二手船价格市场法评估中的影响因素

杜珂 焦芳芳

【摘 要】 为更全面、更有效地评估二手船价格，梳理现阶段二手船交易市场主要船型及主要评估方法对比，指出采用市场法评估二手船价格时应考虑的影响因素。运用人工神经网络对二手船价格进行预测，并采用子网络与主网络相结合的方式对船舶信息进行特征抽取，通过特征聚合的方式输入到主网络中。结果表明，采用市场法对交易相对活跃、市场波动性较大的船舶进行价格评估适用性最好，通过人工神经网络进行价格预测可以避免主观因素对评估模型的影响。

【关键词】 市场法;二手船;价格评估;人工神经网络

0 引 言

随着市场经济的发展，全球航运业在历经了约10年运力过剩、贸易量锐减的市场低迷后，逐渐迎来复苏。新船订单数量的逐步减少，使得航运市场的供应与需求渐趋平衡。尤其是近年来，我国运力市场调控有所放松，诸多航运企业已着手通过建造新船或购置二手船等途径增加运力。

由于船舶资产的特殊性，影响二手船价格的因素除了船龄、船上设备等自身损耗因素外，还有不同船型市场运价、期租费率、船舶营运范围等因素。在实际操作中，船舶价格评估方法的选择必须与船舶资产评估价值类型相适应，同时也要与评估船舶相适应，而且还会受到可搜集数据和信息资料的制约。因此，梳理针对不同船型的二手船评估影响因素以及探索一种综合评估方法对现阶段具有重要意义。

1 二手船交易市场主要船型

2019年，全球共交易二手船1 238艘、运力万t，其中：受国际形势影响，油船交易量漲幅明显，全年共成交347艘、运力万t;从年初巴西淡水河谷溃坝到年末澳洲山火肆虐，自然灾害持续影响大宗商品贸易，加之中美贸易摩擦升级、我国铁矿石和煤炭进口需求减少等因素打击买方信心，散货船交易需求大幅减少，全年共交易散货船465艘、运力万t;集装箱船交易量维持稳定。

在二手船市场中，占据市场份额较大的货船船型为散货船、油船和集装箱船。近年来，散货船成交量例较大的船型为好望角型、巴拿马型、大灵便型和灵便型等。油船成交量较大的船型为超大型、苏伊士型、阿芙拉型、巴拿马型和灵便型等。

除上述几类船型外，二手船交易市场中还有一类“其他船型”，主要是指海洋工程装备和其他远洋特种船型。这类船舶船型众多，建造价格较高，订制化特征明显，“一船一价”的情况较为常见。

2 二手船价格主要评估方法对比

现阶段对船舶价格评估的方法主要有重置成本法、收益法、市场法和现值法。4种方法都具有一定的合理性，同时也存在各自的缺陷。二手船价格主流评估方法比较见表1。

船舶价格估算不仅要反映市场行情，还要体现出船舶自身的技术特征。成本法只是通过对重置成本的扣减来估价的，并没有考虑市场行情对船舶价格的影响。收益法是根据船舶在未来使用年限中的收益现值来估价的，由于未来收益具有不确定性，无法准确估算船舶价格。整体来看，只有市场法既考虑了航运市场行情，又结合了影响船舶价格的船舶自身技术特征。市场法的理念符合学术界对于船舶价格评估的发展方向，即从微观的角度综合考虑所有影响船舶价格的因素。

不同的船型对应不同的市场，因而应选用不同的评估方法。在二手船交易市场中，除4种主流船型外，还有一些市场规模较小或相对平稳的船舶。本文对国内二手船交易的主要船型及适用评估方法进行总结，见表2。

3 二手船价格市场法评估中的 主要影响因素

从收益角度来看，当旧船在二手市场出售所得的回收净金额（出售总价格扣除各种手续费、佣金、回扣、税金和杂费后的收益）远大于该船继续营运一定年限的收益与该年限后的残值的和时，船舶所有人应将旧船投入二手船市场进行交易;当二者净金额接近时，船舶所有人可以考虑将旧船作为废船出售拆解，以减少二手船转售后继续投入营运对船舶所有人自身带来的新风险。本文选择市场相对活跃的油船、散货船、集装箱船等常规船型的二手远洋船交易进行分析，采用市场法进行评估。

