中国出口集装箱运价指数研究述评与未来展望

李 博

（南京审计大学 商学院，江苏 南京 211815）

一、引言

（一）研究背景

根据《2019 年交通运输行业发展统计公报》，2019 年中国水上货物运输量达74.7 亿吨，占货物运输总量的13.98%，对整个国民经济的运营和发展有着举足轻重的作用。造船、运价、买卖船和拆船这四大市场共同构成航运市场，在我国的大环境下相互促进，相互影响，决定着整个航运市场以及其他联动市场的发展。其中，运价市场是最能捕捉整个航运市场动态的核心子市场，在很大程度上影响甚至决定着其他三个子市场的发展，因此成为业内重点关注的对象，研究我国集装箱运输中最具代表性的中国出口集装箱运价指数是研究水上货物运输价格的重中之重。

中国出口集装箱运价指数（China Containerized Freight Index，简称CCFI）是我国用于反映集装箱运价的指数，能够定期、连续地反映我国市场价格水平的动态变化，可以直观反映市场行情的好坏。其变化不仅受到需求和供给的影响，还受到航运市场的经济状况、消费者预期、投资者心理、突发事件、国家之间的政策干预等不同因素的作用。在这些因素的综合作用下，该指数序列呈现出上下起伏波动的现象，其未来发展走向变得难以预判。是否能够主动掌握CCFI 指数的发展态势，及时准确地应对CCFI 指数的波动，是政府和企业在市场上做出正确决策的关键。

（二）研究框架

对CCFI 指数的编制的相关研究进行综述；重点阐述CCFI 指数波动特性的研究；聚焦CCFI 指数的影响因素研究；对全文进行回顾和总结，指出不足并提出未来的研究方向。在理论上，为学者们更深度地开展中国出口集装箱运价指数的研究提供借鉴。在实践上，使航运公司或政府有关部门更好地了解CCFI 指数的相关情况，有助于其进行政策制定以及运营策略的决策。具体研究框架如图1 所示。

图1 中国出口集装箱运价指数述评的研究框架

二、CCFI 指数的编制

（一）CCFI 指数的官方编制方法

CCFI 指数于1998 年4 月23 日由上海航运交易所首次编制发布。该指数的编制是选取了从中国出发到世界各地的11 条典型集装箱航线的运价作为代表，分别是日本航线、欧洲航线、美西航线、美东航线、韩国航线、东南亚航线、地中海航线、澳新航线、南非南美航线、香港航线以及东西非航线，经过标准的统计指标计算公式进行综合计算，得出代表中国出口集装箱运输市场价格的综合性指标。其作为运价指数的一种，能够反映我国港口出口集装箱货物运输价格的变动趋势和程度。

CCFI 指数选用“拉氏”公式作为计算公式，以运输额作为计算权数，即11 条航线各自的运费收入。以1998 年1 月1 日为基期，基期指数定为1000 点，是在各种影响因素影响下的综合运价。

（二）CCFI 指数的编制研究

有学者进行了航运运价指数编制方面的相关研究，主要集中在两个方面：数据源选取以及运价指数的编制方法。但已有的文献关于以上两个方面的研究大多都是针对波罗的海运价指数的，关于我国出口集装箱运价指数在这两个方面的相关研究相对较少。

在数据源选取方面，周甫宾(2006)[1]简单分析了运价指数的生成原理，指出我国对运价指数在数据源方面存在的抽样信息不全面和干扰信息过多的缺陷，建议选用较为全面和精确的EDI 系统来提炼信息生成集装箱运价指数。付东方(2015)[2]定性的分析了上海出口集装箱运价指数(SCFI)在数据源的选取方面存在着两方面的问题，一是数据源的采集方面，运价信息主要采自班轮公司，违背了编制价格指数要求市场结构使自由竞争市场的基本条件，缺乏实际意义。二是数据采样的周期长，对于这种波动较快且短期内无明显波动规律的数据需要缩短采样周期。目前该指数从基于周频次发布已经优化为日频次发布，能够全面细致的反映运价指数的变动情况。

