基于谱分析的波罗的海干散货运价指数周期研究.docx

基于谱分析的波罗的海干散货运价指数周期研究
一、引言
波罗的海干散货运价指数（BalticDryIndex，BDI）是反映全球干散货运输市场供需关系和价格趋势的国际标准指数，也是评估全球经济状况和市场价格的重要指标之一。然而，BDI指数受到金融政策、全球贸易需求和供应等多种因素的影响，价格波动性较大。因此，需要通过谱分析方法来探讨BDI指数的长期和短期周期性。
二、BDI指数特点
BDI指数是一个由伦敦交易所的波罗的海干散货指数公司（BalticExchange）编制的日常指数。该指数包括了13种种类的干散货物品运输费用（即运费）之和，其中包括铁矿石、煤炭、谷物、水泥、焦炭等等。BDI指数以2000年1月4日为基础日，基准值为1000点，目前是一个以整数点计算的数字标识符。
BDI指数受到船东、运输商、买方等多方因素的影响，表现出波动性较大的特点。例如，全球贸易需求量增长、天然灾害等事件影响到供应量等因素，都会对BDI指数产生影响。因此，构建BDI指数的周期性和趋势特征就成为一个重要的研究方向。
三、谱分析方法
谱分析方法是一种用来分析非周期信号的周期性的方法，它通过将时间序列转换为频域信号，寻找信号中的周期性。在BDI指数的分析中，我们使用谱分析方法来分析其长期和短期的周期性。
四、BDI指数的谱分析
4.1长期周期性分析
在BDI指数的长期周期性研究中，我们采用了傅里叶变换和功率谱分析两项技术。其中，傅里叶变换将时间序列转换成频域信号，然后通过计算该信号在不同频率上的能量来确定其周期性；功率谱分析是对傅里叶变换所得信号的平方值进行的。
我们对BDI指数从2000年1月至今的日常数据进行了长期周期性分析，结果在0-0.02Hz区间内，存在明显的周期，周期为50个单位。这也意味着BDI指数大约有50天的周期。我们还发现了一些在较长周期上的高峰，但与周期50相比，它们的强度较小。
4.2短期周期性分析
在BDI指数的短期周期性分析中，我们采用了移动平均法和自回归模型。在移动平均法中，我们采用了三月移动平均值，将数据变平滑；在自回归模型中，我们考虑到数据之间的相关性，建立了AR模型，然后利用模型参数来确定数据的周期性。
研究表明，6天内的周期性成分在短期周期性分析中占主导位置。通过自回归模型，我们发现BDI指数中存在比较强的一天周期性成分，同时也发现了4天和5天周期性成分。
五、结论
通过谱分析方法，我们发现了BDI指数中存在50天的明显长期周期性成分和6天以内的短期周期成分。这些周期性将有助于指示船运市场的发展和变化趋势，并为投资者提供更加全面的市场信息和参考。此外，我们还将进一步深入研究BDI指数的周期性行为，以进一步解释其在全球经济发展中的重要性。