臺灣博碩士論文加值系統

摘要

航運企業係資本密集之產業，非但全球競爭激烈，而且航運市場運價(運費與租金)又具有高度之不確定性。航運相關產業中，近年來以散裝航運市場變化最具挑戰性，其風險管理有別於定期航運領域。散裝航運市場接近於完全競爭市場，其運費與租金之變化，存在著許多難以預測之影響因素。運費與租金暴漲暴跌，導致船東、傭船人或租船人無所依循之結果，隱含著極高之市場風險。本文為預測波羅地海乾散貨運價指數(Baltic Dry Index；BDI)，期能掌握散裝航運市場運價趨勢，以有效降低航運市場風險。研究方法採用灰色理論之灰預測GM(1,1)模型、指數平滑法模型及時間數列自我迴歸移動平均整合模型，分別構建散裝運輸BDI之預測模型，進行BDI實例預測與模型精確度之探討。經實證研究顯示，散裝航運市場運價，整體言之，未來三季(2006年第一季至2006年第三季)朝下挫趨勢發展。另外在方法預測精確度比較上：以日預測而言，時間數列自我迴歸移動平均整合模型較佳，其次為灰預測GM(1,1)模型，再次之為指數平滑法模型；以週預測而言，灰預測GM(1,1)模型較佳，其次時間數列自我迴歸移動平均整合模型，再次之為指數平滑法模型；以月預測而言，灰預測GM(1,1)模型較佳，其次指數平滑法模型，再次之為時間數列自我迴歸移動平均整合模型；以季預測而言，雖然灰預測GM(1,1)模型較指數平滑法模型為佳，但是兩者之精確值偏低，顯然此兩種方法，皆不適合用於BDI資料之長期預測。此一研究結果，可提供船東、傭船人或租船人作為傭船決策之參考。
關鍵詞：灰預測、指數平滑法、時間數列自我迴歸移動平均整合模型、BDI指數、散裝航運

ABSTRACT

Shipping enterprise management belongs to capital-intensive industry. This industry not only faces severe global competitions but also pricing (freight rate and charter hire) uncertainty of shipping markets. In past few years, operation of bulk shipping faced the severest challenge within the shipping related industries. The risk management of bulk shipping is different from liner shipping. Bulk shipping markets are close to perfect competitive market. The changes of freight rate and charter hire are influenced by many unpredictable factors. Therefore, freight rate and charter hire fluctuates unexpectedly so that shipowners and charterers encounter extreme high investment risk. The purpose of this paper is to forecast and analyze Baltic dry index (BDI) in order to effectively reduce shipping market risks and to increase shipping profitability. This paper applied Grey model (1,1), Exponential smoothing model, ARIMA (p,d,q) model,to construct BDI forecast model for bulk shipping service, and to discuss its accuracy. This research found that the trend of bulk shipping pricing of the coming three seasons (from July 2005 to March 2006) would be downward development in general. In addition on the model forecast accuracy: Among these three models, in the aspect of daily data, ARIMA model performs best; the second is Grey model; the third is Exponential smoothing model. In the aspect of weekly data, Grey model performs best; the second is ARIMA model; the third is Exponential smoothing model. In the aspect of monthly data, Gery model performs best; the second is Exponential smoothing model; the third is ARIMA model. In the aspect seasonally data, the grey model perform is better than the Exponential smoothing model. The results of this paper can provide shipowners and charterers as references for chartering decision-making.

Key words: Grey forecast, Exponential smoothing, Bulk transportation, ARIMA (p, d, q), Baltic dry index

目 錄
謝 辭 i
摘要 iii
Abstract iv
目 錄 v
表 目 錄 vii
圖 目 錄 viii

第一章 緒論 1
1.1 研究背景 1
1.2 研究動機 2
1.3 研究目的 4
1.4 研究流程 4
1.5 研究架構 6
1.6 章節架構 7

第二章 文獻探討與評析 8
2.1 海運市場與運價相關文獻 8
2.2 預測之基本性質 10
2.2.1 預測方法綜覽 12
2.2.2 預測方法的選取 15
2.2.3 預測方法之比較 17
2.3 預測相關文獻 18
2.3.1 灰預測方法相關文獻 18
2.3.2 指數平滑法相關文獻 23
2.3.3 ARIMA預測模型之相關文獻 24

第三章 散裝運輸BDI現況分析 26
3.1 最初組成路線 26
3.2 發展過程與計算公式 27
3.3 現行組成路線 28

第四章 研究方法 31
4.1 灰預測方法 31
4.2 指數平滑法 33
4.3 時間數列ARIMA(p, d, q)模型 34
4.4 方法的比較 38

第五章 實證研究 40
5.1 灰預測結果分析 40
5.2 指數平滑法結果分析 44
5.3 時間數列ARIMA方法結果分析 45
5.4 預測結果與精確度比較分析 48

