定期船運價決定因素與趨勢預測之研究

國 立 交 通 大 學

運輸科技與管理學系

碩 士 論 文

定期船運價決定因素與趨勢預測之研究

Studies on Factors and Trend Prediction on Liner

Shipping Freight Rates

研 究 生：楊金樺

指導教授：謝尚行 副教授

定期船運價決定因素與趨勢預測之研究

Studies on Factors and Trend Prediction on Liner

Shipping Freight Rates

研 究 生： 楊金樺 Student：Chin-Hua Yang

指導教授： 謝尚行 Advisor：Shang-Hsing Hsieh

國立交通大學

運輸科技與管理學系

碩士論文

A Thesis

Submitted to Institute of Transportation Technology and Management College of Management

National Chiao Tung University In partial Fulfillment of the Requirements

for the Degree of Master

In

Transportation Technology and Management

June 2008

Hsinchu, Taiwan, Republic of China

定期船運價決定因素與趨勢預測之研究

學生：楊金樺 指導教授：謝尚行

國立交通大學運輸科技與管理學系碩士班

摘 要

貨櫃運輸自 1960 年代萌芽興起後，經歷數十年的發展，已經是競爭非常激 烈的成熟產業。大陸在亞太地區已成為最重要的經濟體之一，然而目前從大陸經 濟發展角度來探討海運運價的文獻相當少。近年來，中國大陸海運事業的興起， 已對全球海運市場注入許多新的變化。隨著歐盟的成立，成員國也日益增加，其 經貿發展也會對貨櫃海運運價造成明顯衝擊。因此可以預見歐盟會員國經濟發展 的情況、進出口貿易金額等總體經濟變數對定期船運價變動趨勢有一定程度的影 響。 大多數先前關於海運運價預測的研究，都是以迴歸分析和時間序列分析法為 主要的分析工具。這兩種分析法皆需要大量的資料來測試模式本身的機率分配及 配適度。從歷史資料角度來看，海運運價上升最快速的時期是在近十年間。因此， 蒐集 COSCO 及 HANJIN 兩間貨櫃船公司自 2005 年到 2007 年 12 月的遠東-歐洲 線的基本運價，再配合 BAF、CAF 及 PSS 等資料，針對影響定期船市場景氣之 因素做探討，嘗試利用灰色理論來分析及預測未來幾年定期船運價，因為灰色理 論不需要大量資料來建構模式。同時也採用 ARIMA 時間序列建立預測模式，並 加以比較兩種預測方法的準確性。期能提供船公司、貨主決策上的參考。 關鍵詞: 運價預測、迴歸分析、灰色理論、ARIMA

Studies on Factors and Trend Prediction on Liner Shipping

Freight Rates

Student：Chin-Hua Yang Advisor：Shang-Hsing Hsieh

Institute of Transportation Technology and Management

National Chiao Tung University

Abstract

The container transportation began in 1960s. After several decades，it has become a mature industry and been competing violently. In recent years，China becomes one of the most important economies in Pacific-Asia area, but only few papers discussed China’s maritime freight rate in terms of China economic development. The growth of China maritime industry brings many changes for marine market. With establishment of European Union，and members of EU is increasing，the economic development of these members must have obvious impact on liner marine freight rate. Therefore it can expect the economic development and some macro variables of EU members have influence on the trend of fluctuation about liner marine freight rate.

Regression model and time series model were the main tools in most of previous researches about marine freight rate prediction. They needed large amount of data for testing the probability distribution and curve fitting. In historical data perspective， marine freight rate increases rapidly only about ten-year period. Therefore, collecting data basic freight、BAF、CAF、PSS of two liner shipping company COSCO and HANJIN about the route from Far East to Europe. And we will also use Gray Theory to make the analysis and prediction, because it does not need large amount of data to formulate the model. We also try ARIMA time series, and compare the results. Expecting to provide references about decision-making for liner shipping company and shippers.

誌 謝

時光飛逝，轉眼間兩年的研究所生活即將劃下句點，也快要跟簡單的學生生 活說再見，準備步入社會了。在這段求學過程中，遇到的問題及困難處也不少， 往往也是因家人及朋友同學等人的鼓勵，使得問題終能一個接一個的解決，也讓 自己的信心因此提升了不少。

研究所期間，指導教授謝老師的教學方針「enjoy your life，enjoy your research」讓學生非常的自由，使得我在做學問之餘，也可以有很多自己的時間 做自己想做的事；老師亦師亦友的態度，也讓我不會深感壓力，對於生活以及學 業上的建議以及協助，也是不可或缺的；另外也要特別感謝口試委員吳水威副教 授、王賢崙副教授能撥冗參與口試審查，並提供一些論文不足處的修改意見，能 讓我的論文更臻完備。 謝 lab 的成員，在老師的風格帶領下，都相當和善，聽普和大鈞不僅僅是研 究中提供意見以及互相扶持的朋友，也是壘球系隊中，不可或缺的重要夥伴；學 樺親切的態度及熱心幫忙，學妹認真盡責的做事，及口試審查時給予我的幫助， 也讓我也輕鬆不少。總之，研究所能在謝 lab 度過，讓這兩年過的相當的多彩多 姿。 另外要特別感謝女友喵喵這兩年來的支持及幫忙，這兩年研究所生活有你陪 伴讓我輕鬆了不少，而你也能體諒我常常因為要打壘球而沒辦法陪你，不會生我 的氣，真的很謝謝你。 家人是我精神最大的支柱，離開了台南第一次到外地來求學，剛開始並不是 很適應，也因為家人在精神上給予的幫助，使得我漸漸的習慣這樣的生活型態， 也變的更加的獨立自主，這也是我這兩年求學得到的意外收穫。真的很謝謝我的 家人。 楊金樺 謹致 交大 2008 夏