因此，后续的研究中应当借鉴研究BDI 指数的方法对CCFI 指数编制的数据源予以关注，从源头予以分析，以确保后续关于CCFI 指数波动性、CCFI 指数数值预测等问题分析的准确性。

在CCFI 指数编制方法方面，最Shi Xin[3]于2000年最早详细介绍了其编制方法。孙永(2005)[4]从CCFI指数的起源开始对CCFI 指数的编制方法和原理做了详细的介绍，利用定量的方法对中国出口集装箱运价指数与波罗的海运价指数(BDI)的基本统计量进行比较。王春华(2007)[5]通过比较国外的航运价格指数编制的状况，解析了CCFI 指数的构成体系和编制方法，并且指出了引入内河水运及港口装卸价格指数来完备CCFI 指数体系。曹蓓蓓(2013)[6]运用定量的方法，按照科学原理采用拉氏公式和Logit 模型对集装箱综合运价指数(CFI)进行构建，并且验证了结果的实用性。

学者们都选用了定量的方法对CCFI 指数的编制进行研究，部分学者重新构建了CCFI 指数的编制体系，能够更加切合实际的，使其具有实际意义。将来的研究方向可以从以下方面展开：将已有的CCFI 指数编制体系与更多的现实案例结合起来以完善现存编制体系的构建，使其与实际更加贴合，为以后的关于其它方面的研究做更好的铺垫。

三、CCFI 指数的波动特性研究

CCFI 指数的波动特性规律是近几年来大部分学者集中研究的问题，挖掘其内部的波动规律，能够更加准确地对它的未来波动趋势做出预测。

大部分学者将CCFI 指数的波动周期作为研究的主要目的，陈丽江(2005)[7]通过移动平均法分析整个CCFI 曲线，发现呈现出四年的循环波动周期。陈金海(2010)[8]运用时间序列乘法模型分析CCFI 指数的波动特性，也发现了呈现出四年的循环周期并且与世界经济周期有密切的相关性，且其季节周期呈现出夏季秋季较高、冬季春季较低的特点。李雅楠(2014)[9]首先运用时间序列分析法对CCFI 指数的长期趋势、季节、周期三个方面的波动规律进行了分析，从结果可以看出CCFI指数受到季节因素的影响非常显著以及呈现出三年周期的特点。

汤霞(2017)[10]选用经验模态分解(EMD)算法处理CCFI 时间序列，发现CCFI 指数长期呈缓慢下降的趋势并且存在着四年大周期和一年小周期的波动。武佩剑(2011)[11]将CCFI 指数从诞生开始分四个阶段进行分析，发现CCFI 指数长期呈下降趋势，具有周期性和季节性。邱芯竹(2019)[12]基于EMD 建立了CCFI 指数的波动特征分析模型，对CCFI 指数的波动特性分解为高频、中频、低频和趋势项四个部分进行分析，发现了其在高频部分的波动较无规律、在中频部分平均周期为四个月能够反映季节成分、低频部分平均周期约为7.76年，趋势项呈现出下降的趋势。

CCFI 指数波动特性非常复杂，其变化包含着市场上方方面面的信息。经过学者们的研究可以大致发现该指数具有三到四年的波动周期，并且在季节周期方面呈现出秋季上升、春季下降的特点，长期呈现出下降的趋势。可以发现这些研究主要存在以下不足：大部分学者所选用的方法及模型对时间序列要求过高，都需要进行平稳化处理，这就使得原始数据失去了一部分特性。极少数人使用经验模态分解(EMD)方法来保留数据的自身特性。后续可以分阶段的来探究CCFI 指数的特征，深入分析其局部波动特性来提高研究结果的准确度。

四、CCFI 指数波动的相关影响因素研究

研究影响CCFI 指数产生变动的因素以及影响机制，能够提升对指数未来趋势预测的准确度及时把握它的变化趋势，提前对其产生的变化做好准备。已有的文献大都是从定性和定量两个方面去研究CCFI 指数的影响因素。

