臺灣博碩士論文加值系統

散裝船購入與售出時機攸關航運公司經營戰略，掌握二手船價趨勢是航運公司買賣船舶決策關鍵之所在。本文根據Clarkson Research船價資料，以Capesize, Panamax, Supramax與Handysize等四大散裝船型為研究對象，依實務將船齡劃分為5及10年，並依不同期數及不同每期涵蓋期間，利用灰預測GM(1,1)與滾動式GM(1,1)構建二手船價趨勢預測模式。實證研究發現：
1.投入4期為相對最適投入期數、每期以1個月平均船價為相對最適每期涵蓋期間，其中Capesize與Panamax相對適合以GM(1,1)模式進行預測，Supramax與Handysize則相對適合以滾動式GM(1,1)模式進行預測，平均絕對誤差百分比(MAPE)皆小於10%，為高度精確。
2.整體而言，數據距預測時間點愈近，其可用性較距預測時間點愈遠高，亦即利用可用性較高的少量數據進行船價預測，即可得到精確度高的預測效果。且本文歸納出不同二手散裝船型之船價趨勢預測模式，且於預測二手散裝船價有適當的可用性。
期能提供航運公司與船舶投資者於船舶資產操作與船舶買賣決策時之輔助依據。

The timing of selling and purchasing used bulk carriers is related to the business strategies of shipping companies. Therefore, grasping the used ship price is the crucial point for shipping companies to make better decisions. This study, which is based on the data from Clarkson research, takes Capesize, Panamax, Supramax and Handysize for examples. According to the practice, the ship ages are classified into fives years and ten years. The GM(1,1) and Rolling GM(1,1) model are adopted to analyze the trend of used ship price. This study uses average ship price per month, taking different period of data (4-11) and different period of each data (average ship price, 1-4 month) into consideration to build the Grey Model to forecast the following 3 prediction values and calculate the accuracy of the prediction. The result shows
1.Taking four periods of data and using a month average ship price are most reasonable. And Capesize and Panamax are suitable for using Rolling GM(1,1) model. Supramax and Handysize, on the other hand, are suitable for using GM(1,1) model. Furthermore, the Mean Absolute Percentage Error(MAPE) are all below 10%.
2.In general, it is available to use only few useful statistics to predict the ship price precisely. The study concludes different forecasting models for each type of bulk carrier, and proves the feasibility of predicting the price of used bulk carrier.
With these findings, shipping companies and investors can make business decisions and catch the right timing on purchasing and selling used ships.

謝誌 I
摘要 II
Abstract III
目錄 IV
表目次 VI
圖目次 VII

第一章 緒論 1
1.1 研究背景與動機 1
1.2 研究問題與目的 4
1.3 研究內容與方法 5
1.4 研究架構與流程 6
第二章 文獻回顧與評析 10
2.1 影響船價之因素 10
2.2 有關航運產業相關議題趨勢預測文獻 13
2.3 綜合評析 16
第三章 二手散裝船舶市場現況分析 17
3.1 散裝航運市場現況分析 17
3.2 二手散裝船舶市場分析 24
3.3 本章小結 36
第四章 研究方法 37
4.1 灰色系統理論 37
4.2 灰預測GM(1,1)模式 37
4.3 灰預測滾動式GM(1,1)模式 39
4.4 誤差分析 39

第五章 二手散裝船價預測模式實證分析 41
5.1. 船價預測模式 41
5.2. Capesize船價預測精確度分析 43
5.3. Panamax船價預測精確度分析 51
5.4. Supramax船價預測精確度分析 59
5.5. Handysize船價預測精確度分析 67
5.6. 本章小結 75
第六章 結論與建議 77
6.1 結論 77
6.2 建議 79
參考文獻 80