目錄

中文摘要

………

i

英文摘要

………

ii

誌謝

………

iii

目錄

………

iv

表目錄

………

vi

圖目錄

………

viii

第一章

緒論……… 1

1.1

研究背景與動機

………

1

1.2

研究目的

………

1

1.3

研究重要性

………

2

1.4

研究範圍

………

3

1.5

研究流程與方法

………

3

第二章

文獻回顧……… 7

2.1

海運市場與運價之相關文獻

………

7

2.2 全球貨櫃航運現況分析………

2.2.1 貨櫃運輸發展沿革

………

2.2.2 全球貨櫃海運運量

………

2.2.3 國際海運發展趨勢

………

8 8 9 11

2.3 預測理論及方法………

2.3.1 預測之基本性質

………

2.3.2 預測方法綜覽

………

2.3.3 預測方法的選取

………

2.3.4 預測方法之比較

………

2.3.5 灰預測之相關文獻

………

2.3.6ARIMA 預測模型之相關文獻

………

14

14 15 18 19 21 22

2.4

小結

………

23

第三章

海運市場的種類及分析………

24

3.1

海運市場的介紹

………

24

3.2 海運產業分析………

31

3.3

定期船運價的現況分析

………

3.3.1 遠洋歐洲線行經的港口

………

3.3.2 運價的計算公式

………

33 33 38

第四章

研究方法………

39

4.1 定期船運價之決定因素………

4.1.1 樣本來源

………

4.1.2 研究變數

………

39 39

4.2

計量分析方法

………

4.2.1Panel Data 各模型的應用

………

42 43

4.3 趨勢預測………

4.3.1 研究樣本

………

4.3.2 自我迴歸整合移動平均模型

………

4.3.3 灰色預測理論

………

49 49 49 53

4.4

預測精確度之衡量準則

………

55

第五章

實證結果與分析………

57

5.1 Panel Data 模型分析 ………

57

5.2

時間序列預測結果分析

………

5.2.1 單根檢定

………

5.2.2ARIMA 模型分析

………

61 61 62

5.3

灰預測結果分析

………

64

5.4

預測績效之評估

………

70

第六章

結論與建議………

72

6.1

結論

………

72

6.2

建議

………

73

參考文獻

………

74

表目錄

表 2.1 1997-2006 年世界各型貨櫃船之數量統計………...…….…12 表 2.2 各種預測方法比較…...……….………19 表 3.1 定期船運輸與不定期船運輸差異比較………..…………...…………..……25 表 3.2 全球貨櫃船舶的數量與能量…………...………27 表 3.3 世界前 20 名貨櫃船公司排名統計………..…………...………28 表 3.4 2006 年世界貨櫃港前 30 名排名…..…………...………29 表 3.5 COSCO 及 HANJIN 兩間船公司遠洋歐洲線通過港口……….33 表 3.6 2005 年 COSCO 公司遠洋歐洲線運價資料. ………..34 表 3.7 2006 年 COSCO 公司遠洋歐洲線運價資料 ………...35 表 3.8 2007 年 COSCO 公司遠洋歐洲線運價資料 ………...36 表 3.9 2007 年 HANJIN 公司遠洋歐洲線運價資料 ………...37 表 4.1 2007 年 COSCO 公司遠洋歐洲線運價資料 ………...39 表 4.2 2007 年 HANJIN 公司遠洋歐洲線運價資料 ………..40 表 4.3 固定與隨機效果模型之差異……….…...46 表 4.4 MAPE 預測能力之等級……….…...55 表 5.1 最小平方法估計之結果……….…...57 表5.2 最小平方法檢定之統計量……….…...58 表5.3 固定效果模型估計之結果……….………..58 表 5.4 隨機效果模型估計之結果……….………..59 表 5.5 Panel Data 最適模型檢定結果………...59 表 5.6 Panel Data 一階自我相關情形……….………60 表 5.7 DW 檢定統計量之臨界值……….………60 表 5.8 修正一階自我相關後結果……….……….61 表 5.9 原始運價之單根檢定結果（cosco 公司 20 呎）……….………..61 表 5.10 原始運價之單根檢定結果（Hanjin 公司 20 呎）……….………..62 表 5.11 一階差分後之單根檢定結果（cosco 公司 20 呎）………….……….62 表 5.12 一階差分後之單根檢定結果（Hanjin 公司 20 呎）….………...62 表 5.13 ARIMA 模型之配適結果（cosco 公司）………….………..63 表 5.14 ARIMA 模型 08 年運價預測值（cosco 公司）………….………...63 表 5.15 ARIMA 模型之配適結果（Hanjin 公司）………...64 表 5.16 ARIMA 模型 08 年運價預測值（Hanjin 公司）………..64 表 5.17 2007 年 COSCO 公司遠洋歐洲線運價資料 ……….65 表 5.18 2007 年 HANJIN 公司遠洋歐洲線運價資料 ……….65 表 5.19 COSCO 公司 20 呎貨櫃運價預測值（六筆資料建模） ……….67 表 5.20 HANJIN 公司 20 呎貨櫃運價預測值（六筆資料建模）……….68 表 5.21 HANJIN 公司 20 呎貨櫃預測值（12 筆資料建模） ………....68

表 5.22 COSCO 公司 20 呎貨櫃預測值（12 筆資料建模） ………...69 表 5.23 cosco 公司運價預測模型之 MAPE 值與 Theul＇s U 值………...70 表 5.24 Hanjin 公司運價預測模型之 MAPE 值與 Theil＇s U 值……….70

圖目錄

圖 1 研究流程圖………...6

圖 2 2004 年全球各主要區域的貨櫃流量預測值……….………10

圖 3 2008 年全球各主要區域的貨櫃流量預測值……..………...……11

第一章 緒論

1.1 研究背景與動機

隨著全球經濟已進入無國界的時代，產業全球化分工的態勢也愈來愈明 顯，在全球化和區域經濟整合的趨勢下，新的經濟板塊日益浮現，再加上來自於 中國大陸、印度等新興市場快速發展，以及日本、歐洲經濟復甦所帶動的原物料 需求強勁，使得全球不論貨櫃船及散裝船的運載量皆有增加。根據國際貨幣基金 會(IMF)1986 年的統計，全球貿易中海空客貨運所佔比例為 31.2%，其中貨運的 比例為 13.7%，而貨運中採用海運運送者則佔 90%，由此可見海洋運輸產業在國 際貿易活動中扮演重要的角色。尤其台灣在四面環海的地理位置下，經濟發展主 要又是依賴進出口貿易，海空運輸更是台灣的經濟命脈，其中海運的貨物量又佔 了台灣進出口的絕大部分，因此可知道海運對於台灣經濟的重要性。另外全球商 品需求量受到國民所得高低和經濟條件影響，也受到生產能量與庫存量影響，兩 者間達到均衡後決定國際貿易需求量，且需求量隨時間變動。國際貿易貨物需求 量引申對海運船噸需求，進而帶動船舶產業活絡與商機，海運公司因市場需求船 噸旺盛，當可支配船噸不足時，長期間考慮購置船噸或租入船噸，短期間則暫時 以現貨租入船噸或以論程傭船載運貨物，因此當全球經濟出現高度成長時，往往 帶動全球貿易量大幅增加，促使海運運價高漲。 現今海洋貨物運輸中簡單可區分為定期船業務、不定期船業務及專用船業 務等三種，依據服務之對象、貨物種類、船舶類型及運送人之關係而有所區隔。 其中，定期船運市場自海運貨櫃化運輸興起後，至今已有四十年，早已經成為 海運市場上的主流。因此，如何提供更好的服務與品質，並提供合理的運價，才 能在日漸競爭的海運市場中，取得競爭優勢。 而運價的預測可讓海運公司有一個參考的依據，可提供一個數據給有關當 局有更好的因應對策來做更有效的建設，而對亞洲各國而言，中國大陸的發展可 讓各國有一個更好的市場去拓展與開發，也可促進各國的進步與繁榮。本研究提 出以歐洲主要經濟國（比利時、德國、荷蘭、英國、法國）經濟發展的情況來探 討對全球定期船運價的影響，並對 2008 年的定期船運價變動趨勢作預測，最後 再加入中國大陸經濟發展的情況加以討論，試著探討中國大陸的經濟發展是否已 對全球定期船運價造成影響，在綜合考量各項影響因素後，期能提供船東、租傭 船人作為經營市場與決策之參考。

1.2 研究目的

海洋運輸為衍生需求，海運貨運量主要衍生自國際貿易量，而國際貿易量又 與世界經濟的成長關係密切。海運的貨載流向長期易受新興工業化國家發展、新 礦區開發及主要原料供需國家政策改變等產生結構變動。以中國大陸為例，為了 迎接 2008 年北京奧運會以及 2010 年上海世博會而大興土木，帶動礦砂與煤炭海 運量大幅增加，航運市場價格飆漲。由於異地之間對物資的迫切需要，就產生對 海運貨物的需求，但船噸需求量易受到諸多無法預知的因素所影響，包括長期間 主要影響貨載流量國家經濟成長條件、新興工業化國家發展、新礦區開發及主要 原料供需國家政策等，短期間則受季節性淡旺季以及突發事件如礦災、罷工、天 候、基礎設施不足等影響，且海運市場屬於完全競爭市場，市場價格決定於船噸 供給與需求間的均衡狀況，因此，海洋運輸涉及到許多外部和內部相關因素，而 歐洲主要經濟體（包含比利時、德國、荷蘭、英國及法國）等，近幾年來經濟快 速發展，而這五個國家皆為歐盟的成員國之ㄧ，不管是貨櫃貨物或者散裝貨物都 呈現相當快速的成長，本研究也將以此為出發點，來達到下列目標： 1. 分析通過港口的所在國家經濟發展的成果與運價間起伏的關係。 2. 蒐集通過港口的所在國家與中國大陸之總體變數資料，並加入原油的週均 價、歐元變動匯率等變數進入計量模型，且將資料整理成 Panel Data 形式。 3. 透過檢定方法比較傳統最小平方法、固定效果模型與隨機效果模型之顯著 性，選擇一最適當且顯著之方法，並找出該方法中顯著影響定期船運價之變 數，變數為影響運價之變數而非決定運價之變數。 4. 由於影響定期船運價之總體變數為時間序列，殘差項多半具有自我相關，因 此使用一階自我相關修正，產生新的係數估計值，並檢視修正後之變數是否 對定期船運價具有顯著影響。 5. 採用灰預測法建立預測模式，同時也採用 ARIMA 時間序列建立預測模式， 並加以比較兩種預測方法的準確性。 6. 綜合定期船運價之決定因素與趨勢預測，提出適當之結論與建議，以供船公 司，作為決策經營之參考。

1.3 研究重要性

歐洲主要經濟國（比利時、德國、荷蘭、英國、法國）的經貿發展牽動著整 個世界的區域經濟發展，對貨櫃海運與散裝海運的運價也帶來各種不同程度的衝 擊，而這影響程度到底有多大？正是本研究所要積極探討的。 依據 Containerisation International 2007 年 3 月出版期刊所統計資料顯示，這 五個歐洲主要經濟國加上中國大陸的主要港口貨櫃量在 2006 年全球貨櫃港運量 前三十的排名有香港(2)、上海(3)、深圳(4)、鹿特丹(7)、漢堡(9)、青島(11)、寧

波(13)、安特威普(14)、廣州(15)、天津(17)、不來梅(20)、廈門(22)、大連(26)、 英國佛利斯多(30)，這些港口的運量成長幾乎都是呈現逐年上升的趨勢，而以中 國大陸港口的成長最為驚人，其中廣州港年增率相較於 2005 年達到 40.9%為最 多，其次是寧波港的 34.9％與天津港的 23.9％。亞洲地區尤以中國大陸進入前三 十的排名最多，可以發現中國大陸自 1979 年實行經濟改革後，在二十年間的經 濟發展即以相當耀眼的成就震驚全球，目前已晉升為世界第四大經濟體，第三大 貿易國，全球各地區進出大陸市場之頻率也隨之提高，且絕大多數的進出口貨物 皆仰賴海運，使得中國大陸許多港口的運量快速成長，對亞洲地區甚至是全世界 港口運量也有許多的貢獻，在船噸需求遠大於供給之下，造成海運運價逐年飆 升，居高不下。 歐洲國家目前已形成一個大的經濟體系「歐盟」,以促進對內及對外的市 場運作，目前擁有 27 個成員國，並且發行通行在成員國間的貨幣--歐元，歐元 給歐盟各成員國帶來更多經濟上的收益，有利於生產要素的自由流通。歐元區內 由於使用同一種貨幣，使之形成統一的大市場，各國間的商品、資本、人員和勞 務，可以如同在一個國家內一樣暢通無阻、自由流通，各成員國間的交易成本因 此而降低，有利於促進生產、貿易和投資。因此，歐元將產生明顯的「貿易創造 效應」，促進歐盟的生產、貿易和投資的發展。其中英國、德國、法國、比利時 及荷蘭都是歐盟的成員國，英國的鋼鐵工業、德國的汽車工業、法國的精品業皆 是其他世界各國的進口品，因此當全球景氣好轉時，民間消費量增加進而使進出 口貨量上升，於是產生對船噸的需求，使得海運運價受到波動。 歐盟、北美自由貿易區和亞太經濟合作組織在世界經濟上三足鼎立，三個 市場若同時達到景氣高峰時，海運運價勢必也跟著水漲船高；若其中有ㄧ市場處 於景氣低迷狀態亦會牽動其他市場對進出口貨物的需求量，使得海運運價的變動 趨勢變得不確定，三大經濟區塊彼此會產生替代效果，因此海運運價變動受到牽 制或拉引作用。所以如果可以對未來幾年定期船運價做有效的預測，則不管對貨 主或是船公司經營者而言，在貨物調配及路線選擇上，都更加的具有彈性了。

