APP下载

基于套期保值的国际大宗干散货供应链结构化风控研究

2022-07-29王大山

价格月刊 2022年6期
关键词:岬型干散货运费

王大山 宁 钟

(复旦大学 管理学院,上海 200433)

一、引言

近些年来,国际贸易逆全球化趋势明显,给全球产业链、供应链稳定带来了巨大冲击,而新兴国家经济的快速发展,也促使了国际大宗商品价格的高位震荡。一方面,目前中国正处在重工业发展后期,预计在5~10年内依然有强劲的大宗商品需求;另一方面,中国经济面临转型,必须在“双循环”新发展格局下减少经济外部依赖,降低与全球经济周期的同步性,促进制造业升级,依托各类策略来缓释国际大宗干散货供应链风险,为中国“双循环”新发展格局营造有利环境,促进中国经济持续健康发展。

对国际大宗干散货供应链中存在的风险进行有效识别、分析和管理,需要学习各风险因素的普遍运行规律、相互作用关系等,监控其在供应链运行过程中的异常反应,并依托风险管理策略统一管理。通过套期保值进行整体供应链的风险对冲是一种有效的风险管理策略,其内涵在于将市场风险转化为操作风险,进而通过加强内部管理来对冲供应链环节中的各项风险因素,赋能整个供应链系统的平稳运行。

二、研究综述

目前,学术界围绕供应链结构、供应链套期保值、供应链风险管理及大宗干散货供应链等领域展开了颇有成效的研究。

供应链结构方面:李民和黎建强(2012)基于成本与风险平衡对供应链结构模型进行了优化,指出抗风险能力是企业供应链结构第一要素。[1]贾旭东和衡量(2016)运用扎根理论研究方法对虚拟企业供应链的动态变化进行了深入研究,指出虚拟企业供应链在形成的各个阶段会呈现出明显的不同特征。[2]贾强法(2017)提出,应在兼顾社会、消费者及供应链三方受益的前提下,通过终端用户、供应链节点乃至源头建设单层式生鲜农产品供应链。[3]孔瑞晓等(2019)结合消费者估值差异研究了BOPS模式下全渠道供应链的结构问题,分析了BOPS的实施对零售商价格、需求和收益的影响,发现BOPS的实施并不总是对零售商有利,而是取决于BOPS需求的单位处理成本、消费者通过BOPS渠道购买产品的麻烦成本及消费者对线上线下渠道的产品估值差异程度。[4]

供应链套期保值方面:熊熊等(2009)通过实证分析后发现,相比传统货押,套期保值供应链金融方案更有利于银行控制质押物价格风险。[5]刘丰军等(2014)构建了由一个供应商、两个零售商组成的供应链并进行了Bertrand和Cournot博弈分析,发现在Bertrand博弈下零售商采取套期保值策略会导致供应商利润下降,而在Cournot博弈下则有利于供应商的利润增长。[6]孙小雨(2019)基于近些年来的钢材价格剧烈波动现状,对国有企业在钢材供应链业务中的期货套期保值管理思路、财务核算与风险管理措施等进行了深入研究,认为随着期货市场交易的不断演变,国有钢铁供应链企业应基于业务发展实际,持续改进和优化期货套期保值方案,做到真正意义上的风险对冲。[7]

供应链风险管理方面:夏德和王林 (2012)指出,通过精确探测风险因子特性、掌握不同风险识别工具适用特征,有利于降低供应链风险。[8]徐绪松等(2013)通过总结供应链管理中生产制造管理、需求管理和供应管理等3个环节的风险识别成果,认为供应链风险识别是供应链风险管理的重点,而有效的供应链风险识别方式包括仿真模型、博弈模型及规划模型等。[9]董尹和刘千里(2016)对情报活动与供应链风险管理在目标、核心环节和过程等方面所具备的相似性进行了分析,进而从情报流程视角出发,对情报流程与供应链风险管理各环节进行比较,得到了包含支撑和提升两个子系统的供应链风险管理概念框架。[10]马靖莲等(2016)对国内外学者就复杂网络上的供应链风险评估方法进行了总结,提出了将运筹学、博弈论与图论、社会网络分析方法及统计物流学等复杂网络理论相结合的研究思路。[11]潘永明和姜景博(2020)在定义供应链风险管理概念、归纳风险类型的基础上,提出了供应链风险管理应基于客观准确、利用合理方式控制风控发生及对风险进行动态监控和及时反馈的原则。[12]