3.1 新造船价格

新造船价格与二手船成交价格有很强的关联性，作为二手船的一种替代品，新造船价格的上涨会间接抬高二手船的价格。新造船价格既可以反映出宏观的二手船价格波动趋势，也可以反映出微观的每一艘交易船的交易价格。[1]

3.2 船 龄

船龄反映船舶寿命，不同船龄的船舶对应不同的运价水平，进而也会影响二手船的成交价格，船龄越大，影响越显著。

一般情况下，普通货船的使用年限为20～30年。在航运市场极度低迷时，部分船舶可能在10～15年的船龄内被拆解;在航运市场极度繁荣时，部分船舶可能使用30年左右。[2]

3.3 船舶的残值

市场走势决定了船舶的残值。技术状况影响经济寿命，钢材价格、船舶市场走势、环保标准或公约、政府补贴、改装可能性等都是影响船舶残值的因素。拆船价格也是船舶残值的重要组成，其主要受废钢价格的影响，同时也受航运市场基本面（可供拆解的船舶数量）、拆船成本（人工、环保要求）等因素影响。

3.4 船舶类型和运力

不同运力的船舶对应不同的运输市场，不同的货物类别决定了适合运输该类别货物的船舶构造、技术特征，两者都会影响船舶的市场行情。[3]

3.5 船舶运营和管理成本

期租费率可以体现船舶在运费市场中的受欢迎情况，航运市场运力的供给和全球或区域性的货运需求等因素，以及地缘政治及社会经济事件的短期影响也会导致航运市场运费剧烈波动，进而影响二手船价格评估。

另外，船舶航次成本也是影响因素之一。船舶航次成本包括燃油、保险、港口等费用，其中保险费用和港口费用变化相对较小，但燃油成本受国际油价波动影响较大。随着低硫燃料油、LNG、LPG、甲醇、液氢、液氨等船舶燃料的使用，部分船舶航次成本也受到上述燃料价格波动的影响。

船舶定期检验和坞修也是管理成本的重要组成部分。

3.6 船舶建造质量、船旗、船籍国、主尺度和航区

船舶的建造质量会影响船舶的运营，高质量的船舶在营运过程中需要的维护成本更少，出现故障的几率小。这样就能增加船舶的正常营运时间，提高航运企业盈利能力，因而船舶价格也更高。

船舶船級种类繁多，不同的船级社所使用的规范、规则不同，对船舶的要求不同，船舶接受法定检验的内容也不同。由于政治原因，悬挂某些特定国家船旗的船舶还会遭到一些国家港口拒绝挂靠。对于这类船舶，船旗国对船舶价格的影响明显。

船舶的主尺度是指船舶的长、宽和型深，以及船舶吃水。船舶主尺度直接影响船舶的适港性和适货性，最终会因为影响船舶的供需情况而影响船舶价格。

船舶的作业航区分为遮蔽航区、沿海航区、近海航区和无限航区。不同的航区对船舶的结构和其他方面的要求不同，其中无限航区的要求最高，相对而言船舶的造价就会很高。

因此，在对二手船价格进行评估时，需要尽可能多地掌握船舶的各项信息，以便得出符合市场的估值。

4 人工神经网络的建立

相比于模糊系统、自适应神经模糊推理系统、梯度提升决策树等模型驱动的价格评估方法，神经网络采用数据驱动的模式，以大量二手船信息进行训练，启发式学习评估模型能够更好地反映各船舶属性信息对船舶价格的影响。

4.1 构建样本

由于二手船交易市场包含各方面的大量信息，为了使神经网络更有效地进行训练和预测，应选取具有代表性的船舶信息，防止重复属性或不相关属性信息对预测性能的干扰。

本文选择交易市场相对活跃和市场波动性较大的油船、散货船、集装箱船等常规远洋船型进行研究。根据对二手船估值影响因素的描述，主要考虑船型、船舶特征、船龄、船舶尺寸、运营数据等5种船舶信息作为神经网络输入数据。