1.4 研究範圍

影響海運運價的因素眾多，本研究主要是嘗試分析影響 COSCO 及 HANJIN 這兩間船公司歐洲線運價的因素，藉由蒐集從 2005 年到 2008 年 4 月為止這兩間 船公司的運價資料，再進一步去探討加入中國大陸經濟發展指標、歐元變動匯 率、原油價格的波動、此航線通過的 5 個港(Antwerp、Hamburg、Rotterdam、

Felixstowe、Le Havre)所在國家的經濟指標等因素，來探討這些自變數是否對定 期船運價有所影響。

另外，由於歐洲線屬於遠洋航線，因此在運價的資料上，本身就會受到 BAF(Bunker Adjustment Factor 燃料附加費)、CAF(Currency Adjustment Factor 貨 幣附加費)及旺季時會收取的 PSS(Peak Season Surcharge 旺季附加費)等因素的影 響。一般來說，歐洲線的基本運費都是採取一季調整一次的方式，而 BAF、CAF 則是由遠歐運費同盟(FEFC)所制定。而在油價的變動上，主要參考的是西德州原 油的價格波動，取其每月的平均價格來當參考的依據，現今原油價格一桶已經飆 到 100 美元以上了，再過不久，即將會突破每桶 150 美元的大關。在歐元變動匯 率上，取其 07 年的匯率變動資料來加以討論，之後藉由探討這些自變數來決定 是否對定期船運價有所影響。 研究範圍包含通過的 5 個港所在國家（分別為比利時、德國、荷蘭、英國、 法國）與中國大陸兩方面，而比利時、德國、荷蘭、英國及法國均為歐盟的成員 國，因此關於歐盟成員國的總體指標皆相同，而這 5 個國家的相關總體數據主要 來自世界銀行的統計。中國大陸許多港口並無相關之貨櫃運量統計，因此較難蒐 集到詳細統計結果，主要還是以 Containerisation International 期刊所發表的全球 貨櫃港運量排名與統計為主，而貨櫃量主要以千 TEU 為單位來計算。本研究欲 探討此 5 國與中國大陸的經濟發展成果，再分析 COSCO 及 HANJIN 兩間船公司 2007 年貨櫃運價變動與其經濟成長的關係，針對影響定期船市場景氣之因素做 探討，建立預測定期船運價短期變化之模式。在綜合考量各項影響因素後，期能 提供船公司、貨主作為經營市場與決策之參考。

1.5 研究流程與方法

首先蒐集國內外相關研究論文、書籍、期刊、雜誌報導，並參閱國內外相 關網站，加以整理，以了解歐洲主要經濟國（比利時、德國、荷蘭、英國及法國） 以及中國大陸經濟發展過程和世界主要港口發展過程。對前述蒐集之資料進行系 統化之比較分析，加以整合歸納比較，並且對各港口貨櫃量及各國家經貿發展之 總體數據資料，做統計分析，有助於對問題的了解及作為評析的依據。近年來中 國大陸經濟結構快速變化的結果，帶給亞洲地區相當大的衝擊，甚至是全球經 濟，而台灣近幾年來致力推動成為亞太營運中心，因此更需要瞭解中國大陸對亞 洲情勢變化的影響。本研究以歐洲主要經濟國及大陸經濟發展的情況來探討對定 期船運價的影響，並依歐洲主要經濟國與大陸經濟指標的成長趨勢，以及原油價 格的波動等自變數，分別依不同的預測方法個別建立較準確的預測模式。 本研究之研究流程與執行步驟，如圖 1 所示，分述如下： 一.相關文獻蒐集與回顧

蒐集與回顧國內外對於海運市場運價、Panel Data 和預測之相關文獻，對 海運市場產業特性進行評析，為找出海運運價之決定因素，整理 Panel Data 研 究方法以及比較各種預測方法。 二. 歐洲經濟主體國與中國大陸經濟發展情況分析 分析此條歐洲線所通過的主要港口國經濟發展現況與中國大陸經濟起飛對 海運運價之影響。 三.定期船航運概況分析 說明貨櫃運輸的發展沿革，其次說明目前全球各主要區域間的貨櫃流量與未 來流量成長情形，最後闡述現今國際貨櫃航運市場的三大發展趨勢：船舶大型 化、航商聯營化與航線軸輻化。 四.運價之決定因素模式構建 蒐集歐元變動匯率、西德州原油月均價與中國大陸經濟發展之相關經濟數 據，建立 Panel Data 模式，找出使模式自變數組合最顯著之模型，並修正模型 自變數之自我相關。 五.運價之趨勢預測模式構建 以時間序列 ARIMA 模型與灰預測模型分別對兩家船公司運價進行預測，並比 較兩種預測方法之準確性。 六.結論與建議 根據前述各步驟所得結果，提出具體之結論與建議，並研擬未來後續研究方 向與重點項目。

圖 1 研究流程圖

第二章 文獻回顧

2.1 海運市場與運價之相關文獻

在陳敏生之海運經營一書中有提到，一般而言，海運事業具有以下特性：

1.公益性（Public Nature）；2.競爭性（Competitive Nature）；3.獨佔性

（Monopolistic Nature）；4.優越性（Excellent Nature）；5.標準性（Standard

Nature）；6.國際性（International Nature）；7.興衰循環性（Business Cycle

Nature）；8.艙位無法儲藏性（The Capacity Cannot Store Nature）；9.重要成

本無法削滅性（Important Cost Cannot Reduce Nature）。

William L. Grossman (1956)提出影響海運運價之考慮因素有下列二十七 項：1.商品之特性。2.商品之數量。3.商品是否即可交運。4.貨物是否易短損。 5.商品是否易被竊。6.貨物價值。7.包裝情況。8.裝卸配艙有無困難。9.裝載因 素。10.重件貨裝卸有無困難。11.特長貨是否適宜裝載。12.不同地區同類商品 之競爭。13.經由競爭路線之貨物。14.其他運送人之競爭。15.直接營運成本。 16.距離。17.貨物裝卸費用。18.駁船費用。19.特別交付。20.固定成本。21. 保險費用。22.港埠設施。23.港埠使用規定。24.港埠費用及港工捐。25.運河通 行費。26.港口位置 27.回程貨載之可能性。以上所提，以成本因素考量居多， 顯示出成本理論對於海運運價之訂定，有相當程度的影響，另外，海運需求面亦 為 William 所考慮之範圍，說明了海運的需求會影響到海運運價。 李彌 (1978)在其論文中將影響海運運價之因素歸納成為九個項目：1.成本 因素。2.運輸價值因素。3.貨物因素。4.船舶營運因素。5.海運市場之供給因素。 6.海運市場之需求因素。7.經濟方面之因素。8.軍事方面之因素。9.政治方面之 因素。其中 1、2、3、4、6 項引用了 William 所提出的見解，而其它項目說明 了大環境對於海運運價之影響。 Gray (1986)認為影響航運經營管理之關鍵因素，除海上風險之外，最主要 有(1)運費市場風險(Freight market risk)、(2)燃料價格風險(Bunker price risk)、(3)利率風險(Interest rate risk)與(4)幣值風險(Currency risk)等四 項。Cullinane (1995)指出，成功的船東須了解收益之不確定性最為重要，而非 成本之不確定性。能掌握不確定因素者即是贏家，而航運市場風險是風險最重要 的部分。

Bendall and Stent (2003)指出，航運公司須面對高度競爭的環境，通常是 在不確定情況下進行策略性決策。同時航運是服務性產業，會隨全球貿易需求與 型態而變動。由於市場之不確定性，航運間或取決於不可預知的變動因素，對其

