干散货航运市场是国际航运市场的重要组成部分，随着国际经济的发展和经济结构的调整，干散货航运市场的规模不断扩大，竞争也更加激烈，航运市场作为世界经济和贸易的派生需求，市场常常会受到经济、政治、自然条件等因素的影响。在市场纷繁复杂的波动下，我们如何对散货市场有一个清晰的认知呢？

干散货航运市场作为负载的市场体系，涉及到许多方面的问题，还包括运输市场、造船市场、拆船市场等，紧靠单一的指数指标可能无法准确地刻画整个航运市场的情况。在2020年2月及3月，BCI指数出现负值。毫无疑问，有观点会认为市场正处于亏损经营的状态，但按照市场上的期租报价来看，2010年建造的安装脱硫塔的好望角船舶报价14400美元/天，2015年建造的安装脱硫塔的好望角船舶报价17700美元/天，均处在正常盈利的范围。近日BDI指数持续下跌并保持在低位状态，但有观点却认为散货船新造船市场向好。在指数变动和船舶市场情况有所差异下，我们应该怎么来对整个干散货市场进行评价呢？

一、航运市场因素

宏观经济

干散货运输是由于世界经济发展对国际贸易的需要而引起的，而国际贸易又引起对商品远距离运输的需要。经济增长通常伴随着对原材料、能源和其他商品的需求增加，而这些资源性产品又恰恰是国际干散货运输需求的来源，这将刺激干散货航运市场的需求。当经济增长强劲时，航运市场旺盛，而当世界经济处于萎缩或停滞不前的状态时，通常会导致干散货市场不景气。

供求关系

根据西方经济学理论，市场价格是供需博弈的表现，海运需求主要包括铁矿石、煤炭、粮食以及一些小宗商品的进出口形成的海运需求，海运供给云船舶运力来表示，即船东向航运市场供给的船舶载重量。

能源价格

航运业对燃油价格非常敏感，因为燃油是船舶运营的重要成本之一。当燃油价格上涨时，航运公司可能面临更高的运营成本，这可能导致航运费用上升。相反，燃油价格下跌可能降低运营成本，对干散货航运市场产生积极影响。

相关市场

干散货航运市场中包含了众多子市场，包括船舶提供运输的基本市场，还包括支持运输市场的运行与发展的相关市场如拆船、造船、修船、船舶买卖市场等，而这些市场影响着船舶供给。

新造船市场：新造船市场的因果关系中，一条路径是当干散货运输市场行情看涨，并且这种看涨是长期看涨时，表示市场对运力的需求增加，运价水平上涨，船东新造船投资增加，而随着新船逐渐交付，运力供给增加，供需紧张关系得到缓减，运价水平随之下降。另一条路径是当市场对新建运力需求增加时，造船市场紧张，使造船市场成为卖方市场，新船价格提高，市场造船能力提高的同时带来订单量的减少，投资减少，从而船舶建造量减少。

拆船市场：当干散货航运市场行情景气，且运价处于上涨趋势时，船舶船东会继续经营船舶，拆解量减少的同时船舶供给增加，导致运价回落；在船舶拆解量和船舶拆解价格中同样存在着相互作用，运输市场萎靡，船舶经营效益低下，船舶拆解量增加，从而导致船舶拆解价格高涨，高涨的船舶拆解价格增加了船东成本，又抑制船舶拆解。

二手船市场：干散货市场基本属于一个完全竞争市场，进入门槛低，当运价处于高水平时，资本的逐利性会吸引投资，引起二手船舶成交量增加，从而提高二手船成交价格，而不断上涨的价格又会抑制二手船成交量。

而干散货是一个统一的市场，任何量的变化都会对市场带来影响，因此需要将上述量整合，得到散货市场的运行机制。

二、因子分析

因子分析基于降维的思想，在尽可能不损失或者少损失原始数据信息的情况下，将错综复杂的众多变量聚合成少数几个独立的公共因子，这几个公共因子可以反映原来众多变量的主要信息，在减少变量个数的同时，又反映了变量之间的内在联系。

也就是说采用因子分析可以浓缩数据，提取关键特征信息，通过众多变量之间的内在相关关系，探求观测数据中的基本结构，并用少数几个假象变量来表示基本的数据结构，这些假想变量能够反映原来众多的观测变量所代表的主要信息，并解释这些观测变量之间的相关依存关系，把这些假象变量称之为基础变量，通过研究在以最少的信息丢失的情况下把众多相关观测指标浓缩为少数几个不相关因子。

指标选择

反应宏观经济环境的指标：世界经济GDP和世界货物贸易量。

反应运力需求情况：干散货海运贸易量，包括铁矿石、煤炭、粮食等大宗商品以及其他的小宗商品海运量。

反应运力供给状况的指标：现有船舶运力，以及反应运力供给变化的新船交付量、旧船拆解量、船舶闲置量，以及新旧船价格。

反应运价水平的指标：BDI指数。

反应运输成本的指标：燃料油价格。

原始数据

根据上述选择的指标选择相应数据，样本时间为2005—2021的年度数据，其中BDI指数为年度均值。

标准化

由于原始数据大小均值不一，波动率不同，无法比较；通过标准化将原始数据转化为均值为0，方差为1的标准化数据。

相关性

对数据进行因子分析的前提是数据具有高度相关性，表3相关性表中可以看到绝大部分数据之间的相关程度均大于0.3。KMO检验统计量也是表名变量之间的偏相关是否足够强，当KMO统计量大于0.6时，说明数据适合采用因子分析，表4中KMO统计量为0.61，表明有强相关性；巴特利特球形检验也是用来检验变量之间的相关性，其中表4的巴特利特球形检验显著性为0，拒绝原假设，证明变量之间的相关性强，因此这些变量组合可以得到较为满意的因子分析模型。

因子得分

对指标变量进行因子提取，公因子方差提取比例越大，说明因子中包含的信息也越大，对每个变量的提取如表5所示，提取比基本在90%以上，手持订单因子提取比较低，但也超过了60%，总体提取因子效果较好。表6的总方差解释中，三个因子方差解释分别为55.29%，22.41%，12.99%，累计贡献率90.69%，基本反应了所选干散货航运市场指标的情况。

旋转后的成分矩阵表示航运指标被公因子解释的程度，第一个公因子能解释全球GDP指标的96.8%，因为第一个因子F1主要反应了全球经济，以及供需情况，因此将该指标命名为宏观供需指标，第二个因子F2主要反应了影响船舶供给的因素，因此将该因子F2命名为船舶供给指标，第三个因子F3主要反应燃料油以及订单情况，因此将该因子命名为成本指标。最终根据成分得分系数得到三因子的得分，如表9所示。

综合得分

最后根据因子得分以及各自的方差解释，可以计算得到干散货航运市场的综合得分，图9为干散货航运市场的综合得分计算结果，将综合得分结果与BDI走势比较，变化趋势整体一致，近年来随着经济发展干散货市场整体也有所发展，从2005—2008年市场处在上升态势，金融危机后全球经济陷入低迷，干散货市场同样也受到了影响，之后干散货市场整体进入低速发展阶段。但是因为BDI指数是根据选中的几条航线运价进行计算，具有局限性，并不能完全反应出整体市场情况，因此综合得分和BDI指数也存在趋势相背离现象。（作者：南华期货 傅小燕、张卡娜）