１．１ 研究背景與動機
全球經濟已無法抵擋全球化的趨勢，產業全球化分工的態勢也愈趨明顯，使 得全球貿易近年來不論是貨櫃船或散裝船的運載量皆不斷成長；再加上近年巴 西、俄羅斯、印度和中國「金磚四國」(BRICs)等新興國家成為世界經濟體系中 一股強大的力量，其因土地遼闊、腹地廣大，且具有低廉的勞力資源、富饒的礦 產資源，市場的潛力逐漸擴展，成為具有吸引力的投資地區，也激起經濟活動的 發展。
不定期國際散裝海運市場接近於完全競爭市場，運價波動劇烈，市場價格由 市場供給與需求間所形成之均衡狀況而決定；散裝船噸需求面受到全球經濟景氣 循環、季節性、長假期、天候與政治等影響；船噸供給方面則受到新船訂單數與 逾齡船解體數間增減量影響，因此，市場供給與需求平衡條件隨時發生變動，市 場價格也隨時呈現上下波動。散裝航運市場運價波動不易預測與掌控的特性，使 散裝海運企業面臨極大經營風險與不確定性，因此散裝航運企業迫切需要有一套 可供避險交易平台，波羅的海乾散貨指數BDI(Baltic Dry Index)因應而生，期間 經過不斷改制跟新，根據不同船型跟路線依其在航運市場上的重要程度所占權重 構成的綜合性指數，藉由BDI 的變化，即可看出散裝航運市場景氣之變化。
自2003 年以來，波羅的海乾散貨指數因受到全球化以及金磚四國經濟起飛 的帶動，2004 年年初達到第一波高點，期間雖因海運季節性景氣循環以及中國 宏觀調控使運價下跌；2007 年年初又因澳洲塞港問題，供給不及需求，運價驟 升，4 月時已回升至前波高點水準，雖然又因為美國次級房貸等因素干擾回檔，
但2008 年的北京奧運及 2010 年的上海世博會，使得鐵礦砂需求增強，指數不如 往常的季節性下滑，船噸供給嚴重不足，使得BDI 自 2007 年 6 月回檔後，上升 幅度驚人(圖 1、圖 2)。
短期內海運市場看好，不定期散裝市場更是供不應求；BDI 能提供給船東、
租傭船人作為經營高風險之不定期船市場決策之參考，若能準確預測指數變化，
就能降低風險，達到避險之措施，為企業帶來更高利潤。
１．２ 研究目的
準確的預測方法，能提供更為穩定的判斷，在高風險性及不確定性高的不定 期國際散裝海運市場，若能準確的預測 BDI 變化，完成完善的避險策略，定能 降低企業風險，並提升企業利潤。
BDI
0 2000 4000 6000 8000 10000 12000
1 3 5 7 9 11 1 3 5 7 9 11 1 3
時間
指數
圖1 2006 年起 BDI 月走勢圖
BDI
0 2000 4000 6000 8000 10000 12000
1 2 4 6 8 10 12 1 3 5 7 9 11 1 3 4
時間
指數
圖2 2006 年起 BDI 周走勢圖
過往研究預測 BDI 已有利用灰色理論模式以及 ARIMA 模式預測其走勢變 化；亦有關於季節性波動之研究。傳統時間序列建構上雖已經解決許多面向的困 難點，也證明了數學建構上的理論，但多重的限制式，無法反應現實情況，資料 的模糊性和模糊相關性的問題皆為傳統時間序列無法解決的問題，而且追求精確 數字的資料展現，其背後卻有過度解釋的重大危險；倘若結合較穩健性與符合實 際狀況的模糊統計分析，可避免隱藏這些問題。Zadeh【20】首先提出模糊集合 論，成功的解決了傳統集合0-１值邏輯無法解決的問題，也成功的將模糊概念帶 入了決策分析、人工智慧、經濟以及控制等方面的領域；直到 Q Song 與 B.S Chissom【21】建構以模糊關係預測模糊時間序列的模式，將模糊理論套入了預 測的領域，其針對歷史性的時間序列資料提出新的預測方法，定義了模糊時間序 列模型的基本架構，一般化預測模式建構的流程與方法，資料處理及模糊相關矩 陣的計算準則，證明了有較佳的預測能力。
本研究冀望能運用模糊時間序列模型的優點，建構完整且符合現實的模式供 預測之用，進而探討 BDI 走勢變化，對其未來走勢作出預測，希冀對船東、租 傭船人提供營運上之參考。
１．３ 研究範圍