1.丁士展、李泓逸、呂亦宸(2015)，「貨櫃船新船造價影響變數與預測模型之研究，整合時間序列分析與灰色理論」，航運季刊，第24卷第2期，頁65-85。
2.尤郁晴(2011)，「以海空港貨運吞吐量建立全球貿易預測之研究」，國立臺灣海洋大學航運管理研究所碩士論文。
3.甘美蓮、管文麒、陳文娟(2010)，「應用GM(1,N)預測全家便利商店營業額之研究」，計量管理期刊，第7卷第1期，頁27-44。
4.江宗威(2014)，「港口國管制船舶檢查缺失預測模型之構建與應用」，國立臺灣海洋大學航運管理研究所碩士論文。
5.吳偉銘、洪榮良(2011)，「船舶價格與運費波動之關聯分析」，管理與系統，第18卷第3期，頁529-549。
6.吳偉銘、陳奕誠(2009)，「二手貨櫃船舶價格中船齡與船噸成本之分析」，航運季刊，第18卷第1期，頁45-60。
7.呂亦宸(2011)，「貨櫃船價影響因素與波動趨勢之研究」，國立臺灣海洋大學運輸科學研究所碩士論文。
8.沈振、王捷(2010)，「基於灰色預測模型的長三角水運量預測」，中國航海，第3期，頁101-104。
9.周承霈(2011)，「東亞港口貨櫃量發展因素及競爭資源之研究」，國立臺灣海洋大學運輸科學研究所碩士論文。
10.林承逸(2008)，「散裝二手船購船決策關鍵影響因素與服務因素之分析」，國立臺灣海洋大學航運管理研究所碩士論文。
11.林宥勝(2007)，「散裝海岬型船市場及其運價指數趨勢之分析」，國立臺灣海洋大學航運管理研究所碩士論文。
12.徐志宏(2011)，「流通服務業發展綠色供應鏈動態績效評價系統之研究–從國際物流觀點」，國立臺灣海洋大學航運管理研究所碩士論文。
13.徐穎珍(2010)，「兩岸三地船隊發展與成長趨勢之分析」，國立臺灣海洋大學航運管理研究所碩士論文。
14.張哲榮(2008)，「適應性灰預測模型」，國立成功大學工業與資訊管理學系在職專班碩士論文。
15.張嘉玲(2011)，「應用灰色理論於匯率預測之研究」，國立高雄應用科技大學國際企業系碩士論文。
16.馮正民、邱裕鈞(2004)，研究分析方法，新竹：建都文化事業公司。
17.溫坤禮、黃宜豊、張偉哲、張廷政、游美利、賴家瑞(2003)，灰關聯模型方法與應用，臺北：高立圖書有限公司。
18.溫坤禮、黃宜豊、陳繁雄、李元秉、連志峰、賴家瑞(2002)，灰預測原理與應用，臺北：全華科技圖書股份有限公司。
19.葉奕涓(2012)，「散裝航運輕便型船市場與BHSI運價指數之預測」，國立臺灣海洋大學航運管理研究所碩士論文。
20.鄧聚龍(1986)，灰色預測與決策，中國武昌：華中理工大學出版社。
21.鄧聚龍(2000)，灰色系統理論與應用，臺北，高立圖書有限公司。
22.鄧聚龍(2003)，灰色系統理論與應用，臺北，高立圖書有限公司。
23.鍾政棋，徐嘉陽(2007)，兩岸三地整體船噸結構及其成長趨勢之分析，運輸計劃季刊，第36卷第4期，頁425-450。
24.鍾政棋、林哲毅(2009)，「散裝航運公司購置二手船之決策分析」，海峽兩岸創新與永續經營學術研討會論文摘要集，6月11日，元培科技大學，頁12。
25.鍾政棋、徐嘉陽、林宥勝(2009)，散裝波羅地海海岬型船市場與BCI指數之預測，運輸學刊，第21卷第1期，頁25-46。
26.Adland, R. and Cullinane, K. (2006), “The Non-linear Dynamics of Spot Freight Rates in Tanker Markets,” Transportation Research Part E, Vol. 42, No. 3, pp. 211-224
27.Alizadeh-M, A.H. and Nomikos, N.K. (2003), “The Price-volume Relationship in the Sale and Purchase Market for Dry Bulk Vessels,” Maritime Policy and Management, Vol. 30, No. 4, pp. 321-337.
28.Chung, C.C., Hsu, C.Y., and Hwang, C.C. (2009), “The Vessel Tonnage Supply and Developmental Trends of China, Hong Kong, Singapore and Taiwan,” The Journal of Grey System, Vol. 21, No. 2, pp. 137-148.
29.Dikos, G. and Marcus, H.S. (2003), “The Term Structure of Second-hand Prices: A Structural Partial Equilibrium Model,” Maritime Economics and Logistics, Vol. 5, pp. 251-267.
30.ISL (2016), Institute of Shipping Economics and Logistics, Shipping Statistics and Market Review, ISL/SSMR, Germany.
31.Kavussanos, M.G. (1997), “The Dynamics of Time-varying Volatilities in Different Size Second-hand Ship Prices of the Dry Cargo Sector,” Applied Economics, Vol. 29, pp. 433-443.
32.Kavussanos, M.G. and Alizadeh-M, A.H. (2002), “Efficient Pricing of Ships in the Dry Bulk Sector of the Shipping Industry,” Maritime Policy and Management, Vol. 29, No. 3, pp. 303-330.
33.Kavussanos, M.G. and Visvikis, I.D. (2004), “Market Interactions in Returns and Volatilities Between Spot and Forward Shipping Markets,” Journal of Banking and Finance, Vol. 28, No. 8, pp. 2015-2049.
34.Lewis, C.D. (1982), Industrial and Business Forecasting Method, London: Butterworths Scientific.
35.Min, C.H., Tang, H.W., and Yin, M.S. (2010), “A Comparative Study of Forecasting Models on Air Transportation Passenger Demand,” Journal of Grey System, Vol. 13, No. 1, pp. 23-29.
36.Stopford, M. (2009), Maritime Economics, 3rd Ed., Routledge, New York.
37.Tsolakis, S.D., Cridland, C., and Haralambides, H.E. (2003), “Econometric Modelling of Second-hand Ship Prices,” Maritime Economics and Logistics, Vol. 5, pp. 347-377.
38.UNCTAD (2015), Review of Maritime Transport, United Nations Conference on Trade and Development, United Nations, UNCTAD/RMT, New York and Geneva.