一、中国出口集装箱运价指数解析(论文文献综述)
钱杭璐[1](2021)在《航运运价淡季回落后还会再涨吗?》文中研究指明目前供需紧张程度缓解,运价回落。集装箱运输市场仍存不确定性因素,未来运价发展受制因素较多。随着缺箱缺舱情况的缓解和市场整体运输需求的下降,近期集装箱航线运价较高位有一定回落。宁波出口集装箱运价指数(NCFI)数据显示,截至今年11月19日,NCFI综合指数报收于3964.2点,较今年年内最高点下跌5.7%,但较去年同期上涨157.6%,较2020年1月第1周,即新冠肺炎疫情前,上涨296.0%。
张梦迪[2](2021)在《我国铁路货运定价优化方法与管理策略研究》文中进行了进一步梳理近年来,我国由市场决定价格的机制在逐步完善,政府对价格的管制逐渐放松,铁路运输企业参与运输市场竞争的主体地位得到充分体现。同时,我国产业结构正在加快调整,货物运输结构不断优化,“公转铁”政策也在向前推进。在当前政策形势及运输市场发展趋势的推动下,在充分利用好货运定价权限的同时,铁路运输企业对货运定价方法及策略的优化调整,成为亟待解决的重要问题。论文从提高铁路运输企业经济效益角度出发,关注我国铁路货运定价方法的优化改进,通过分析当前铁路货物运价体系架构及其优化方向,将复合两部定价方法引入铁路货运定价领域,提出基于货运作业过程和运输需求特点的铁路货运两阶段复合定价模型,从外部、内部两个角度研究执行该定价模型对其他部门、行业以及对铁路运输企业的影响,并据此提出动态调整的铁路货运价格管理策略。论文的研究结果不但为铁路货物运价的制定提供理论和方法参考,也为调整货物运输定价策略、优化铁路货运价格体系和管理方式、提升铁路运输企业货运经营收益提供策略建议。主要研究内容和结论如下:(1)铁路货物运价体系的优化方向研究。围绕我国铁路货物运价管理体系、运价形成机制、计价形式、定价基础、差别定价结构等方面开展研究讨论,提出铁路企业货运价格改革的重点是改进货物运价定价方法,并从定价目标、计价形式、定价方法、差别定价等方面提出定价优化方向。(2)铁路货物运价计价形式和定价方法改进研究。在铁路运输企业收益最大化定价目标的前提下,对现行铁路货运定价进行计价形式和定价方法的改进,并基于铁路货物作业过程和运输需求差异,提出按照货物运输需求实行差别定价的铁路货运两阶段复合定价模型,最后使用福利分析法检验并证明了两阶段复合定价的合理性。两阶段复合定价能够满足当前铁路货物运价体系的优化需求,并对计价形式、定价方法、差别定价等起到改进效果,能够帮助减少社会福利损失、增强铁路运输企业市场竞争力以及实现对货主的公平。(3)铁路货运两阶段复合定价模式下,价格水平的变动影响研究。利用投入产出价格影响模型,考察铁路货运价格调整对国民经济其他部门及一般价格水平的影响效应;利用向量自回归思想,考察市场竞争环境下铁路货运价格与公路货运价格间的联动关系。经检验,由定价方法改变而带来铁路货运价格水平的变动,对国民经济各部门和一般价格水平的影响效应较广,但总体影响程度较低;对公路货运价格会产生持续、小强度的反向冲击影响。(4)铁路货运两阶段复合定价模式下,铁路货运计价形式研究。对货物运输需求进行分析,使用需求函数和需求弹性检验了不同货物品类运输需求的差异性,研究设计铁路货物运价计价步骤和分品类运价率表设计方案,提出能够动态调整的铁路货物运价管理策略。本论文主要创新点包括:(1)设计并构建了可应用于铁路货物运价计价过程的两阶段复合定价模型,是复合两部定价理论在铁路货运定价领域的应用扩展。(2)实证检验了铁路货运价格变动对国民经济的影响,为铁路货运价格调整及实施浮动价格策略提供新依据,进一步深化对铁路货运价格影响效应的研究。(3)解析并验证了铁路货运价格与公路货运价格水平间的相互影响关系,为铁路货运定价策略的发展革新提供研究参考。(4)分析并探讨了货运计价形式和定价方法变革对铁路企业价格管理方式的影响,提出突破既有运价号限制、按货物品名大类进行精细计价的两阶段复合定价方案,为铁路运输企业市场化定价提供了新途径。图18幅,表24个,参考文献125篇。