國際海運運價大體可分為不定期船運價和定期船運價，前者的費率水準隨航 運市場的供需關係而波動，在市場繁榮時期，不定期船運費率就會上漲；在市場 不景氣時，就會隨之下跌。後者由貨櫃公會和經營人確定，多與經營成本密切相 關，在一定時期內保持相對穩定。本研究針對不定期國際散裝海運市場運價進行 分析，蒐集2006 年後 BDI 最新改制過的週、月之開、收盤資料以及周期間最高 點以及最低點，以供預測之用。
１．４ 研究重要性
海運業因期初沉沒成本極高、回收期長，導致進入此行業之門檻很高；而且 對已經在營運的不定期散裝海運企業，又面對著相當競爭的跨國性市場，無運價 表，完全由市場供需決定運價及租金，且又具備運輸的不可儲存性，以及再加上 海運產業經濟直接受到整個世界經濟景氣週期興衰起伏的影響，具有高風險及不 確定性。
傳統上不定期船航商所採用之避險方式多為買賣船舶或是合約簽訂，但其缺 乏彈性又不完全可靠；自1985 年設立了波羅的海國際運費期貨交易所，運費期 貨成為了不定期航運的新避險工具。經過期間不斷的改制跟新，BDI 根據不同船 型與路線依其在航運市場上的重要程度與所占權重構成的綜合性指數，藉由BDI 的變化，即可看出散裝航運市場景氣之變化。
準確的預測 BDI 走勢變化是不定期船海運業者營運中重要的決策依據；過 往預測 BDI 指數都無法反應現實情況，資料的模糊性和模糊相關性的問題皆無 法解決。本研究使用模糊時間序列模式預測短期 BDI 走勢，將誤差項視為歸屬 於相同的模糊語意變數但隸屬度不同所造成的結果，運用 BDI 歷史資料進行模 擬預測，希冀能提供船東、租傭船人營運之參考。
１．５ 研究方法與流程 本研究採用以下研究方法 １.文獻研析法：
藉由分析國內外有關模糊時間序列的相關文獻，經由回顧評析，藉以比較分 析其內容合理性與優缺點，並找出其對模糊時間序列預測步驟內重要屬性的貢 獻，以作為本研究的參考。
2.模式分析法：
本研究將建構BDI短期預測模式，藉此預測未來BDI趨勢變化，除了進行單 變量模式預測外，亦加入Type-2模式進行預測比較；將以In sample資料組準確度 評量模式配適度，Out sample資料組準確度判定模式優劣，並以隨機數值調整測 試模式穩定性。
3.模糊時間序列分析法：
本研究採用模糊時間序列來預測BDI，自Q Song 與B.S Chissom【21】定義 了模糊時間序列模式的基本架構，並且一般化預測模式建構的流程與方法後，後 續研究者皆以此架構進行各屬性研究，預測流程如下圖3：
圖3 一般化之模糊時間序列預測流程圖 決定模糊關係
模式預測 模糊化歷史資料 定義模糊語意變數
區間分隔 定義論域
反模糊化
A. 根據歷史資料定義論域：將歷史資料中之最大值以及最小值各加減一適 當之正數，界定成模式所討論的論域Ｕ。
B. 區間分隔：將論域合理的分割為數個區間。
C. 定義模糊語意變數：將各區間定義為一語意變數。
D. 模糊化歷史資料：將歷史數值經由隸屬函數模糊化後，隸屬到所屬之語 意變數。
E. 決定模糊關係：將各期之歷史數值模糊化後之語意變數間，建立模糊關 係。
F. 預測：利用轉換後之語意變數與模糊關係預測未來之語意變數。
G. 反模糊化資料：將所預測之語意變數反模糊化成確定性數值。
本研究將結合文獻中各步驟屬性優良的部分進行修改，進而建構一完整的模 式進行預測。
本研究之研究流程如下：
A. 研究範圍界定：本研究針對不定期國際散裝海運市場進行分析，以模糊時間 序列對BDI 進行分析預測。
B. 資料蒐集：針對研究範圍，蒐集 BDI 週、月之開、收盤資料以及周期間最 高點以及最低點，以供預測之用。
C. 針對模糊理論以及模糊時間序列文獻進行研讀，並對其使用基礎，理論架構 以及定義進行研究。
D. 模式建立：將歷史精確數值資料轉換為模糊時間序列進而建構時變性模型。
E. 實證預測分析：檢驗模式準確度以及穩定性，比較本研究兩模式之優劣。
F. 結論與建議：總結本研究之成果以及貢獻，並提出後續研究走向建議。
模糊時間序列 文獻回顧
模糊理論
資料蒐集 研究範圍界定
模式建立
實證預測分析
結論與建議 圖 4 研究流程圖