大宗干散货供应链方面:李瑞华和宋炳良(2015)对国际干散货市场供求波动的影响因素进行了研究,进而总结了市场发展的内部波动性和周期性规律,发现国际干散货航运市场供需关系是运价水平波动的主要影响因素,是决定运价走势最根本的原因。[13]许贵斌(2015)分析了铁矿石供应商在航运市场低迷时期建造使用巨型船舶的影响因素,并基于战略层、战术层及操作层具体探究了目前铁矿石供应链存在的主要问题,认为航运企业和货主企业的合作既能够提高双方抗风险能力,也能够保证双方收益稳定增长,进而增强市场竞争力。[14]余方平(2017)利用 1985—2015 年的日/周/月数据,实证分析了BDI指数周期、均值回复和幂律特性。结果表明,BDI指数对数增长率呈现尖峰薄尾和波动聚集性特征,跳跃时间表现更合适的是Gamma函数拟合,跳跃幅度表现更合适的是Exponential函数拟合,但无论跳跃时间还是跳跃幅度都具有薄尾幂律特性和上下对称性。[15]王大山和刘文白(2021)通过建立联立方程模型和主变量-自回归模型研究了国际干散货航运市场发展情况,发现在 5~10年周期内国际干散货航运市场运力的拆解与新增节奏将减缓,市场运费受到供需变化所带来的波动会越来越小,同时受到上下游产业链中库存周期的影响会越来越明显,与上下游产业链中库存周期的相关性越来越强,缓慢发展周期内的市场波动可能会较以往更为平稳并呈现出季节性。[16]

综上,套期保值是针对大宗商品供应链风险的有效管控手段。将大宗商品及其相关海运费作为同一供应链上下游结构统筹考量,并通过跨期对冲手段实现整条供应链结构化风险管控,其研究尚有广阔空间。

三、国际大宗干散货供应链市场及结构

统计数据显示,截至2021年初,全球干散货航运市场总运力在全球航运市场所有类型船总运力中的占比约为50%,总计运力约9亿载重吨。波罗的海航运指数(BDI)是全球主要航线运费的加权计算,主要由海岬型散货船运价指数(BCI-5TC)、巴拿马型散货船运价指数(BPI-4TC)及大灵便型散货船运价指数(BSI-10TC)三部分构成。三种船型在不同航线承运几大类国际通行的大宗干散货,有机地嵌入几大类大宗干散货全球供应链中,其运价也与几种大宗商品的贸易及价格紧密联系。

由图1可知,近年来,随着中国等新兴经济体的快速发展,与基建相关的铁矿石海运量扩张迅速,年海运量已超过15亿吨。在全球注重环保,逐步管控“碳排放”并受到新能源等替代能源冲击的背景下,近年来全球煤炭贸易有所回落,目前年海运量约为12亿吨。随着中国供给侧结构性改革和房地产投资速度的放缓,全球钢材海运量在2015—2016年达到峰值后略有回落,当前水平约为每年3.7亿吨。由于近年来全球人口增长逐步放缓,全球粮食贸易量较为稳定。此外,其余小种类散货年海运量总计约为20亿吨左右,因小种类干散货不属于大宗商品范畴,故不进行分析讨论。

图1 2011—2021年全球主要大宗干散货物海运量

由表1可知,海岬型散货船在全球大宗干散货供应链中主要作为铁矿石、煤炭等大宗商品的运输载体;巴拿马型散货船在全球大宗干散货供应链中主要作为煤炭、粮食等大宗商品的运输载体;大灵便型散货船在全球大宗干散货供应链中主要作为煤炭、粮食、钢材等大宗商品的运输载体。在正常情况下,巴拿马型散货船(BPI)与大灵便型散货船(BSI)所运输的货物重合度较高,海岬型散货船(BCI)由于承运更多的是铁矿石而相对独立。