（一）定性研究

褚淑玉(2011)[13]从宏观的角度详细的定性分析了影响班轮运价的因素，表明其变化受到市场供求情况影响的同时还受到了运输成本、市场结构，世界经济尤其是国际贸易状况及政府等因素的综合作用，还创新性的提出了科技对CCFI 指数的影响作用。王述芬(2011)[14]对后金融危机时期该指数的波动进行了分析，主要从航运市场供求关系、运输成本以及宏观政策因素三个方面进行阐述，并对我国航运企业的经营发展对策提供了建议。

（二）定量研究

还有学者采用了定量的研究方法，在理论与实际的参考下，将CCFI 指数与其他指数结合起来探求相关关系，分析其影响机制。

胡宁华(2010)[15]基于CCFI、进出口贸易额和国际油价三个指标建立计量经济学模型，发现进出口贸易额以及国际油价的历史信息能够改进CCFI 的未来变化趋势的预测结果。林鹏(2014)[16]从宏观的角度选取了影响航运市场中的价格类指数，如人民币汇率、进出口贸易情况、国内消费者物价指数等指标，并运用脉冲响应函数分析得出了国内消费者物价指数(CPI)对CCFI 指数具有短期反向影响，但随着冲击作用的延长，CCFI 指数与CPI 呈现同向波动。夏凯亮(2017)[17]将CCFI 指数与上证指数的结合起来，构建了GARCH 模型得出后者对前者的综合影响为正向。Yao-Jen Hsiao[18]等应用协整分析和Granger 因果检验分析了波罗的海干散货运价指数(BDI)和CCFI 两者间的领先滞后关系。

王英照(2010)[19]采用定性与定量相结合的办法探索了CCFI 指数与宏观经济景气指数的关系，验证了两者之间存在较强的相关关系。叶善椿(2019)[20]首先对CCFI指数与PMI 指数之间的相关性进行了理论与现实分析之后通过建立VAR 模型来探究，发现两者之间具有长期的协整关系，且PMI 对CCFI 变动的贡献率较大。

CCFI 指数的波动受到多种因素的影响，以下主要从图2 所示的四个方面分析这些因素对CCFI 指数的影响。

图2 CCFI 指数影响因素

市场供给是影响CCFI 指数的根本因素，而航运市场的供给情况主要取决于几个方面：原油价格、运费协议、船舶运力等。这些影响因素都与航运市场的运输成本息息相关，当航运市场的运输成本升高时，CCFI 指数自然就会升高。航运市场的需求是影响其价格变动的决定性因素，进出口贸易的需求主要受到消费者收入水平、物价指数等的影响。突发事件的发生是造成CCFI指数波动的极其重要的因素，一个是自然灾害，另一个是疫情爆发。每次出现突发事件，会极大的影响国际间的贸易往来，进出口贸易受到限制需求就会下降，导致CCFI 指数出现剧烈震荡。再者就是国家相关政策的变化。国家政策会通过对物价水平、居民消费价格等途径影响进出口贸易。物价上涨、货币贬值，也加剧了CCFI 指数的波动。

将来的研究可以更加广泛的挖掘出与CCFI 指数有影响的其它领域的指数，如金融市场上的有关指数、民生方面的指数、也可针对分析中美贸易战下的衍生出来与其相关的指数。将不同产业、不同市场与CCFI 指数结合起来，进行联动分析。同时也有少数学者会选择深入研究11 条航线中的某一条航线的具体影响因素，也可以将11 条航线展开，着手研究每一条航线上CCFI 指数的影响因素，针对不同的情况具体分析，从而能够更全面的考虑所存在的影响因素。