航運收益必有重大影響。當景氣繁榮時，運價連帶上升；反之，當景氣蕭條時， 船東須面對運價下挫局面。因此，航運事業之經營，有必要作好策略性規劃，管 理的意義即是在不確定下做決策。 溫珮伶(2005)探討海運市場運價決定機制及影響因素，其後以 GARCH(1,1) 模型結合自我迴歸項，進行海運價格間的交互影響效果實證分析，以及分析海運 價格與其他影響海運價格的重要因素(如：燃煤價格、原油價格、鋼鐵價格等海 運需求面之經濟變數)之間的交互影響。研究結果發現，油價、煤價及鋼價等原 物料價格皆會影響到海運市場 BPI、BCI 的價格，原物料價格上漲時，運價也會 隨之上揚，此意謂原物料的需求會推動海運需求量；然而運價卻不會影響到原物 料價格起伏，此乃因原油價格主要受中東政治情勢影響，而煤價、鋼價主要受全 球景氣所影響。從研究實證中得知，運價的變動率會受自身前期影響，此說明了 儘管影響海運市場價格之因素雖無法正確預測，然前期運價在經營者制定決策時 亦為一重要的經濟因素。

Kavussanos and Alizadeh-M (2002)採用 GARCH-M (Mean)模型，以海岬型 船、巴拿馬極限型船、輕便型船三種船型為例，剖析散裝船舶價格發現，於新造 船市場中，從長期觀點而言，三種船型價格波動曲線成相似型態，但短期內卻相 異，此或與市場供需結構有關，且二手船與新造船有相似之結果。此外，於一般 情況下，大型船舶價格較小型船舶高，新造船舶價格較二手船舶高；大型船舶價 格波動較小型船舶大，新造船舶價格波動較二手船舶大。

2.2

全球貨櫃航運現況分析

貨櫃運輸的興起與發展使得海運邁向重要里程碑，透過特殊設計的貨櫃 船來運載貨櫃從事國際貿易，其所帶來的經濟效益已非傳統式的一般雜貨船 所能比擬。基本上貨櫃運輸其所帶來的效益包括作業簡化、運輸責任專一、 裝卸迅速、貨物運輸安全、貨物包裝費用減低、貨物保險費用節省、運輸管 制系統易於以電腦控制等種種優點。因此近二十年來，貨櫃海運蓬勃快速成長， 已取代了傳統的雜貨船運送，成為定期船業務的主流。本節首先概要介紹貨櫃運 輸的發展沿革，其次說明目前全球各主要區域間的貨櫃流量與未來流量成長情 形，最後闡述現今國際貨櫃航運市場的三大發展趨勢：船舶大型化、航商聯營化 與航線軸輻化。 2.2.1 貨櫃運輸發展沿革 貨櫃運輸始於第二次世界大戰，美軍為運輸龐大的軍需品至世界各地，使

用一種稱為 Conex 的小型貨櫃，以達到「戶及戶」（door to door）的運輸目的。 而商業用貨櫃海運始於 1957 年美國的泛大西洋船運公司(Pan Atlantic Steamship Co.)，即海陸公司(Sea-Land)的前身，首先改裝六艘雜貨船以裝載貨 櫃，使用長、寬、高各為 35*8*8 呎之貨櫃，航行於紐約、休士頓與波多黎各之 間。隔年，Matson Navigation 公司也開始經營加州與夏威夷之間的貨櫃海運， 其使用長、寬、高各為 24*8*8 呎。此期間貨櫃海運的發展僅止於美國及澳洲， 航程屬短程的沿海運輸及國內航線，船舶以改裝的半貨櫃船為主，容量約 500TEU，貨櫃船上多自備有起重機，僅少數碼頭備有橋式起重機，此為貨櫃海運 的萌芽期。 1966 年 4 月美國海陸公司開闢橫越大西洋之貨櫃航線，航行於美國休士 頓、紐約與荷蘭鹿特丹、英國普萊茅滋港，貨櫃海運開始進入國際航運時代，航 商興建 700~1,000TEU 的全貨櫃輪，航行於大西洋與太平洋上，發展地區含蓋美、 歐、日、澳等先進國家，裝卸設施以碼頭橋式起重機為主，轉運構想也產生，此 時為貨櫃海運的成長期。 1971 年，遠東─歐洲航線開闢，各主要航線相繼出現大型之全貨櫃輪，以 2,000TEU 之巴拿馬極限型貨櫃船為遠洋運輸主力。轉運服務、海陸複合運輸相 繼興起，發展地區也延展至東南亞、中東、南非等地，航商間也開始有策略聯盟 等合作關係，此時為貨櫃海運的茁壯期。 1984 年，長榮海運與美國的美利堅航運公司相繼開闢環球航線(Round the World Service)，出現 3,000TEU 之大型全貨櫃輪，主次航線交織綿密，建立出 海運的軸輻網路系統，發展地區延伸至中南美、非洲等地，裝卸機具也趨向大型、 自動化，海運與陸空運的配合也日趨熱絡，此時為貨櫃海運的成熟期。

2.2.2 全球貨櫃海運運量

根據 Drewry Shipping Consultants 的全球貨櫃量資料顯示：貨櫃運輸自 1980 年代以來快速成長，全球港口近十年的貨櫃裝卸量平均年成長率 10.5%， 至 2003 年達到 3 億 1700 萬 TEU。若以區域分析，以遠東地區占有率最大，2000 至 2003 年均逐年成長，占全球 30.2%～34.2%，2003 年更突破 1 億 TEU；其 次是歐洲地區，裝卸量由 5300 萬 TEU 逐年成長至 6500 萬 TEU，占有率介於 20.4%～22.4%；第三是東南亞地區，裝卸量亦由 3400 萬 TEU 逐年成長至 4500 萬 TEU，占有率介於 14.3%～14.9%；第四是北美洲地區，裝卸量由 3100 萬 TEU 逐 年成長至 3700 萬 TEU，占有率介於 11.8%～13.1%；其他地區占有率雖低於 10%，但仍呈現逐年成長之趨勢。

根據 Drewry 分析，近年來貨櫃運輸快速成長原因，主要因中國加入 WTO 後，歐美國家持續外包(Outsourcing)給中國大陸進行產品之生產，因而促進貨 櫃海運之成長，在 2002 和 2003 年中國經濟是貨櫃貿易發展的驅動力，預估 2004 和 2005 將維持前兩年之趨勢持續成長，成長率預估 13.4%及 11.2%。2006 至 2009 年將趨於保守，預估成長率調降為 8.5%至 6.6%間。按 Drewry 預測趨勢， 2003 年全球港口貨櫃裝卸量是 3 億 1700 萬 TEU，預估至 2009 年將達到 5 億 2800 萬 TEU，成長 66.5%。其中遠東地區在 2003 年是 1 億 900 萬 TEU，預 估至 2009 年將達到 2 億 900 萬 TEU，成長 91.9%，成長率高於全球成長率。 進一步來看全球各主要區域間的貨櫃流量。圖 2 顯示 Containerisation International 所統計的 2004 年全球各主要區域間貨櫃流量。資料顯示：各區 域間的貨櫃流量以東西向流量較大，南北向流量相對較少。東西向的流動以遠東 與北美地區間的流量最大，雙向流量達 1646.7 萬 TEU，遠東與歐洲間的流量其 次，雙向流量為 1055.0 萬 TEU，而北美與歐洲間的流量第三，雙向流量為 492.5 萬 TEU。三條主要貨櫃流的東西向流量不均衡情況均很嚴重，以遠東與北美間的 貨櫃流為例，遠東運往北美的貨櫃達 1233.7 萬 TEU，而北美運往遠東的貨櫃僅 413.0 萬 TEU，換句話說，每三個由遠東運至北美的貨櫃只有一個運回。 南北向的流動主要有東北亞─東南亞、北美─中南美、遠東─大洋洲、歐 洲─西非、歐洲─大洋洲、歐洲─中南美等。其中，以東北亞與東南亞間的流量 較大，雙向流量達 777.6 萬 TEU，北美與中南美間的流量其次，雙向流量達 384.9 萬 TEU，歐洲與中南美間的流量第三，雙向流量達 260.0 萬 TEU。而後來 Containerisation International 亦預測未來三年全球各區域間的貨櫃流量均 將持續成長，其預測 2008 年各主要區域間的貨櫃流量如圖 3 所示。

2.2.3 國際海運發展趨勢 目前國際海運的發展主要有三大趨勢，一是貨櫃船的運送船型趨向大型 化，二是航商間的聯營合作盛行，三是貨櫃運輸形成海運的軸輻網路。 1. 貨櫃船大型化 目前遠洋航線船東為降低營運成本，紛紛建造大型貨櫃船，以迎接日益競爭 激烈的貨櫃航運市場，世界各主要貨櫃航線的運送船型趨向大型化。以 1997 年 至 2006 年之世界各型貨櫃船的數量多寡來看(如表 2.1 所示)，可以發現 1,000TEU 以下的貨櫃船數之比例從 1997 年的 34.9%降至 2006 年的 29.2%， 1,000~2,000TEU 貨櫃船數之比例從 1997 年的 34.4%降至 2006 年的 27.4%， 而 4,000TEU 以上貨櫃船數的比例由 1997 年的 5.9%升至 2006 年的 18.9%，明 確顯示整體貨櫃船的船型正朝向大型化。