表1 全球大宗干散货供应链主要航线信息及货物明细

四、国际大宗干散货市场供应链各变量关系及分析

了解国际散货大宗商品供应链上下游的市场风险传导机理是在供应链各产品间实行合理、有效对冲的前提。如图2所示,铁矿石与钢材同时为钢铁产业链的上下游,钢铁产业的强劲增长总会带动铁矿石贸易的活跃发展。

图2 2015—2021年铁矿石与钢材价格走势对比(单位:美元/吨)

如图3所示,2011—2021年澳洲动力煤大宗商品价格涨跌幅度较大,幅度在50~130美元/吨,其长期波动均值从2011年的97美元/吨降至2021年的76美元/吨左右,说明煤炭价格波动虽然剧烈,但总体呈回归长期均价的趋势,导致其在一段时期内表现出周期性。究其原因:一方面,国际上新能源布局及碳排放管控抑制了煤炭交易,导致期间澳洲动力煤大宗商品价格的长期波动均值下跌;另一方面,各大经济体夏季用电高峰会刺激煤炭进口增长,供需缺口又导致煤炭价格在大宗商品市场呈现出季度性波动。

图3 2011—2021年澳洲动力煤价格走势(单位:美元/吨)

受到美洲粮食货盘开放周期及国内季度性采购需求影响,国际大宗粮食价格呈现出一定周期性。2011—2021年墨西哥湾小麦及玉米价格走势如图4所示,不难发现,两者走势几乎一致。

图4 2011—2021年墨西哥湾小麦、玉米价格走势(单位:美元/吨)

对近年来BDI指数与同时期海运供需比值(T/F值)进行对比,其中T/F值表示的含义为:每年每载重吨需要满足年度海运货物运输总需求所需完成的航次数。具体计算公式为:

通过图5可以判断,BDI指数与该年度的供需比值走势趋势相似。可以认为,在供需作用下,干散货航运市场的原始驱动力是海运货物运输需求、大宗商品贸易需求、大宗商品价格与海运价格间具备传导效应的逻辑基础。

图5 2009—2018年BDI指数与干散航运市场供需情况走势对比

(一)国际大宗干散货市场供应链风险对中国经济溢出的影响

生产价格指数(PPI)主要用来衡量工业企业产品出厂价格变动趋势和程度,其含义是企业购买物品、劳务的总费用。

采用2016—2020年逐月的车板价-青岛港-澳大利亚-杨迪粉-58%价格、车板价-罗泾港口-巴西-块矿-65%价格、螺纹钢美国市场价、螺纹钢欧盟市场价、螺纹钢日本市场价、H型钢600mm以上日本市场价、纽卡斯尔NEWC动力煤现货价、欧洲ARA港动力煤现货价及理查德RB动力煤现货价,通过国际干散大宗商品价格走势的涨跌值,对各大宗商品价格涨跌值与PPI涨跌值的面板数据进行回归分析。

通过回归分析,发现国际大宗商品价格涨跌与PPI指数涨跌相关性判定系数为0.36,高于社会科学普遍公认的显著值0.25,说明国际干散大宗商品价格波动对中国PPI指数波动的外溢效应显著。

(二)国际大宗干散货市场供应链变量间的对冲效应分析

图6 2016—2021年通过大宗价格波动拟合的PPI涨跌趋势

全面监控大宗干散货供应链上各风险因素间的作用机理,从“商品价格-海运费”“不同船型间海运费”2个维度对供应链上各项变量的相关性进行分析,有助于实现大宗干散货供应链从上游至下游的全链条风险监控。

1.海岬型散货船日租金与大宗商品价格相关性。主要分析铁矿石、煤炭价格波动对海岬型散货船日租金(5TC)的影响,以2016—2020年为样本期,考虑到干散大宗供应链上价值传递的时效性,将本期及提前1、2、3个月的铁矿石与煤炭价格作为自变量,将每月的5TC均值作为因变量,建立逐月数值面板数据进行价值回归分析。