五、CCFI 指数的预测

关于CCFI 指数的具体数值预测方面，以往的学者们大都采用了定量的预测方法，可针对该预测方法大致分为三种类型：统计方法、组合模型方法、机器学习方法。

（一）统计方法

在统计方法中，陈丽江(2004)[21]基于CCFI 指数运用Box-Jenkins 的建模方法先后建立了ARIMA 模型和将季节效应考虑进去的季节ARIMA 模型，在通过诊断检验的前提下对两模型进行了比较优选，最终选择了与原CCFI 指数时间序列更为接近的、拟合效果更好的ARIMA 模型，通过样本数据验证了其较好的拟合效果，利用该模型预测了月度CCFI 指数。Ming-Tao Chou(2016)[22]使用模糊时间序列预测CCFI 指数，模型的吻合度很好。

（二）组合模型方法

在组合模型方法方面，李万勇(2007)[23]构建了一个基于人工神经网络(ANN)模型和自回归求积移动平均(ARIMA)模型的组合预测模型来对CCFI 指数进行预测，发现预测结果较BP 网络预测结果精度更高。单福生(2013)[24]将小波分析和ARIMA 模型组合起来，首先利用小波分析对CCFI 指数进行了去噪处理，在此基础上建立了ARIMA 模型，提升了对CCFI 指数时间序列的拟合效果和预测效果。

张志鹏(2016)[25]将ARIMA 模型和ARCH 模型组合起来建立了基于CCFI 指数的模型，有着较好的拟合效果提高了短期预测的精度。邱芯竹(2019)[12]基于CCFI指数分别建立了四种模型：BP 神经网络模型、EMDBP 组合模型、ARIMA 模型和EMD-ARIMA 模型。将这四种模型对CCFI 指数的预测效果进行比较，发现了与EMD 方法结合使用能够提升模型的拟合预测性能。汤霞(2020)[26]构建了基于变分模态分解(VMD)的组合预测模型，将CCFI 指数序列分解为多个模态分量进行预测，相较于其他模型具有较好的预测效果。

（三）机器学习方法

在机器学习方面，李宗龙(2013)[27]选用了在训练速度、非线性映射能力以及预测能力等方面占有很大优势的广义回归神经网络模型(GRNN)对CCFI 进行了仿真并预测，得到了较好的拟合效果，但在长期预测方面效果较差，仅在短期内预测值较接近实际值。

大部分学者选用了时间序列模型来对CCFI 数值行预测，将机器学习应用到CCFI 指数预测的研究较少。如今机器学习已经逐渐进入到大众的视野，并且以速度、精确方面占据了巨大优势，可以将其应用于该指数的具体预测当中，并且可以进行多尺度分解针对不同分量选取合适的组合模型预测方法，以期快速得到更加接近实际的结果。

六、结论与展望

通过对相关文献的梳理可见，中国出口集装箱运价指数的研究已经引起学者的广泛关注，成为当前研究的热点。目前的研究主要具有以下特点及不足之处:

(一)在CCFI 指数波动特性方面的研究，极少的学者对CCFI 指数波动的动态特征进行研究，未来可以从集装箱运价市场进行系统的研究CCFI 指数波动的动态特征，使得航运企业能够在CCFI 指数变化前及时调整市场经营策略。

(二)在CCFI 指数相关影响因素方面的研究，较少的学者考虑了分航线运价指数的影响因素，可以从分航线运价指数的影响因素入手，从而去全面的考虑综合航线运价指数的影响因素。

(三)在CCFI 指数预测方面，少数学者将机器学习应用到此方面，未来的研究可以多结合机器学习进行研究从而提高预测速度与精度。除此之外，为克服单一模型和一般组合模型的不足，可尝试引入多尺度分解方法来适应航运运价序列的非线性、非平稳性和多尺度特征。

通过文献的查阅与分析，国外关于BDI 指数的研究成熟度显著高于中国集装箱运价指数的研究，但是运价指数会受到情境因素的影响，国外已有的研究成果与方法在中国情境下不一定适用，在借鉴国外经验时，需要结合中国实际国情，对国外已有研究成果深入探讨，才能推进国内该领域的研究，有效促进中国集装箱运价指数的进一步完善。