基于ARIMA和ARCH的中国出口集装箱的短期分析与预测

基于ARIMA和ARCH的中国出口集装箱的短期分析与预测

张小刚

上海仪电鑫森科技发展有限公司

【摘要】中国出口集装箱运价指数(CCFI)，是指反映中国出口集装箱运输市场价格变化趋势的一种航运价格指数。本文首先运用 ADF检验对CCFI序列进行检验，得出 CCFI 序列是一个单位根过程，是非平稳的；然后对CCFI序列进行二阶差分，差分后是平稳的，通过构建 ARIMA 模型， 得出CCFI的ARIMA（1，2，1）模型。最后运用 ARCH LM 检验得出 CCFI 序列存在 ARCH 效应，并用 ARCH (1，1) 模型消除残差序列的条件异方差性。利用 Eviews 软件进行实践操作，对研究问题进行求解，旨在了解中国出口集装箱运输市场形式，判断市场走向，为相关港航企业经营决策以及政府部门调控管理提供参考。

【关键词】中国出口集装箱运价指数；ADF 检验；ARIMA 模型；ARCH 模型

中国出口集装箱运价指数客观地反映了我国集装箱航运市场的状况，研究波动规律，分析其未来走势，对于各航运相关方了解市场形势，判断市场走向，及时做出相应调整，规避市场风险具有十分重要的现实意义。通过分析中国出口集装箱影响因素以及波动情况，可以更好地了解运输市场的价格趋势，最大限度地发挥运价指数的指导性作用，为我们航运企业提出相关参考。

1、内容概述

本文的主要内容：根据2008年-2021 年的相关数据，应用ARIMA 模型和 ARCH 模型对 CCFI 进行实证分析。最后对本文的研究成果进行总结以及对未来研究方向的展望。

2、相关数据及处理

2.1 数据选取

本文选取了2008年1月到2021年5月的中国出口集装箱运价指数进行取样研究，数据来源于克拉克森。

2.2 CCFI 序列的单位根检验

通过 Eviews 进行单位根检验，由图1可知，序列存在单位根，序列是非平稳，要对CCFI 序列进行差分，由图2可知二阶差分后序列的自相关系数二阶后都显著落在置信区间内。单位根检验中t统计量值是-16.01420，相伴概率为0.0000，可以认为差分后的序列不存在单位根，序列是平稳的。

图1 原序列相关系数及ADF检验图和二阶差分后单位根检验

2.3、建立CCFI 序列的ARIMA模型

2.3.1方程的识别、定阶

从二阶差分后的自相关函数图和偏自相关函数图 2中可以看到，d(CCFI，2)的自相关系数在1阶时出现截尾，偏自相关系数在1阶时出现截尾，因此判断模型为ARMA形式，通过AIC准则和SC准则检验，最后确定模型为 ARIMA(1，2,1), 作为中国出口集装箱运价指数的均值预测方程。

图2差分相关图图3 残差平方相关图

通过图3可知，残差平方存在低阶时存在自相关性，可以确认存在ARCH效应。因此，在 ARIMA(1,2,1)回归的均值方程基础上，对方差部分建立ARCH模型。

2.3.2模型拟合结果

图4模型拟合结果图

由图4可知，模型拟合效果较好，DW统计量接近于2，误差序列不存在相关性，各变量t统计量也通过显著性检验，模型较为理想。通过对残差进行检验，也是平稳的，因此判断模型建立正确。

均值方程 ：Yt=0.998762Y t-1 +0.512526ε t-1方差方程：   σt2= 1.80e-15 + 10.29827ε2

其中 Yt是差分后的 CCFI 序列，εt 是白噪声序列。由模型的系数的t统计量及其 p 值可知，模型所有解释变量的参数估计值在 99% 的显著性水平下都是显著的。由图5模型残差分布图可知，序列的波动集群效应已减弱。

图5ARIMA(1,1,3)-ARCH模型残差拟合图

2.3.3ARIMA 模型预测结果

用拟合的有效模型 ARIMA(1,2,1) 的预测值与部分实际值对比得知模型的预测精度可行。并进行短期预测， 得出2021 年 6 月至 2021 年 10 月的预测值见表1。根据预测结果显示中国出口集装箱运价指数将在未来 5个月中有波动小幅度上涨，造成运价上涨的原因可能是国际贸易强劲增长，拉动航运需求大增；另外一方面，印度国籍海员人数在全球海运上占比非常高，印度疫情加重以后，印度籍海员没法登船，加剧了海运能力的紧张，导致供应严重不足。

表1 中国集装箱运价指数预测值

3、结论与展望

通过使用计量经济学方法，得出ARIMA(1,1,3) 模型对中国出口集装箱运价指数时间序列的拟合效果较好，进行短期预测能有较高的预测精度，在不发生较大经济危机或突发事态的情况下，中国出口集装箱运输运价市场走向将在未来 5 个月中有波动小幅度上涨。

由于模型自身的局限性，只从时间序列本身的特性考虑，而没有考虑其他不确定因素的影响。该模型短期预测的效果良好，但是在检验中随着预测期的延长，预测的误差也逐渐增大。

【参考文献】

[1]  Cullinance K. A short-term adoptive forecasting model for BIFFEX speculation; a boxjenkins approach. Maritime Policy&Management.1992,2:91-114.

[2] Kavussanos M G, Alizadeh-M A H. Seasonality patternsin dry bulk shipping spot and time charter freight rates[J].Transportation Research Part E: Logistics and TransportationReview, 2001, 37(6): 443 -467.

[3] BERG-ANDREA SSEN JA. Some Propertiesof international maritime statistics[J].MritimePolicy&Management1996.(4).381-395.

[4] George E.P.Box, Gwilym M. Jenkins, Gregory C. Reinsel.时间序列分析 - 预测与控制 (原书第四版)[M]. 上海 : 机械工止出版社 .2011.

[5]  陶长琪. 计量经济学教程 [M] 上海：复旦大学出版社，2012.

[6] 高铁梅. 计量经济分析方法与建模 :Eviews 应用与实例（第二版）[M]. 北京：清华大学出版社，2006.

[7] 陈昭，刘巍，欧阳秋珍. 计量经济学软件 Eviews9.0 简明操作教程 [M]. 北京：中国人民大学出版社，2017.

[8] 赵国庆 . 经济分析中的时间序列模型 [M]. 天津 : 南开大学出版社 .2012.

[9] 蒋迪娜．我国出口集装箱运价指数研究 [J]．山西财经大学学报，2005，27(5):90 － 94．

[10] 张小斐，田金方 . 基于 ARIMA 模型的短时序预测模型研究与应用 [J]. 统计教育，2006,(10):7-9.

[11] 朱玉华，赵刚 . 基于 ARCH 族模型的中国出口集装箱运价指数波动特征 [J]. 上海海事大学学报，2013,(3):48-52.

[12] 安潇潇 .ARMA 相关模型及其应用 [D]. 哈尔滨 . 燕山大学 .2008.

[13] 贺强 . 基于GARCH 模型的国际干散货运价指数波动性研究 [D]. 大连 . 大连海事大学，2013.

[14] 原云霄，王宝海 .基于 ARIMA 模型对我国公路物流运价指数的预测 [J]. 数学的实践与认知，2017,(23):53-56.

[15] 李耀鼎，宗蓓华 .波罗的海运价指数波动研究 [J]. 上海海事大学学报，2007,27(4):84-87.