在模型优化过程中,去除方差膨胀系数过大的变量,解决模型的多重共线性效应,最终仅存当期铁矿石、当期煤炭、提前3期铁矿石及提前3期煤炭的价格,4个变量为有效自变量,基于4个自变量的面板数据做C41+C42+C43+C44=15次最佳子集回归,发现基于4个变量的拟合效应是最好的,判定回归系数为0.39,拟合结果见表2。

表2 海岬型日租金与商品价格回归系数

5TC与当期的铁矿石价格、3月前的铁矿石价格及当期的煤炭价格成正相关,在国际大宗商品出口商话语权强势的背景下,大宗商品价格上涨会带动运费上涨,同时铁矿石价格到相关运费的价格传导延续性较强;5TC与3月前的煤炭价格成负相关,可能是由于前期动力煤价格走低会抑制前期运费市场,导致批量海岬型散货船被调去其他航线或安排修船,海岬型散货船航线调整周期与修船周期一般为1~3个月,这会造成接下来2~3个月的海岬型散货船传统航线上的运力相对紧张。同时由于煤炭价格波动性较大且呈现出周期性,季度内价格回调概率较大,一旦回调会对已经相对紧张的海岬型散货船运价形成反向支撑,带动5TC重新上涨。

图7 2016—2020年通过铁矿石、煤炭价格拟合的海岬型船日租金(5TC)走势

2.巴拿马型散货船、大灵便型散货船与大宗商品价格相关性。分析煤炭、粮食价格波动对巴拿马型散货船日租金(4TC)的影响,其中煤炭价格取值如上,粮食价格采用国际玉米、豆粕、小麦、大米及大豆的现货价格单列并取提前3期共列为自变量,建立面板数据分析4TC与各大宗商品价格间的关系,经模型优化后其相关性判定系数仅为0.095,说明大宗干散货商品价格波动对4TC的外溢效果不显著,这是由于国际干散航运市场航线构成复杂且航线间运力相互调配、替换较为频繁,巴拿马型散货船运费受到海岬型散货船及大灵便型散货船的市场挤压效应更甚于所受到的大宗商品价格波动外溢效应所致。

分析煤炭、粮食、钢材价格波动对大灵便型散货船日租金(10TC)的影响,经模型优化去除多重共线性效应后存留8个因变量。基于8个自变量的面板数据做C81+C82+C83+C84+C85+C86+C87+C88=254次最佳子集回归,发现存留其中7个变量的拟合效应是最好的,判定回归系数为0.622,拟合结果见表3。

表3 大灵便船型日租金与商品价格回归系数

由图8可知,相对于其他船型,大灵便型船运费(10TC)受到供应链上干散大宗商品价格波动的影响最显著,且与钢材、动力煤价格成正相关关系。根据原产地与采购的替代性效应,由于粮食种类间可替代性较强,所以不同种类粮食价格波动对10TC影响互有正负。

图8 2016—2020年通过钢材、动力煤、粮食价格拟合的大灵便型船日租金(10TC)走势

3.各船型租金(5TC、4TC、10TC)之间的相关性。由图9可知,巴拿马型船 (4TC)与大灵便型船(10TC)相关性最高为0.87,这是由于两类船型的载重吨位更为接近,且承运的货物重合度更高,在干散航运市场上的替代效应最强,因此两者运费有显著的共振效应。海岬型船(5TC)与巴拿马型船(4TC)的相关性为0.72,属较高水平,在市场行情极好的情况下,巴拿马型船会被调配到传统海岬型船航线上共享高运费红利,在市场行情极差的情况下,海岬型船无货可运被调配到传统巴拿马型船航线从而对后者形成挤压,因此两者往往在极端市场情况下表现出更高的相关性。海岬型船(5TC)与大灵便型船(10TC)相关性为0.59,由于两者船型载重吨位相距较远,承运货物重合部分较小,运力相互调配的概率较小,因此两者相关性较弱。