第六章 結論與建議 50
6.1 結論 50
6.2 建議 52

參考文獻 53
【附件一】波羅地海海岬型船運價指數(Baltic Capesize Index；BCI)之組成路線 59
【附件二】波羅地海巴拿馬極限型船運價指數(Baltic Panamax Index；BPI)之組成路線 61
【附件三】波羅地海輕便極限型船運價指數(Baltic Handymax Index；BHMI)之組成路線 63
【附件四】ARIMA日資料預測模型選擇結果 64
【附件五】ARIMA週資料預測模型選擇結果 70
【附件六】ARIMA月資料預測模型選擇結果 75

參考文獻
中文部分
1. 于宗先(1972)，經濟預測，台北市：中央經濟研究院。
2. 王明星、劉 萬(1985)，「初霜灰色災變超長期預測」，模糊數學，第二卷，頁60-64。
3. 王淑滿、鍾政棋(2001)，「現階段台灣地區國輪海上人力供需問題之研究」，中國海事商業專科學校學報，九十學年度，頁35-47。
4. 田自立(1986)，灰色理論在預測與決策之研究，國立成功大學機械研究所博士論文。
5. 交通部(1999)，「台灣地區與大陸地區海運業務行銷策略之比較」，交通部航政司專案研究計畫，頁50-51。
6. 李國良、鍾政棋(1997)，「不定期船散裝船運聯盟行為之探討」，國際航運管理研究，第二期，頁185-206。
7. 李順益(2002)，灰色理論於短期銷售預測之適用性探討，義守大學資訊工程研究所碩士論文。
8. 吳柏林(1995)，時間數列分析導論，台北市：華泰文化事業公司。
9. 何怡慧(1998)，上市公司財務績效指標灰預測模型之研究，長榮管理學院經營管理研究所碩士論文。
10. 邱惟俊(1998)，台灣地區總人口數之預測分析，國立政治大學統計學研究所碩士論文。
11. 邱榮和(2003)，「加入WTO後對我國航運業可能之影響分析」，第四十九屆航海節學術研討會論文集，中華航運學會，頁42-51。
12. 林 光(1996)，海運學，台北市：華泰文化事業公司。
13. 林進財、王淑滿、江長慈(1999)，「現階段台灣地區國輪海上人力供需問題之研究」，交大管理學報，第十九卷第二期，頁85-101。
14. 林 科(1994)，兩岸通航多評準決策分析之研究，國立交通大學交通運輸研究所碩士論文。
15. 林繼國、陳一平(2002)，「國輪船隊整建問題之研究」，交通部運輸研究所，頁1-84。
16. 林傑毓、詹榮忠(1999)，「灰色理論於台灣光電產業預測分析之應用」，中華民國科技管理研討會論文集，中華民國科技管理學會。
17. 易德生(1987)，「灰色模型與人才預測」，系統工程，第一期，頁36-43。

18. 曾國雄(1984)，「定期傭船契約之法律性質」，海洋學報，第十九期，國立台灣海洋大學，頁9-22。
19. 施能仁、劉定焜(1998)，「台灣股價指數之避險操作－灰色滾動模型預測」，灰色系統學刊，第一卷第二期，頁101-121。
20. 施東河、徐桂祥(1999)，「台灣地區壽險需求量之研究與預測」，管理與系統，第六卷第一期，頁29-46。
21. 郭忠義、黃璋如，(1983)，「台灣稻米供需預測模型之研究」，農業與經濟，第三十三期，頁33-84。
22. 張義範(2002)，多模互動式醫院藥品存量控制決策支援之研究，輔仁大學資訊管理研究所碩士論文。
23. 張保隆(2005)，現代管理數學，台北市：華泰文化。
24. 許巧鶯、溫裕弘(1997)，「台灣地區國際航空客運量之預測－灰預測模型之應用」，運輸計劃季刊，第二十六卷第三期，頁525-556。
25. 溫裕弘(1996)，「航空運量預測與航空網路設計之研究－應用灰色理 論」，國立交通大學交通運輸研究所碩士論文。
26. 莊昆益(2002)，灰預測理論應用於電子遊戲產業預測之研究－以台灣市場為例，朝陽科技大學企業管理研究所碩士論文。
27. 陳宗玄(1994)，「台灣六種主要畜品產地價格預測分析」，台灣銀行季刊，第四十五卷第三期，頁297-327。
28. 陳益壯(1990)，台灣肉雞生產之預期行為分析，國立中興大學農業經濟研究所碩士論文。
29. 陳榮方、楊敏里(1997)，「灰色理論與迴歸預測應用於短期預測之探討」，高雄科學技術學院學報，第二十七期，頁263-277。
30. 陳思穎(2000)，中油公司進口原油價格與匯率之選擇性避險研究，國立臺北大學經濟學研究所碩士論文。
31. 梁恩波(1989)，「應用灰色系統理論預測全國鋼鐵量」，鋼鐵，第廿四卷第十一期，頁389-406。
32. 雷立芬，(1995)，「ARCH/GARCH模型之運用：疏菜批發價格分析」，農業與經濟，第十六期，頁13-30。
33. 廖世裕(2000)，應用灰色系統理論建立茶葉產銷預測系統之研究，國立中興大學農產運銷研究所碩士論文。
34. 楊森傑(2000)，股價指數價格預測與避險操作－熵預測模型與灰預測模型之應用，銘傳大學金融研究所碩士論文。