表 2.1 1997-2006 年世界各型貨櫃船之數量統計 1997 年 2000 年 2003 年 2006 年 船舶大小(teu) 艘數（比率） 艘數（比率） 艘數（比率） 艘數（比率） 0-499 344（18.8%） 376（14.9%） 422（13.8%） 393（11.1%） 500-999 295（16.1%） 462（18.4%） 559（18.3%） 643（18.1%） 1000-1999 629（34.4%） 801（31.8%） 899（29.4%） 972（27.4%） 2000-2999 304（16.6％） 399（15.9%） 471（15.4%） 579（16.3%） 3000-3999 148（8.1%） 230（9.1%） 275（9.0%） 288（8.1%） 4000-4999 92（5.0%） 157（6.2%） 209（6.8%） 285（8.0%） 5000-5999 17（0.9%） 60（2.4%） 135（4.4%） 217（6.1%） 6000 以上 0（0.0%） 32（1.3%） 93（3.0%） 170（4.8%） 總計 1829 2517 3063 3547 資料來源：Containerisation International 貨櫃船大型化的發展腳步極快，特別是在 1990 年之後，最大型貨櫃船的船 舶尺寸是以每二年或更短的時間加速突破，在 1991 年最大型貨櫃船為

4,400TEU，在 1996 年為 6,000TEU，到了 2001 年為 Hapag Lloyd 的 7,500TEU 貨櫃船， 2003 年為 OOCL 的 8,000TEU 貨櫃船，而目前世界最大的貨櫃船為地中 海航運(MSC)的 9,200TEU 貨櫃船，已於 2005 年投入亞洲─歐洲航線服務。此 外，CSCL 公司新建 9 艘 9,560TEU 貨櫃船預計在今年(2006 年)7 月投入營運，中 遠(Cosco)新建 8 艘 10,000TEU 貨櫃船預計在 2008 年 9 月投入營運。可知目前 船舶大型化的趨勢仍在持續進行中。 2. 航商聯營合作 貨櫃運輸服務係屬同質性高之產業，各貨櫃航商面對競爭極為激烈的定期 航運市埸，紛紛籌組航運聯盟或採用協議合作之營運方式，其目的除了增加作業 據點、擴大貨源、增加調派船舶航班之靈活度外，更希望能增加設備利用率、周 轉率，以降低成本、提昇服務品質與強化競爭力。傅衡宇[50]指出目前海運市場 上較常見的海運策略聯盟方式有公攤協定(Pooling Agreement)、共同派船 (joint fleet)、艙位互租(Slot-space Charter; Cross-slot charter)、艙位 互換(Slot exchange)與艙位租用等方式。各海運策略聯盟說明如下：

(1) 公攤協定： 係指營運於同一航線上之兩家以上船公司，共同派船營運，運價統一，依據 一固定公式，對參與協定之成員，提供貨運量之盈虧、費用之分攤。 (2) 共同派船： 係指各成員公司共同派船經營某一航線，噸位依出船之比率分配，市場及財 務獨立，運價、港埠費用及其他費用、相關事宜、貨櫃集散站也各負其責，但為 了運作方便起見，雙方會協議共同碼頭或其他相關設備及設施。 (3) 艙位互租： 兩家或兩家以上之公司經營類似航線或不同航線，相互簽定租用艙位之契 約，其目的是擴充雙方之服務領域，提升服水準，對於貨源之招攬即船舶之營運， 則由航運公司各自為之。 (4) 艙位互換： 係指船公司以自己擁有之艙位去換取其他公司之艙位，藉以提高艙位利用率 並可增加第三國貿易間之承運機會，一般而言，交換艙位之數量相等。 (5) 艙位租用： 係指一船公司在某一航線上之營運規模經評估後未達自行派船的水準或是 攬貨量突然增加，導致艙位不足，而向同航線之其他船公司租用所需之艙位。 目前全球著名之航商聯盟有大聯盟(Grand Alliance)、新世界聯盟(New World Alliance)與 CHKY 聯盟等。其中大聯盟包括 Hapag-Lloyd、東方海外(OOCL)、MISC 與日本郵船(NYK)等四家航商，新世界聯盟包括 Mitsui、NOL/APL 與現代

(Hyundai)等三家航商，CHKY 聯盟則由中國遠洋(Cosco)、韓進(Hanjin)、川崎 (K Line)與陽明(Yaung Ming)四家航商組成。此外，長榮亦與 Hatsu Marine、 Lloyd Triestino 組成一營運集團，快桅(Maersk Sealand)亦與 Portlink、 Safmarine 組成 AP Moller-Maersk Group。因此，貨櫃航商間的分分合合變動 極快，今日的結盟伙伴，明日可能各奔東西，或者合併為同一公司。例如：先前 大聯盟除目前四家航商外尚包括 P & O Nedlloyd；目前的快桅(Maersk Sealand) 即在前幾年由快桅(Maersk)與海陸(Sealand)兩家公司合併而成。無論如何，定 期貨櫃航商間進行策略聯盟的需求是不會減少的。

3. 貨櫃軸輻網路形成

目前軸輻網路在航空客運網路、航空貨運與快遞運輸網路、網際網路、通訊 網路等方面均大為風行。在海運上，隨著全球經濟的發展與貿易活動的熱絡，航

運市場日趨繁榮，從事遠洋業務的定期貨櫃船公司亦發展出海運的軸輻網路，即 在航運網路中選擇數個港埠為軸心港，以大型貨櫃船─母船行駛軸心港與軸心港 間的主航線，而以小型貨櫃船─集貨船行駛軸心港與地區港埠之間。

2.3 預測理論及方法

2.3.1 預測之基本性質 預測具有四項基本性質，本研究依據于宗先（1972）的看法加以彙整詮釋 如下： 一、預測程序之持續性

健全的預測，乃一種「嘗試錯誤（trial and error）」的程序，此一程序不

僅包括預測方法的更新，還包括資料的加入與調整。係因環境乃動態的、變化的， 其對預測對象所產生的影響也不一致，所以，預測者必須認識這些影響，適時的 對以往的預測成果，就當前的情況予以修正。而持續修正資料結果，才能使預測 臻於完善之境界。 二、預測情況之不確定性 預測未來是希望得知種種可能的發生，卻還沒有真正發生的現象。對於某些 連續發生的現象，只能說其連續發生的機率很高，高至可能趨近於 1，但多數現 象都不會「一定」發生。未來情況的不確定性，是由於相關因素變動所致。雖然 這些因素有時可加以預測，但彼此相互衝擊的程度卻難以測得，也因這些因素間 的相互影響無法完全控制，故未來情況得不確定性便「一定」會存在。 三、預測現象之連續性 只有預測現象的連續出現，才有以其作為預測基礎的資料。而且，唯有這 些資料能構成一定的型態，並藉由對其型態的理解，之後才能推演出未來可能的 型態。預測的現象是突發事件，無法在事前得到足夠的資訊，或者不知道該處理 那些資訊，如美國 911 爆炸事件等，則無法加以預測。 四、預測結果之錯誤性 在正常的情況下，預測結果不可能與事實絲毫不差。究其原因如下： （1） 理論上預測者本身即處於待測之系統中，預測本身即會干擾預測結果。因 此，若再預測此一干擾，則又成為另一干擾，結果將無窮無盡，永遠不會 真正符合事實，這也是邏輯上所無法克服的矛盾點。 （2） 用來預測的資料本身即與真實情況有所差異。其差異可能來自於資料提供 者為了自身利益，而對資料予以某種程度的隱瞞或扭曲，此乃人為有意所 造成的誤差。 （3） 資料加總(aggregation)的缺點。當資料的加總性越高，則資料表現實際

情況之可靠性便越低， 因加總性資料無法解決異質問題(heterogeneous problems)， 其只能將異質事件當作同質事件(homogeneous events)來 處理，因而減少其表現事實的能力，這可能是資料提供者有意或無意造成 的缺點，但卻十分常見。 （4） 工具造成的錯誤，預測模型的建立，從蒐集資料、到獲得預測數值，其間 要經過記錄、解釋、分類、計算、調整、核對等程序，經此過程可能造成 各種錯誤，又以經手人員並非完美，即使設置複查機制，亦未必能確保沒 有錯誤發生，這種狀況在非營利事業機構，或政府機構較常發生，但營利 機構亦難以避免。 （5） 同一事件，常因觀測者不同，造成敘述方式不盡相同，或詮釋方式有所差 異。 （6） 設計模型者因經驗缺乏，對各種預測的特性未能完全掌握，加上資料的使 用者，又非資料的編製者對於資料的內情無法完全洞悉，因此，在運用上 也就難以得心應手，而預測結果也因此產生誤差。 （7） 當觀察者訓練程度不足、資料定義 、分類含混或不足，終究導致資料無 法精確表達實際狀況。當第一手資料無法完全正確或充分時，若用於預測 其準確度便有一定的限度。又因種種無法測度的影響因素，預測結果達完 全符合事實的機率將很低，故完全正確的預測係屬巧合，而非常態。 由以上預測的四項基本性質得知，預測之目的，並非要求百分之百正確的結 果，而是容許誤差在忍受範圍內的結果進行風險(risk)評估，以作為決策 (decision -making)，或者規劃(planning)的依據。越接近未來情況的預測，雖 然越能降低行動過程中所遭遇的風險，也較易達成預期的目標。但是，真正重要 的是決策與計畫，以及實踐時的控管，因為預測有其不可抗力的限制，並無法真 正完全符合未來。與其耗費大量資源求得一改善有限，卻越來越複雜的預測模 型，不如將模型簡化，把資源集中在實踐上，畢竟再準確的預測，若不加以實踐， 或實踐時未能充分控管，也無法達成預期的目標。再完美的預測，也只是一個機 率，不能保證什麼事「一定」發生，而唯有發生過的事，才不會變動，此乃進行 預測時，需要留意的前提之一。 2.3.2 預測方法綜覽 預測方法依其資料性質可分為兩種基本型態：定量方法(quantitative methods)與定性方法(qualitative methods)。吳柏林(1995)認為前者通常是將 歷史事件，化成時間數列資料趨勢圖，並判別出它們的特徵，以數理方法模型化 後，再做量的預測。而後者則以專家的意見為主，因為此種預測方法，多用於評 估新的技術形式，故通常無法取得資訊，或者資訊很少，只能依據專家過去的經 驗，或者特殊感官功能，對未來的事件，做本質和特性的預測。供研究常用的預