李博[3](2021)在《中国出口集装箱运价指数研究述评与未来展望》文中研究表明中国出口集装箱运价指数(China Containerized Freight Index,简称CCFI)是全球唯一用于反映集装箱运价的指数。该指数客观、及时地反映了中国集装箱航运市场运价变动情况。是否能够主动掌握CCFI指数的发展态势,及时准确地应对CCFI指数的波动,是政府和企业在市场上做出正确决策的关键。在总结中国出口集装箱运价指数研究现状的基础上,从CCFI指数的编制、波动特性、影响因素以及预测四个方面,系统地对已有相关研究进行述评并展望。
汤霞[4](2021)在《集装箱班轮运价市场波动及传导特征研究》文中指出随着全球经贸往来的日益频繁,国际集装箱班轮运输发展速度远远超过其他海上运输方式,正发挥着越来越重要的作用,班轮运输市场波动也备受国内外学者关注。受国际经济形势、政治局势、重大事件、科技发展等多种不确定性因素影响,国际集装箱班轮运价市场波动剧烈,给航运企业、货主货代、金融机构等市场参与者带来极大的经营及投资风险,也不利于国家对外经贸的健康发展。如何从不同维度深入挖掘集装箱班轮运价市场波动及传导动力学特征,为市场参与者提供更全面有效的市场信息辅助决策,是航运经济领域的重点关注问题。因此,本研究在不同形式的集装箱班轮运价市场的复杂波动特征分析的基础上,引入复杂网络理论,分别对时间维度上集装箱班轮即期市场运价指数自相关波动、空间维度上集装箱班轮分航线市场运价关联波动、金融属性维度上集装箱班轮期现货市场价格关联波动的传导动力学特征进行了研究,揭示了集装箱班轮运价市场内在波动传导规律,提出了针对市场参与者经营及投资决策、政府部门航运产业调控措施的相关建议。主要研究工作及创新如下:(1)挖掘了集装箱班轮运价市场不同时间尺度下的波动规律。基于VMD方法构建了集装箱班轮运价市场波动特征分析及走势预测模型,以上海出口集装箱班轮市场为实证研究对象,对其即期、分航线和期货等不同形式的集装箱班轮运价市场的复杂波动特征进行了分析,较好地提炼了其内在时间尺度特征,合理表达了其蕴含的经济意义,为集装箱班轮运价市场波动传导特征研究奠定了基础。研究结果表明,不同形式的集装箱班轮运价序列均呈现非线性、非平稳和多时间尺度特征,不同时间尺度下表现出的长期趋势、周期性、季节性和不规则波动规律略有不同,是典型的复杂性系统。(2)引入符号动力学方法和复杂网络理论,构建了集装箱班轮运价指数序列的自相关波动网络模型,以SCFI为实证研究对象,通过网络的核心模态、传导模式、集群效应、传导媒介能力、传导距离等拓扑结构分析,探讨了其自相关波动传导动力学特征,从微观视角深入理解即期市场整体波动规律和机理。研究发现,SCFI自相关波动具有一定的持续性、周期性和集群效应,波动传导模式有规律可循,以正相关波动为主,存在波动状态转变的前兆模态,可为市场波动风险提供预警信息,预测SCFI的波动方向。(3)借助格兰杰因果关系检验与复杂网络理论,构建了集装箱分航线市场运价波动格兰杰因果网络模型,以SCFI分航线市场为实证研究对象,从系统整体新视角研究了其运价波动传导范围、传导距离、传导媒介能力、集聚能力及传导路径等动力学特征,从空间结构维度加深对集装箱班轮运价市场的认识。研究表明,SCFI不同航线运价波动的影响范围和被影响范围均不同、航线子市场间运价波动传导的速度很快、不同航线媒介能力及集聚能力不同、可划分为4个社团等。市场参与者可据此确定重点监测子市场,把握市场波动传导路径,优化经营决策,强化市场精准调控。(4)通过集装箱班轮期现货市场关联波动状态的定义、符号化和粗粒化处理,构建了集装箱期现货价格关联波动网络模型,以SCFI欧洲、美西航线期现货价格为实证研究对象,通过分析关联波动网络的拓扑结构研究了集装箱期现货价格关联关系的动态波动传导特征,从金融属性维度加强集装箱班轮市场发展特征的理解。研究发现,期现货价格关联波动的主要趋势为同向关联,美西航线同向关联概率大于欧洲航线,关联波动具有周期性、群簇性和小团体特征,存在少数介数高点强度低的关联波动模态是群簇关联波动转换的前兆。市场参与者可据此合理制定航线运价、调整跨市场投资策略等。