35. 楊鈺池(2003)，「我國海運競爭力與補助政策之相關性研究」，航運季刊，第十二劵第一期，頁61-88。
36. 楊修懿(2001)，共同基金績效評估與淨值預測－灰色系統理論之運用，大葉大學事業經營研究所碩士論文。
37. 鄧聚龍(2000)，灰色系統理論與應用，台北市：高立圖書公司。
38. 鄭紹鍇(2001)，不穩定時間數列之研究，國立臺北大學統計學研究 所碩士論文。
39. 鄭志賢(2001)，資訊產品流通業之銷售預測模型研究－以硬碟為例，東海大學工業工程研究所碩士論文。
40. 潘曉葦(2001)，需求模型預測之建立，國立臺北科技大學資訊管理研究所碩士論文。
41. 鍾政棋(2004)，我國散裝航運公司船舶設籍與營運績效之分析，國立交通大學交通運輸研究所博士論文。
42. 鍾政棋、黃承傳(2003)，「散裝船傭船鏈經營形態之分析」，運輸學刊，第十五卷第一期，頁99-113。
43. 謝澄漢，(1984)，我國高級工業職業學校師資供需問題研究，國立台灣師範大學工業教育研究所碩士論文。
44. 謝坤民(1997)，「應用灰預測於人壽保險投保率之探討」，高雄科學技術學院學報，第二十七卷，頁345-356。
45. 蔡玉雯(2001)，台灣地區中等教育師資人力供需之研究，銘傳大學管理科學研究所碩士論文。
46. 蔡靜瑩，(1997)，台灣蔬菜三級市場價格長期動態及價格傳遞關係之研究，國立台灣大學農業經濟研究所碩士論文。
47. 魏啟林，(1988)，「台灣生鮮雞肉市場潛在需求的實證分析」，台灣銀行季刊，第三十九卷第二期，頁345-356。
48. 韓季霖(2001)，台灣地區醫師人力供需之研究－灰預測模型之應用，銘傳大學管理科學研究所碩士論文。
英文部分
1.Alizadeh-M, A. H. and Nomikos, K. N. (2003), “The Price-Volume Relationship in the Sale and Purchase Market for Dry Bulk Vessels,” Maritime Policy and Management, 30 (4), pp. 321-337.