測方法，經整理分類為十七種，其中，第一至二項屬確定模型(deterministic models)第三至九項屬隨機模型(stochastic models);第十至十一項可視為無模 型(model free)，前述十一種方法歸類為定量方法，第十二至十七項則歸為定性 方法： 一、投入產出模型(input-output models) 利用輸入矩陣 A、生產矩陣(輸出矩陣)X、需求矩陣 D 間之關係 X=AX+D， 蒐集極詳盡的資料，構建一套專屬某區域或國家市場的投入與產出模型，以顯示 所有商品與服務，在產業間或區域間的各種流動情形。 二、成長模型(growth models)

如古典的指數成長曲線(exponential growth curve)，邏輯曲線(logistic curve)，或龔佩茲曲線(Gompertz curve)，多項式函數，擴散指數，領先指標， 經濟基地研究等確定性(deterministic)模型。根據成長率(growth rates)特 性，或由所構建之微分方程式解出一組合適參數。 三、多變數迴歸方程式(multi-regression equations) 相關變數及其因果關係之間的探討，通常以迴歸方程式表示。由最大概似 法或最小平方誤差法，估計各變數的係數。 四、指數平滑法(exponential smoothing) 將過去的資料，以特定的期數求移動平均值作為預測值。通常其權數呈指 數遞增，而較新近的資料，常給予較大的權數。

五、ARIMA 模型(autoregressive-integrated moving average models) 由 Box 和 Jenkins 所提出 ARIMA(自我迴歸整合移動平均)模型，廣為 流 傳。主要方法為對歷史資料分析，檢視其自相關與偏相關等特性。應用三階段模 型包括階次認定(order identification)，參數估計(parameter estimation)， 以及診斷檢定(diagnostic checking)構建過程，在 ARIMA model 中選取一個適 當的模型來做預測。 六、灰色預測模型 (Grey Model；GM) 是應用灰色理論進行預測的主要模型。灰預測模型將離散不規則的原始數 據轉換為據指數規律的累加生成數，據此建立微分方程式，並由樣本數值產生微 分方程組求解係數，據以進行預測。 七、分解法(decomposition) 對時間數列四個特性：趨勢(T)，季節(S)，循環(C)及隨機(I)加以分析估計，

包括趨勢投射，移動三角形法。美國標準局所構建之 X-11 為其中著明之應用軟 體。 八、計量經濟模型(econometric models) 以經濟分析觀點建立計量模型。此方法需要專業經濟知識與背景。而在其蒐 集資料與構建合理聯立方程式的過程中，需投入相當成本且相當費時。 九、非線性模型(non-linear models) 對不滿足線性 ARIMA 模型的一些基本假設，應用特定非線性模型來處理， 可改善線性模型在配適與預測結果不佳情況。較常用的非線性模型有：雙線性模 型(bilinear models)，門檻模型(threshold models)，與指數 ARIMA 模型等。 十、狀態空間(state space)

乃考慮系統中影響現在狀態的因素所構成之最小集合。而此系統未來的行 為，亦僅受到此集合現在與前一期系統輸入變因之影響。

十一、類神經網路(neural network)

模擬人腦神經組織，經嘗試錯誤(try and error)與修正記憶後之所得並無 特定模型(model free)，用來做預測，故可說是無模型或經驗學習模型。 十二、預期調查(anticipation surveys) 針對所需調查之主題設計問題，在選定抽樣族群後，使用現場訪談、問卷、 電話、郵件、電子郵件等方式，並利用統計方法將資料處理後，得到所需之結果。 十三、德菲法(Delphi method) 此方法具有十分完整定義的程序，由一組仔細挑選的小組討論人員，利用問 卷蒐集專家的意見，並且持續累積，直至得出結論。 十四、小組協議(panel consensus) 一種有組織的探討方式，係由許多人組成的小組，針對某些特定事項進行評 鑑的協議，如政府之智囊團、國策顧問等團體。 十五、市場研究(market research) 利用現場工作人員，對現場的買方、賣方、代理商、運送人員等進行訪問， 以求得第一線人員，也就是最熟悉現場操作人員之預測。 十六、情境分析(scenarios-based forecasting) 歸納許多個人與專家的偏好選擇，以計數或序列的衡量尺度把他們的觀點排

列下來，產生一組重要的因素或特性，這些因素或特性被認為是可以解釋某一特 定事項的。

十七、想像預測(visionary forecasts)

僱用一位行業中有名的想像家，這種人具有透視某項特定問題或爭議可能內 涵的本事，甚至可能比定量方法所做出的結論更精準，如美國央行總裁葛林斯潘 (Alan Greenspan)等。綜上所述分析，比較適合 BDI 預測的有灰色預測法、指數 平滑法及 ARIMA 模型。 2.3.3 預測方法的選取 預測方法之選取受決策當時所遭遇的環境特性與成本效益問題的影響很 大。應如何選取合適的預測方法？依吳柏林(1995)提到決策過程中，必須考量的 幾個重要因素加以整理歸納如下： 一、需要何種形式的預測 預測的形式有三種：點預測、區間預測、以及等第(rank)預測。例如:「公 司下個月銷售額約三千萬」、「此路線下季的乘客成長率為 2.5％」等屬於點預測; 「台北市明年夏季的每日用水需求，為四十到四十七萬噸之間，信心水準 95％」 等為區間預測；「明天的紫外線等級為微量」、「明年第一季的經濟景氣指標，將 持續黃藍燈」則屬於等第預測。 二、預測時間多長 這要看資料與決策的性質，需要預測的時間點可能只要有幾天或幾週，也可 能長達數月甚或數年。以本文為例，選取的方法應以可進行中、長期預測者為主。 三、有多少項目需要預測 預測不需要對影響系統的每個變數作考量，過多變數的預測反而會模糊系統 目標。在多變量模式的建立過程中，一般有五個變數的系統結構就已相當複雜。 為達本文之研究目的，本文擬採用灰預測方法進行預測。 四.預測需要精準到什麼程度 預測精確性攸關管理決策的品質。但精確度越高的預測，通常需要付出的時 間與成本也越高。因此，低成本高精確度的預測方式，才是公司企業等營利團體 所追求的目標。短期的預測，相對而言，比長期預測容易更精確，因而對精確度 的要求也較高。本文對短期及中期(3～15 個月)預測精確度的標準，是按一般人 的經驗法則，以平均誤差低於 5％為優，5％~10％為良，10％～20％為可，超過 20％為劣。而本文之研究目的並非預測方法的改良，而在於發現新的解釋變數， 以及新的資料的運用，故對各預測方法其預測準確度的要求，只要不差於一般預

測方法即可。考慮到本身的研究資源及所需的精確程度，灰色預測模式為本研究 所採之預測方法。 五、系統結構的轉變 由於系統結構性轉變(structure change)的發生，預測者需配合動態變化的 歷 史演進，構建符合目前狀況的模型，避免導致需求或供給的時間數列其走勢與過 去產生迥異之現象。若一味跟隨過去的經驗，則難以對新市場的變遷做準確之預 測。本研究著重在預測方法的比較，因此將不考慮此可能的結構性轉變。 2.3.4 預測方法之比較 由預測方法綜覽之陳述，在已知的預測方法中，所需基本資料最少的預測 方法，也就是只需要單一項目之歷史資料者，為減少資料蒐集時間，並維持一定 的預測能力，因此，本研究只考慮使用灰預測方法來預測歐洲線的運價，期能找 出最佳的預測模型。茲將本研究所擬採用的方法與其他ㄧ般常見的預測方法作比 較，並分析其優缺點列表於表 2.2 表 2.2 各種預測方法比較 預測方法 理論內容 優點 缺點 指數平滑法 預測值是預測時點前 一期的實際值和前一 期預測值的加權平 均，平滑係數α越 大，預測值越不穩 定，但對於實際數據 的變化反應越敏感。 所需資料少，計算 較簡便。 1. 在處理有線性 趨勢的數據 時，可能產生 落後偏差。 2. 需再進行一次 指數平滑法， 以提高對時間 序列的穩合程 度，使預測值 更符合實際。 計量經濟模型 以有關數據來表示事 實，及以計量經濟理 論及方法來測量與檢 定某些經濟變數間的 關係，從而提供經濟 分析實證背景。 1. 具經濟理論基 礎，易解釋自 變數與因變數 之關係，較有 說服力。 2. 對趨勢之變化 能有效的分析 及解釋。 1. 係數固定，故 對外在因素的 改變，缺乏反 應之彈性。 2. 參數推估費時 且花費較高。

