規(guī)律[J]. 上海海事大學(xué)學(xué)報， 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. 基于對比分析的新冠疫情對航運業(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中國經(jīng)濟(jì)影響的測度分析[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： 基于DSGE模型的分析及啟示[J]. 統(tǒng)計與決策， 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）