本文關(guān)鍵詞： 水路運輸 波動持續(xù)性 AR-GARCH模型 CCFI MCMC算法　出處：《交通運輸系統(tǒng)工程與信息》2016年03期 　論文類型：期刊論文

【摘要】：我國是集裝箱貨物進(jìn)出口大國,集裝箱班輪運價的劇烈波動使貨主和班輪公司面臨巨大的風(fēng)險.為研究我國出口集裝箱運價波動風(fēng)險,對中國出口集裝箱運價指數(shù)(China Containerized Freight Index,CCFI)建立基于Griddy-Gibbs抽樣MCMC算法的貝葉斯AR-GARCH模型.針對1998年4月至2013年12月的CCFI總指數(shù)的去均值周收益率數(shù)據(jù),建立殘差基于正態(tài)分布和T分布的AR-GARCH模型,運用Win Bugs軟件和MH算法進(jìn)行貝葉斯參數(shù)估計,發(fā)現(xiàn)AR(3)-GARCH(1,1)模型擬合效果最好;參數(shù)估計結(jié)果表明,波動具有較強的持續(xù)性,不存在"風(fēng)險溢價"和"杠桿效應(yīng)".經(jīng)對比,發(fā)現(xiàn)AR-GARCH-T模型擬合效果更好;對比ML方法,發(fā)現(xiàn)MCMC算法估計結(jié)果的樣本內(nèi)擬合優(yōu)度較差,而樣本外預(yù)測能力較強.
[Abstract]:In order to study our country ' s export container freight price fluctuation risk , we establish a Bayesian AR - ARCH model based on the Griddy - Gibbs sampling MCMC algorithm for China ' s export container freight index ( CCFI ) . By contrast , we find that the fitting effect of AR ( 3 ) - ARCH ( 1,1 ) model is better . Compared with the ML method , we find that the fitting superiority of the model of the MCMC algorithm is poor , and the out - of - sample forecasting ability is stronger .

【作者單位】： 上海海事大學(xué)經(jīng)濟(jì)管理學(xué)院;上海海事大學(xué)信息工程學(xué)院;福建農(nóng)林大學(xué)交通與土木工程學(xué)院;
【基金】：國家自然科學(xué)基金青年項目(71101088) 福建省社科規(guī)劃項目(FJ2015C107)~~
【分類號】：F552.5
【正文快照】： 0引言我國是集裝箱貨物進(jìn)出口大國,集裝箱班輪運價的劇烈波動使貨主、班輪公司面臨巨大的風(fēng)險.隨著上海國際航運中心和自貿(mào)區(qū)建設(shè)的推進(jìn),自貿(mào)區(qū)內(nèi)將設(shè)立國際航運金融衍生品交易所,推出集裝箱運費衍生品,為境內(nèi)外航運、貿(mào)易企業(yè)提供運價風(fēng)險對沖工具.因此,研究集裝箱運價波動性，

本文編號：1448962