時間序列分析 時間序列中之各觀測 值間通常都存在相關 性，時間相隔越短之 兩觀測值，相關性越 大，因此僅依變數本 身過去的資料所存在 的變異型態來建立模 型。 1. 對於週期性、 季節性及循環 性之趨勢易於 掌握。 2. 純粹以歷史數 據為預測基 礎，資料容易 收集，成本 低。 1. 模型選擇需高 度技巧與經 驗。 2. 無經濟理論基 礎將造成模型 解釋不易。 灰預測 在一堆雜亂無章的數 據中，經過累加生成 就數找數，找出其可 能隱藏之特徵與規律 性，以降低數據之隨 機性。 1. 模型操作簡 單。 2. 所需原始數列 元素數目不需 太多（超過四 筆即可）。 3. 不需事前假設 數列分布情 形。 模型參數採最小 平方法推估，在系 統受干擾時將會 產生偏誤估計。 類神經網路 透過訓練的方式，讓 類神經網路反覆學 習，直到對每個輸入 都能正確對應到所需 要的輸出，因此在類 神經網路學習前，必 須建立出一個訓練樣 本（training pattern）使類神經網 路在學習的過程中有 一個參考，訓練樣本 的建立來自於實際系 統輸入與輸出或是以 往的經驗。 1. 可以建構非線 性的模型。 2. 對於未知的輸 入可得到正確 的輸出，並可 以接受不同種 類的變數作為 輸入，適應性 強。 3. 可應用的領域 相當廣泛。 1. 類神經網路的 解有無限多 組，無法得知 哪一組的解為 最佳解。 2. 訓練的過程中 無法得知需要 多少神經元個 數，太多或太 少的神經元均 會影響系統的 準確性，因此 往往需以試誤 的方式得到適 當的神經元個 數。 德爾菲法 採用函詢調查的形 式，向與預測問題有 關領域的專家分別提 出問題，使專家在彼 1. 不需要集合專 家就可以綜合 專家的意見， 並收集思廣益 1. 問卷內容不能 明確表示議題 內涵或問題模 擬兩可時，將

此不見面的情況下發 表意見、交流資訊， 而後將他們的答覆意 見加以整理綜合。經 過多次反覆迴圈與技 術處理，最後匯總得 出比較一致、可靠的 預測結果。 之效，且允許 有合理的分歧 意見。 2. 不需要歷史資 料，更不需要 艱深的統計分 析技術。 使評估結果有 所偏頗。 2. 目的在使專家 群體之意見有 一致性的收 斂，然而受訪 的專家可能因 意見相左而不 易收斂，影響 評估結果。 資料來源：本研究整理 2.3.5 灰預測之相關文獻 一般社會系統，除了輸入時間數列(如某年的數值、產量)是明確可知外，在 投入的數據就顯得相當缺乏或不明確，尤其是社會、經濟系統是抽象的，不比公 程系統有著明顯的系統內外之分，而可清楚觀察出輸入與輸出間的關係，進而分 析投入與產出的影響。因此，根據鄧聚龍(1992)於灰預測原理與應用一書提到， 訊息完全、明確的系統為「白色系統」，訊息完全不明確的系統為「黑色系統」， 而部份訊息明確、部分訊息不明確的系統為「灰色系統」。 灰色系統理論為鄧聚龍教授所提出，是一種適用於預測與決策的新理論方 法，灰色理論是以顏色命名，表示部份訊息未知，亦即對系統的特性、結構等不 完全了解。近年來，灰色系統理論已被廣泛運用，且獲得相當良好的研究成果。 依據運用灰色理論的相關研究顯示，灰預測分析模型適合應用於短期或無法取得 完整訊息的預測分析，僅需要至少四筆以上數據資料，即可獲得令人滿意之預測 結果。因此，對市場環境瞬息萬變與日新月異之散裝航運產業來說，應用灰預測 模型或可準確預測未來航運市場之運價趨勢。灰色系統理論除了應用在運輸領域 外，經由各界大力推廣與努力，在季節災變、股價指數、商業活動、人力資源、 科技產業預測等各個領域已有相當豐碩之成果。 林科(1994)利用灰色理論預測兩岸間接通航每年所增加之運輸成本，在 1993 年至 1996 年間，分別增加 59.5 億美元及 6830 萬美元的客貨運輸成本。許 巧鶯與溫裕弘(1997)利用 GM(1,1)及 GM(1,N)構建台灣國際航空運量的預測模型 及來台旅客與國人出國之預測模型，並與 VAR 及 ARIMA 模型預測結果比較分析， 研究結果顯示，灰預測模型預測能力較傳統迴歸模型與 ARIMA 模型為佳。溫裕弘 (1996)應用灰預測理論構建航線運量預測、航空網路形態設計、航線班機頻次規

劃與機型指派預測模型，經實證研究顯示，運量預測模型對運量變化的擬合及上 下包絡灰區間對運量未來發展的捕捉，均較傳統迴歸模型與時間數列模型具有較 佳之預測能力。 Lin (2000)根據 1978 至 1984 之 USAF (美國空軍)每年所公佈的失事率資 料來預測每 10000 飛行小時之意外發生機率，藉由 GM(1,1)模型進行灰預測，精 確度可以達到 95%以上，而美國空軍所預測的數據資料精確度為 85%，因此，對 於美國空軍的每一萬小時的失事率而言，灰預測的精確度比 USAF 的預測高出了 10%。 謝尚行與呂志哲(2004)以灰色預測模式預測中國大陸經濟發展對亞洲主要 港埠貨櫃量之影響，建立 GM(1, 1)時間數列預測模式，再考慮由於貨櫃量資料 隨機性較高，預測之準確度會因而受到影響，因此提出以殘差數據建立 GM 殘差 模式修正原灰色模型；但會遇到修正數據的正負耗問題，因此應用馬可夫鏈 (Markov Chain)建立狀態機率轉移矩陣，來捕捉殘差符號的隨機動態變化。結合 灰色預測模式、殘差 GM(1,1)模式和殘差符號的馬可夫預測模式，即得到灰色馬 可夫殘差修正模式。實證結果顯示，此預測模式能充分利用歷史數據資料，對隨 機波動性較大之數列的預測較具準確度。而本研究以 GM(1, 1)時間數列預測模 式，對定期船運價來進行預測。 2.3.6 ARIMA 預測模型之相關文獻 Tiao and Xu 於 1993 年發表改良的指數平滑法，將向前預測的期數導入指 數平滑公式裡，使得平滑參數成為向前預測期數的函數。在不知正確模型為何的 情況下，使用指數平滑來進行未來期數的預測，有相當良好的表現。另一方面， Ing(2001)證明了對任意階數的 ARIMA(p,1,q)模型都可以用高階(意謂階數隨著 資料增加而增加)的 AR (Autoregressive)模型來逼近並取得真有一致性的預測 結果。為了比較兩種預測方法的好壞，以模擬的方式，在多個不穩定時間數列模 型下，以 AIC 選取(高階的)AR 模型，並以選出模型與指數平滑法做預測能力上 的比較。發現以 AIC 選模，不僅具備計算便捷的優點，且當資料並非來自 ARI(LIA(0,1,1))模型時，選中的 AR 模型在預測能力上明顯優於指數平滑法。 徐瑞玲(1998)其時間數列模型建立之各種分析方法之比較與實證研究中說 明時間數列分析自一九七 O 年 Box-Jenkins 發展出自我迴歸移動平均整合模型 (ARIMA(p,d,q))之後，便更普遍地應用於經濟、企管、工程及物理等相關領域上。 張小彤(2003)以時間數列 ARIMA 模型做預測，研究新台幣對美元匯率的預 測。研究結果 ARIMA 模型預測結果的平均誤差為 0.2152，研究結果預測未來台 幣相對於美元有升值的趨勢。鄭美幸與詹志明(2002)利用隨機漫步模型、GARCH

模型及 GM(1,1)模型，針對每月新台幣對美元的匯率的預測績效，發現在一個月 及三個月的預測績效中，灰預測模型最佳，GARCH 模型次之，隨機漫步模型最差； 在六個月的長期預測績效中則相反。 2.4