船舶信息选择及原理见表3，其中，对于船型、建造国以及船级社等非数值类型的信息，采用序号的方式进行表达。同时，为了防止因各维度数值差异过大对训练造成影响，对训练样本的各个维度进行归一化处理。

相比于基于神经网络进行二手船价格评估的方法，市场法采用更多类别的信息从多方面对船舶进行描述，在去除冗余信息的同时尽可能保留与价格评估相关的信息，一个训练样本包含一个18维的船舶信息向量x以及一个1维的价格真值y。

4.2 网络结构

从多个层面对船舶信息进行建模，并根据属性之间的相关程度将信息分为船型信息（xt）、船龄信息（xa）、船舶身份信息（xd）、船舶尺寸信息（xs）以及船舶运营信息（xq）。由于同一分类信息相关性较强而各类别之间信息的相关性较弱，首先通过多个子网络对各类别信息进行特征提取，再通过特征聚合的方式输入到主网络中。二手船估值网络结构见图1。

各子网络为包含一层隐含层的感知模型，隐含层的节点个数均为6。主网络为包含3层隐含层的多层感知模型，各隐含层的节点个数为32、16、8。

由于船型信息、船龄信息的维度为1，所以无需通过子网络进行特征提取，可直接输入到主网络中;因此，主网络输入特征的维度为20。

网络的输出为1维向量，表示二手船价格评估的预测值y'为

式中：w为权重，b为偏置项，f为非线性激活函数，下标为所在主网络隐含层序号;⊕表示为串联操作。

式（1）表示输入特征x经过3个隐含层，得到预测值y';式（2）表示主网络特征x是3个子网络输出特征的聚合;式（3）、式（4）、式（5）分别为船舶身份特征子网络、船舶尺寸特征子网络以及船舶运营信息子网络提取的特征。

真实值与预测值的欧氏距离为损失函数L，即：

主网络与子网络采用联合训练的方式，通过最小化损失函数，从而实现对各权重和偏置项的优化。本网络选择ReLU作为激活函数，其表达形式为

相比于Sigmoid函数，ReLU函数可以缓解Sigmoid函数反向传播时出现的梯度消失的情况。ReLU函数会使响应值为负数的神经元的输出为0，增加了网络的稀疏性，减少了参数之间互相依存的关系，缓解过拟合现象的发生。

目前市场上二手船成交信息的透明度远不及二手车、二手房产等交易信息，国内外还没有完全公开的二手船交易信息获取途径，一些大型船舶交易所及研究机构在提供此类数据时实行收费服务。

5 结 语

船舶所有人通过二手船交易可以避免船舶进入和退出市场时的障碍，从而提高船舶的竞争力。二手船市场是国际航运市场的重要组成部分，在国际航运市场中占有重要地位，对航运市场起着重要的运力平衡作用。

市场法对交易相对活跃、市场波动性较大的船舶进行价格评估的适用性最好，在原始数据充足的情况下，通过人工神经网络进行二手船价格预测可以避免主观因素对评估模型的影响。在变量选取过程中，由于模型要模拟的是每一艘交易船舶的成交价格，因而所选择的每一个变量必须与该交易紧密相关。本文对人工神经网络进行改进，通过多个子网络对各类别信息进行特征提取，再通过特征聚合的方式输入到主网络中，避免了因不同维度之间相关性较弱而对网络训练造成影响，同时能够最大程度地保留船舶的各项信息特征，在实际评估过程中具有重要意义。

参考文献：

[1] 张树帆，张弦. BP神经网络在二手船评估中的应用[J].中国资产评估，2015（11）：21-25.

[2] 罗福才. 船舶资产评估研究[D].大连：大连理工大学，2011.

[3] 肖启俊，张延猛. 基于BP神经网络的二手船价格评估研究[J].船舶工程，2013（2）：100-103.