金崇林[5](2020)在《中国干散货海运贸易时空格局探究》文中研究指明干散货运输是国际海事贸易的重要组成部分,运输量占世界海运量的三分之一以上,随着中国在全球海运网络中地位的日渐提高,全面掌握中国各港口的贸易特征已经变的迫在眉睫。中国作为干散货贸易的进出口大国,准确把握中国港口干散货海运贸易时空格局能够更好的推动沿线港口功能定位及区域贸易协作,而目前,对中国海运市场的研究主要集中在集装箱海运网络和石油运输网络,对干散货海运网络研究较少。本文基于2014年中国干散货AIS数据、第6次人口普查数据和第25版世界港口检索数据,从时间和空间两个角度探究了中国各港口干散货海运贸易时空格局。首先得到2014年各月中国干散货的贸易频次以及贸易量,通过分析综合考虑比较贸易频次和贸易量,得出在不同时间内,中国干散货的贸易状况,从而可以根据时间充分利用货船资源。然后根据块模型分析法,将港口分成了8个区块,从横向和纵向两个角度分析,得到各个区块的港口重合度以及该区块中的核心港口,由此了解各港口之间的依赖和竞争。再者通过品类发展指数法分析的干散货在各个港口市场的发展程度,得到各区域需求市场的形成以及各港口在区域内的地位发展,进一步掌握区域的经济发展和人民需求状况,为扩大市场和投资预判提供有利参考最后通过分析各港口的干散货显示性比较优势指数,得到各港口和各区域的干散货贸易在国内市场上的竞争力。并根据分析结果,给出针对性的政策建议,以便更好的提高各区域各港口的干散货贸易质量。研究表明:1)2014年各月干散货贸易分布较不均衡,存在波浪式涨落,在1月份和5月份达到最高值,而在2月和12月达到最低值,7-9月中贸易量及贸易频次没有很好的均衡,可能造成资源浪费,且贸易量受节假日和天气状况的影响较大;2)中国干散货海运网络共分为8个区块,上海港、舟山港和天津新港在整个海运网络中处于核心地位。其中区块1其内部成员联系相对较多,区块7其内部成员联系相对较少。各区块均呈现出以核心港口带动周围港口发展的轴辐式网络结构,不同区块间存在不同程度的互动和交流,在整个中国海运网络中,有着上海港和舟山港的区块8起到了总主导作用;3)环渤海地区形成以天津新港为核心的需求市场,整体上出口大于进口,对外贸易处于有利地位;长三角地区形成以上海港为核心的需求市场,整体上进口大于出口,对外贸易处于不利地位;珠三角地区形成以澳门港、香港港口为核心的需求市场,从CDI来看,区域的对外贸易竞争力有待提高;4)长三角区域干散货贸易在全国范围内具有较强竞争力,环渤海区域平均RCA值接近国内平均水准,表明该区域干散货贸易有一定的竞争力,而珠三角区域的干散货贸易竞争力不足。
汤霞,匡海波,郭媛媛,刁姝杰,张鹏飞[6](2021)在《基于VMD的中国出口集装箱运价指数分析与组合预测》文中指出基于分解-重构-分项预测-集成思想,通过优选分解方法、优化重构方法、优选预测方法及合理选择集成方法等途径,构建了基于变分模态分解(VMD)的组合预测模型,对中国出口集装箱运价指数(CCFI)进行了预测,分析了CCFI波动特性及经济内涵.首先,选用VMD将运价指数序列分解为多个模态分量;其次,采用C值优化的FCM算法将模态分量重构为高、中、低频和趋势项,通过波动特性分析挖掘了重构项蕴含的短期市场不均衡因素、季节因素、重大事件及市场供需等经济内涵;再次,构建了基于数据特征分析的预测模型优选方法,进行了重构项预测;最后,将重构项预测值相加集成,分析了预测效果.实证结果表明,构建的组合模型预测效果优于BPNN、SVM、ARIMA等单一模型、EMD组合模型及未优化的VMD组合模型,较好地体现了CCFI外在波动特征与内在经济意义.