小結

在海運市場與運價文獻回顧中，可以清楚的發現海運市場是一相當國際性的 產業，市場上存有多國業者與投資人競爭，但同時也面臨著強烈的不確定性，此 乃因海運貨物來源繫於全球經濟脈動，運價為供給面與需求面交互影響下的均衡 結果，且海運市場的船噸供給或需求在短期間缺乏彈性，一遇到外來事件衝擊， 如美國 911 事件與近期油價高漲，將導致國際海運市場價格的波動。 貨櫃航運現況分析上，近年來貨櫃運輸成長快速，全球港口貨櫃裝卸量在 2003 年為 3 億 1700 萬 TEU，預估至 2009 年將達到 5 億 2800 萬 TEU，其中遠東 地區的佔有率最大，且預期未來的成長率亦高於全球成長率。全球各主要區域間 的貨櫃流量以東西向流量較大，南北向流量相對較少。東西向的流動以遠東與北 美地區間的流量最大，遠東與歐洲間的流量其次，北美與歐洲間的流量第三。在 船舶供給方面，全球貨櫃船的總船舶能量在 2005 年達 802 萬 TEU，多集中在 主要貨櫃航商手中。未來的貨櫃航運網路將朝向輻輻網路發展，貨櫃船將更趨大 型化，而航商與航商之間的合作聯營將更趨密切。 在預測理論及方法文獻回顧中，對於海運運價的預測，以往多以時間序列 法(包含 ARIMA 法)佔多數，其次是灰預測 GM(1,1)。近年來中國大陸經濟發展 很迅速，對於海運市場運價已產生影響，若能將中國大陸經濟發展重要經濟指標 納入模型當作解釋變數，對於運價的預測上會有更貼近現實的模型。因此本研究 的研究方法將先採用計量方法中 Panel Data 模型，所採用的解釋變數以歐元變 動匯率(經濟指標)、油價波動、航行路線與中國大陸經濟指標為主，嘗試去探討 定期船的運價是否會受到上面幾個因素的影響。而後建立定期船運價的預測模式 時，目的是在引用新的變數做為解釋變數而非方法上的改善；另外由於資料比數 少，所以亦將利用灰色預測模式建立運價之預測模式。

第三章 海運市場的種類及分析

3.1 海運市場的介紹

一.依營運型態分類

海運市場依船舶營運型態分類可分為：定期船運輸(Liner Sea

Transportation)與不定期船運輸(Tramp Sea Transportation)。為了更清楚全 球海運貿易貨載劃分的情況，整理如下圖 4：

定期船運輸是指船舶運輸有固定航線、固定靠泊港口、固定費率表(Tariff)， 以提供眾多託運人服務，運輸服務業者扮演公共運送人角色，目前多半是指貨櫃 船運輸型態，主要以承攬運送量少價格高的終端消費產品，其一般要求較高的運 輸服務品質。不定期船運輸是指在船東以追求市場最高利潤為導向下，不限定航 線或貨載而選擇出最佳營運操作與最佳船舶配置，ㄧ般將船舶當作商品化並視現 在及未來市場的條件，在船舶租傭船市場(Chartering Market)與特定單一客戶 訂定船舶租傭，雙方可針對貨物運送合約或對約定期間內船舶的船艙使用等訂定 私人合約(Private Contract)，船東則扮演私運送人角色(Private Carrier)， 在此情況下，不定期船運輸型態具有多元化且高度彈性，營運管理與經營策略與 定期船運輸是截然不同的。 定期船運輸與不定期船運輸的差異，除了營運船舶管理均要遵守國際海事公 法規範外，也因市場價格差異的特性，而導致業務行銷與交易型態不同，表 3 將比較定期船營運與不定期船營運的差異： 表 3.1 定期船運輸與不定期船運輸差異比較 不同項目 定期船運輸 不定期船運輸 市場環境 非完全競爭市場，近似寡 占，短期價格穩定，透明 揭露 近似完全競爭市場 價格波動劇烈，預測不易 營運導向 公共運送人角色，滿足顧 客服務需求，提高市場佔 有率 TR=P×Q（P 趨近於固定） 掌握最佳時機，降低風險 TR=P×Q（P 變動劇烈） 營運模式 航線船舶配置固定，貨物 運送、人員設備及營運投 入較無彈性 租入適合船舶、出租不適 合船，船舶租傭為輔 視船舶及貨載合約為商 品交易，將船舶以長短期 出租或租入，貨載合約簽 入或簽出 除重要投資船舶外，人員 設備投入不多，以臨時指 派為主 資料來源：陳永順（2005 年） 除了定期船運輸與不定期船運輸之外，另ㄧ種未涉及船舶商業交易者稱為 貨自運企業運輸者(Industry Carrier)，ㄧ般出現在工業原料的供應商及進口 商，如煤鐵礦與石油的供應商或進口商，為了穩定原料進出口船期及固定運輸成 本，通常偏好擁有或掌控一定比例的船隊，且其船隊很少對其他人提供運輸服務。

二.供給面

就海運市場而言，主要分為油輪、散裝輪及貨櫃輪三種，依據 Clarkson Research Studies 的資料，至 2006 年 6 月為止的載重噸數計算，此三種輪船的 全球比重分別為 38.16%、38.04%及 12.65%，合計共 88.85%。國內因為並無產 油，因此並無以油輪為主要營運項目的船公司，主要是向國外油輪公司承租，以 滿足國內的原油需求。而國內主要營運是以貨櫃輪及散裝輪為主，因此以下討論 將著重在貨櫃輪及散裝輪。依據 Clarkson Research 的資料顯示，在 2006 年全 球的供給運量成長率依序為貨櫃輪的 14.81%、大型油輪的 7.44%及散裝輪的 7.25%，可看出貨櫃輪的供給成長率明顯高於散裝輪，主要原因是受到海運業近 期景氣好轉，造船廠在有限的產能及造船廠空間下（造 1 條船時間約需 1-2 年），因貨櫃輪及油輪造船費用較高，且毛利較高（因貨櫃輪內部需另外安裝支 撐貨櫃的貨櫃支架，油輪則需另外再安裝特殊油管，以供裝卸），因此願意承接 較多的貨櫃輪及油輪造船合約，在產能受到排擠的情況下，使得散裝輪的年增率 明顯低於貨櫃輪及油輪。另外，在新船供應吃緊時，貨櫃船商的公司規模較大， 因此在談判造船的優先權時，較易取得優勢。 就全球貨櫃船運量供給而言，2006 年底的運量年成長率為 9.98%，預估 2007 及 2008 年的運量年成長率分別有 14.87%及 19.63%，相較近年的貨櫃需求約在 8-11%的成長而言，貨櫃船供需之間的差距在 2006 年尚能維持平衡，但預期至 2007 年則有供過於求的壓力出現；反觀散裝船的運量成長則較為穩定，雖然主 要的成長為 Capesize，但整體而言，2006 年底運量年成長率為 7.25%，預估 2007 及 2008 年的運量年成長率分別為 5.49%及 7.87%。就供給方而言，尤 2007 年 的散裝運能年成長率僅 5.49%，相較 2004、2005 及 2006 年的年成長率分別為 6.65%、6.98%及 7.25%，2007 年成長率明顯低於往年水準，因此預期在大陸需 求仍持續成長，應可順利消化新增的供給量。

三.需求面

根據 Drewry 分析，近年來貨櫃運輸快速成長原因，主要因中國加入 WTO 後， 歐美國家持續外包(Outsourcing)給中國大陸進行產品之生產，因而促進貨櫃海 運之成長，在 2002 和 2003 年中國經濟是貨櫃貿易發展的驅動力，預估 2004 和 2005 將維持前兩年之趨勢持續成長，成長率預估 13.4%及 11.2%。2006 至 2009 年將趨於保守，預估成長率調降為 8.5%至 6.6%間。按 Drewry 預測趨勢，2003 年 全球港口貨櫃裝卸量是 3 億 1700 萬 TEU，預估至 2009 年將達到 5 億 2800 萬 TEU，成長 66.5%。其中遠東地區在 2003 年是 1 億 900 萬 TEU，預估至 2009 年將達到 2 億 900 萬 TEU，成長 91.9%，成長率高於全球成長率。

表 3.2 顯示目前全球各規模貨櫃船的數量與能量。可以看出：在 2005 年底 全球貨櫃船舶能量達 802 萬 TEU，較 2004 年底增加了 11.8%，而且此一成長 趨勢仍在持續，若所有新造貨櫃船均如期投入營運，則至 2006 年底全球貨櫃船 舶能量將增加 16.9%，至 2007 年底將再增加 15.2%。 而全球貨櫃船舶的能量幾乎都集中在主要貨櫃航商手中，按 2006 年 12 月 之資料顯示，世界前二十大貨櫃船營運業者的能量達 841 萬 TEU，約佔世界總量 的 81.3%，其中排名第一的 AP Moller Group 獨佔總量的 17%，而長榮海運排名 第 4，佔了總量的 5.2％，陽明海運排名第 16 ，佔了總量的 2.3％。表 3.3 顯示 世界前 20 大貨櫃船公司的排名統計。 表 3.2 全球貨櫃船舶的數量與能量 2005 年底（營運 中） 2006 年（新造） 2007 年（新造） 船舶規模 （TEU） 艘數 能量 （TEU） 艘數 能量 （TEU） 艘數 能量 （TEU） 0-499 393 125525 0 0 0 0 500-999 643 465408 84 69328 38 31552 1000-1999 972 1372615 75 108966 81 121508 2000-2999 579 1441230 72 190384 60 160264 3000-3999 288 989243 19 63094 42 144015 4000-4999 285 1245485 40 170245 55 247215 5000-5999 217 1188329 23 124771 27 148071 6000 以上 170 1195055 78 630203 74 577673 總計 3547 8022890 391 1356991 377 1430298 資料來源：Containerisation International