2.An, S., Yan, T. S and Yu, X. S. (1996), “Grey-System Studies on Agricultural Eco-engineering in the Taihu Lake Area, Jiangsu, China,” Ecological Engineering,16 (3), pp. 185-199.
3.Bendall, H. and Stent, A. F. (2003), “Investment Strategy in Market Uncertainty,” Maritime Policy and Management, 30 (4), pp. 293-303.
4.Bellman R. E. and Zadeh L. A. (1970), “Decision-Making in a Fuzzy Environment,” Management Science, 17 (4), pp. 141-164.
5.Bendall, H. and Stent, A. F. (2003), “Investment Strategy in Market Uncertainty,” Maritime Policy and Management, 30 (4), pp. 293-303.
6.Berg-Andreassen, J. A. (1997), “The Relationship Between Period and Spot Rates in International Maritime Markets,” Maritime Policy and Management, 24 (4), pp. 335-350.
7.Bonia, S. (1996), “Application of Grey System Theory in Forecasting Oil Production,” Journal of Xian Oil College, 11 (4), pp. 54-56.
8.Chang, Y. T., Chang, H. B. (1996), “Predictability of the Dry Bulk Shipping Market by BIFFEX,” Maritime Policy and Management, 23 (2), pp. 103-114.
9.Chang, K. H. and Wu, C. S. (1998), “A Gray Time Series Model on Forecasting the Chinese New Year Effect in the Taiwan Stock Market,” Journal of Grey System, 1 (1), pp. 55-63.
10.Cullinane, K. (1995), “A Portfolio Analysis of Market Investments in Dry Bulk Shipping,” Transportation Research B, 29 (3), pp. 181-200.
11.Deng, J., Guo, H., Xu, S., Xiong, J. and Chen, M. (1988), “Essential Topics on Grey System: Theory and Application,” Huazhong University of Science and Technology, Beijing: China Ocean Press.
12.Gorton, L., Ihre R. and Sandevärn, A. (1999), Shipbroking and Chartering Practice, 5th Ed., London: Lloyd’s of London Press Limited.
13.Gray, J. W. (1986), Financial Risk Management in the Shipping Industry, New York: Fairplay Publications Limited.
14.Haralambides, H. E. (1996), “The Economics of Bulk Shipping Pools,” Maritime Policy and Management, 23 (3), pp. 221-237.
15.Hillier, S. F. and Lieberman, J. G. (1995), Introduction to Operations Research, 6th Ed., New York: Mcgraw-Hill.
16.Huang, J., Wakamatsu, H. and Gao, J. F. (1991), “Snowfall Prediction Based on Grey System Theory,” The Journal of Grey System, 3 (2), pp. 141-153.
17.Liu, C. M., Wang, K. M. and Guh, Y. Y. (1998), “A Markov Chain Model for Medical Record Analysis,” Journal of Operational Research Society, 42 (5), pp. 357-364.
18.Liu, C. M. and Wang, A. H. (1998), “A Reliability Model of A Man-Machine System with Human Errors and Its Applications,” Journal of the Chinese Institute of Engineer, 21 (2), pp. 149-158.
19.Lin, M. (1989) “An Application of the GM(1,1) Model: the Prediction of Flight Safety,” The Journal of Gray System, 1 (1), 99-102 .
20.Kavussanos, M. G. (1996), “Comparisons of Freight Market Volatility in the Dry-Cargo Ship Sector Spot vs. Time Charter and Smaller vs. Larger Vessels,” Journal of Transport Economics and Policy XXX1, pp. 67-82.
21.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, 29 (3), pp. 303-330.
22.Kavussanos, M. G. and Alizadeh-M, A. H. (2001), “Seasonality Patterns in Dry Bulk Shipping Spot and Time Charter Freight Rates,” Transportation Research E, 37, pp. 443-467.
23.Reynolds, L. G., Masters, S. H. and Moser, C. H. (1991), Labor Economics and Labor Relations, New Jersey: Prentice Hall.
24.Rowlinson, M. P. and Leek, B. M. (1997), “The Decline of the Regionally Based UK Deepsea Tramp Shipping Industry,” Journal of Transport Geography, 5 (4), pp. 277-290.

25.Sambracos, E. (2003), “Market Analysis and Pricing Policies for Sea Cannals: the Case of the Greek Corinth Canal,” Maritime Policy and Management, 30 (2), pp. 175-190.
26.Smith, L. D. and Lawrence, E. C. (1995), “Forecasting Losses on a Liquidating Long-term Loan Portfolio,” Journal of Banking and Finance, 19, pp. 959-985.
27.Smith, L. D., Sanchez, S. M. and Lawrence, E. C. (1996), “A Comprehensive Model for Managing Credit Risk on Home Mortgage Portfolio,” Decision Science, 27 (2), pp. 291-317.
28.Sun, G., (1993), “Prediction of Vegetable Yields by Grey Model GM(1,1),” The Journal of Grey System, 3, pp. 187-197.
29.The Baltic Exchange (2005), Manual for Panellists - A Guide to Freight Reporting and Index Production, London: the Baltic Exchange.
30.Timmermann, K. W. and McConville, J. (1996), “An Analysis of the Quality and Redistribution of Dry Capesize Tonnage,” Maritime Policy and Management, 23 (1), pp. 45-53.31. Tvedt, J. (2003), “A New Perspective on Price Dynamics of the Dry Bulk Market,” Maritime Policy and Management, 30 (3), pp. 221-230.
32.Veenstra, A. W. (1999), “The Term Structure of Ocean Freight Rates,” Maritime Policy and Management, 26 (3), pp. 279-293.
33.Veenstra, A. W. and Franses, P. H. (1997), “A Co-integration Approach to Forecasting Freight Rates in the Dry Bulk Shipping Sector,” Transportation Research A, 31 (6), pp. 447-458.