刘虎生,余浩[7](2019)在《中国航运运价指数体系研究》文中进行了进一步梳理中国自1998年发布第一个航运运价指数起,各大航交所(航运服务中心)陆续发布了各类别、多层次的指数,虽取得一定成果,但也积累了不少问题。本文遵循先整体后部分的分析思路,首先整体上从编制方法、发布系统等角度对运价体系进行解析,然后通过航线范围、货物装载形式两种视角从纵向和横向分析了目前几大航交所(航运服务中心)指数建设情况,概括了指数在编制和使用过程中的经验与教训,同时对指数体系的进一步完善提出了建议,希望能够对完善指数体系有所帮助。
冯扬文[8](2018)在《大数据视角下的国际集装箱海运运价预测研究》文中提出自2008年金融危机以来,中国对世界经济增长的贡献率一直保持在30%左右,早在2010年中国就成为世界第二大经济体,2013年成为世界第一大货物贸易国①,2017年我国进出口贸易总额为27.79万亿元。国际航运服务于国际贸易,而国际贸易中90%的物流由国际海运来完成。20世纪70年代开始流行的集装箱技术让洲际运输成本进一步大幅度降低,为全球贸易提供了更加便利的条件②,近年来国际集装箱航运市场运价波动剧烈,不可预见性增强,而国际集装箱海运业是一个需要巨大投入的资本密集型行业,运价的剧烈波动给航运企业,贸易商以及行业整体带来了巨大的风险,运价波动趋势研究和运价预测一直是国际集装箱航运业关注的热点,国际集装箱海运运价预测的研究在提高行业成本管理水平、降低行业违约率、提高国际海运运输组织的执行效率以及政府决策量化参考等方面有着积极的作用。本文从情报预测是情报学重要的应用领域为起始,以研究国际集装箱海运运价预测的理论和方法为目标,概括出“国际集装箱海运运价预测研究”这一命题,在情报学知识发现框架指导下,沿着情报学对于信息的“源”、“流”、“用”的研究思路,结合当前的“大数据时代”,在概要阐述研究意义、国内外研究现状的基础上,构建了研究内容的框架体系;研究内容包括国际集装箱海运运价预测总体框架、国际集装箱海运运价信息集成模型和方法、国际集装箱海运运价数据特征处理方法、国际集装箱海运运价预测模型以及在大数据环境下进行国际集装箱海运运价预测实证分析等内容。国际集装箱海运运价预测总体框架部分,讨论了大数据视角下的国际集装箱海运运价预测的总体流程和框架。认为总体流程主要分为运价信息收集、运价信息处理和集成、探索性数据分析和运价数据特征处理、运价预测模型提出、运价预测模型运算和评估、运价预测模型的使用六个部分,其中运价预测模型的提出、模型的运算、模型的评估是整个研究的难点和重点,而运价信息的处理和集成、运价数据特征处理是运价预测实际操作中具体工作量较大的一个部分。国际集装箱运价信息集成模型和方法部分,主要解决异源异构运价数据的集成问题。认为随着互联网、电子商务和信息技术的发展,国际集装箱海运运价信息越来越呈现出数字化、集中化和实时性强等特点,这为使用数据挖掘技术进行运价预测提供了现实基础,但需要研究信息集成方法来解决运价信息的异构问题;探讨运价预测的要求及运价信息现状后,提出了基于数据仓库的运价信息集成模型、Web运价信息及增量信息获取和集成方法,设计知识库和规则库,运用信息集成模型对异源异构运价信息进行了集成。运价数据特征处理含数据处理和维度衍生两个部分,讨论的技术和方法是为了保证运价数据符合数据挖掘算法的要求和提高运价预测的准确程度。