基于2016—2020年统计数据,对各船型日租金水平进行分析,得到长期回归公式如下:

图9 各船型日租金走势相关性判定系数

式(1)中,5TC为海岬型船日租金水平,4TC为巴拿马型船日租金水平,10TC为大灵便型船日租金水平。

五、国际大宗干散货供应链结构化风控模型

供应链结构化风控即依托全面风险管理理论,将供应链上不同的组成结构产品化,利用金融衍生品等手段进行产品间风险对冲,带动全面的、综合的、系统的风险管理。[17]

(一)模型的建立

以大宗商品价格及相关海运费作为供应链上下游风险指标,以各指标间对冲矩阵为基础构建国际大宗干散货结构化风控模型。各船型租金同时受到大宗商品价格变动及其他船型租金变动的影响,因此作为“被对冲指标”。通过相关性系数判断,来自其他船型租金变动对某个船型租金的影响更甚于来自大宗商品的影响,因此各船型租金同时作为“一级对冲指标”,大宗商品价格则作为“二级对冲指标”。在进行对冲时,之前月份的变量作为先行预判指标,更多考虑同时期不同品种间的相关系数为对冲基础,以确保对冲的有效性、及时性,因此只记录同期变量间的回归系数。大宗干散供应链各风险要素对冲系数矩阵如表4所示。

表4 大宗干散供应链各风险要素对冲系数矩阵

(二)平稳性检验

基于式(1)做平稳性检验。由图10可判断,直方图检验中,图形分布基本符合正态分布;且正态概率累积图中所有点都围绕在线的周围,可以认为数据是符合正态分布的,模型输出平稳有效。

图10 模型平稳性检验分析图

六、实证分析

2021年4~5月,国际大宗商品投机商依托产业链优势操纵澳大利亚铁矿石、动力煤价格,致使铁矿石、动力煤价格创近年新高。并且通过提前锁定租船协议、阶段性大量控制海岬型散货船,造成运力出现紧张局面,致使海岬型船海运费暴涨,严重威胁到中国钢铁企业的供应链安全。

通过对大宗商品期货市场及远期运费协议市场的远期指数进行交叉验证及预判,当澳洲大宗商品快速上涨时,可以在大宗商品及远期运费协议之间实行跨期对冲操作,以避免发生海运费大幅上涨带来的供应链不稳定问题。

假设国内某钢材企业A,在4月份做采购计划,预计5月份有一整船海岬型船矿石进口需求总计为18万吨。4月份海岬型船月均日租金为29798美元,5月份海岬型船月均日租金为35508美元,假设船空在澳洲黑德兰港,航次总时间约48天。由于海运费上涨,钢材企业A需支付的增加采购海运成本为274100.37美元。

钢材企业A为了应对,在4月初注意到了铁矿价格和澳煤价格的异动,从4月起依据铁矿价格和澳煤价格与海岬型船日租金长期联动关系,运用风控模型二级对冲指标,参照大宗商品远期挂牌价,通过远期运费协议做多海岬型船日租金48手,持有至到期自然结算,通过跨期对冲在远期运费协议市场的套利金额为:

与此同时,钢材企业A在5月份有一整船大灵便型船钢材5万吨出口至澳洲,航次总时间约40天。海岬型船日租金上涨带动整体海运费上涨,大灵便型船月均日租金从4月的21216美元涨至5月的25524美元,钢材企业A需支付的增加出口海运成本为172327.89美元。

同样,钢材企业A“依据铁矿价格和澳煤价格-海岬型船日租金-大灵便型船日租金”的长期联动关系,同时运用风控模型一、二级对冲指标,进而通过远期运费协议做多大灵便型船日租40手,持有至到期自然结算,通过跨期对冲在远期运费协议市场的套利金额为:

钢材企业A基于供应链结构化风险管理,通过大宗商品与海运费之间的跨期对冲操作,实现对进口铁矿石海运费上涨的市场风险覆盖率为104.06%,对出口钢材海运费上涨的市场风险覆盖率为61.68%,较大程度维持了其供应链的稳定。

七、结论与启示

(一)结论

国际大宗干散货供应链上下游间存在价值传导效应,不同结构间的影响以正向为主。纵向维度上,来自大宗干散货商品价值的波动对海运费的整体影响有一定延续性,铁矿石及煤炭的价格波动不仅仅对当期海岬型船的运价扰动作用明显,其余波也会影响后期的海岬型船运价。大灵便型船运价主要受到当月钢材价格波动影响,其次受到前期的钢材及煤炭价格波动影响。横向维度上,不同船型间的相互影响作用则更为显著,尤其对于巴拿马型船,在国际干散三大主流船型中属于中间吨位船型,海岬型船及大灵便型船运费提高都会促进巴拿马型船的运费上涨,其中大灵便型船与巴拿马型船运费走势呈现更高的相关性。基于对以上规律的掌握,通过供应链内不同产品间的跨期对冲操作,可以很大程度实现供应链的结构性稳定。

(二)启示

一是更好掌握大宗干散货供应链运行规律,有助于中国企业通过库存管理、套期保值等手段实现逆周期操作,有效应对大宗商品价格剧烈波动。中国是大宗商品进口大国,不论是货值的变化还是海运费的变化都会影响到中国大宗商品原材料供应链稳定。统筹国内铁矿石、煤炭等大宗商品港口库存及相关大宗原材料的下游商品消费水平,若下游消费旺盛或库存下降趋势明显,说明对该货品的潜在需求旺盛,在近些年主流大宗商品买涨不买跌的贸易格局下,这会带动海运费上涨,由此可根据自身运费承受预算,在国际远期运费协议中适当持有多头头寸,在运费市场上涨时通过期货交易实现套利,以支撑后续较高的供应链成本,维持供应链平稳运行。

二是企业应建立系统性供应链风控流程,时刻关注大宗干散货供应链上下游各产品的价值异动,根据自身成本预算或盈利目标合理设置买入、卖出点位,一旦出现不同产品间远期价格的不合理基差,就应及时锁定远期大宗商品指数或航运指数间价差进行跨期套利,以对冲市场风险。当中国进口的主要大宗商品价格剧烈波动时,则需根据主要大宗商品价格与主要承运船型的历史期租水平,作出综合判断和科学决策。

三是风控模型运行的基础,是参照模型数据统计期内市场参与者的历史整体交易习惯和风险偏好合众效应,因此任何参与者的交易行为改变都会造成模型一定程度的失效。要对模型进行定期迭代,定期迭代必须考虑以下两方面因素:(1)依照历史数据做好排序,根据极端市场情况设置远期品种对冲时的买入、卖出点位;(2)基于供应链上下游结构间各产品的长期均衡关系及残差扰动区间考虑对冲点位。此外,在考虑数据统计周期时并非越长越好,宜选择同一个历史周期内的数据进行分析,尽可能反应当下市场的实际情况,以避免跨周期数据扰动造成模型失效。

四是在进行风控建模优化时,变量的留存与剔除一方面要符合计量经济学基本原理,另一方面也不能与实际市场基本面相悖,变量间相互作用关系及模型输出规律首先应具备合理性,过度拟合、多重共线性等问题都可能导致模型精度虚高,这种情况下往往对模型变量要求较为苛刻,一旦市场发生波动则模型与实际极易发生背离。因此不能为了计量学角度的完美模拟结果而牺牲通过模型解释市场规律的作用,这就需要风控人员熟悉并长期关注大宗干散贸易格局及海运市场情况。

猜你喜欢

岬型干散货运费
干散货运输市场一年走势图
本溪市材料价格补充信息
本溪市材料价格补充信息
本溪市材料价格补充信息
干散货船公司组织结构分析
国际干散货不同时期的FFA相关性研究
“营改增”后运费的会计核算解析
干散货市场供需关系将进一步失衡:德国交通信贷银行(DVB)