数据处理主要包括对于异常和无效、历史拉链断链等运价数据处理的流程和方法,关键信息与原始运价数据整合方法、特殊特征属性转换方法等的研究;围绕基本运价数据的维度衍生策略主要包括横向、纵向、历史变化、指数日期等维度衍生的方法,以及预测目标维度的衍生策略。基于数据挖掘方法的运价预测模型部分探讨了国际集装箱海运运价预测的总体框架,针对预测运价即期走势(分类问题)和涨跌幅(回归问题)这两个目标讨论了预测模型和结果评价指标体系。并尝试对传统的数据挖掘算法进行优化,讨论了自适应网格搜索策略,以优化算法的超参数调优方法;针对国际集装箱海运运价数据具有明显的时间序列特征,探索了基于时间序列的留出法(THO),以优化预测结果评价策略,降低泛化误差;讨论基于梯度提升决策树(GBDT)算法的并行计算及预排序后的损失函数迭代运算优化策略,提高GBDT算法在大数据环境下的运算效率。运价预测实证研究部分,面对海量的国际集装箱海运真实运价数据,结合运价预测模型未来的大数据应用环境,按照本文讨论的流程、方法、模型和优化策略,设计和构建基于大数据技术的信息化平台,进行国际集装箱海运运价的即期走势和涨跌幅预测。数据来源有三个渠道,一为某市国际集装箱海运订舱电子商务平台(物贸汇)的历史运价数据,二为某大型国际货运代理企业业务系统的运价数据,三为采集自国内较为知名的国际集装箱海运订舱业务网站(叁陆伍网络等)的Web运价数据,数据总量约为960万条。实证研究表明,本文探索的国际集装箱海运运价预测的流程、模型和方法等内容,成功地探索出从运价信息采集、分析和集成、运价信息处理到运价预测的实现路径,且预测效果明显优于传统时间序列方法的预测结果。文章的最后总结了本文的研究与不足,并对下一步的研究进行了展望。
章强,殷明[9](2018)在《学习与创新:中国话语体系在国际航运业中的构建》文中研究表明中国话语体系是当代中国特色社会主义架构的必要组成部分。国际航运业是国家战略性行业之一,在该领域的中国话语体系构建对维护国家海洋权益和推动对外贸易发展有着重大意义。决策者需要从着眼于航运业总体发展战略的宏观话语体系、健全完善航运相关市场的中观话语体系、深度参与国际航运业务的微观话语体系三个层次,系统性地构建中国航运话语体系。学习与创新应是构建中国航运话语体系的两大重要法宝。
汤霞,匡海波,孟斌,冯文文[10](2017)在《基于EMD的中国出口集装箱运价指数波动特性》文中提出中国出口集装箱运价指数(CCFI)能有效反映集装箱海运市场变化,是航运企业经营决策、政府部门航运产业政策制定的重要参考。本文基于经验模态分解(EMD)方法数据驱动的特征及处理非线性、非平稳、多尺度数据序列的优势,将CCFI有效分解为若干本征模态(IMFs);然后提出综合考虑各IMFs的T检验P值和波动频率对IMFs进行重构,并基于希尔伯特变换和统计分析探讨了各重构项经济内涵;最后从内在影响因素角度探讨了CCFI长期发展趋势、重大事件影响、季节波动、短期市场不均衡的波动特性。研究表明:CCFI长期呈缓慢下降趋势,由市场船舶运力供给大于货运需求决定;CCFI的暴涨暴跌由金融危机等重大事件引起,影响程度大,持续时间长;CCFI的季节波动受季节性生产等因素影响,呈较规则正弦波动,高峰在9、10月份前后,低谷在3、4月份左右;CCFI短期市场不均衡波动受油价、汇率等因素影响,影响程度小,持续时间短;CCFI波动存在约4年的大周期、1年的小周期。
二、中国出口集装箱运价指数解析(论文开题报告)
(1)论文研究背景及目的
此处内容要求:
首先简单简介论文所研究问题的基本概念和背景,再而简单明了地指出论文所要研究解决的具体问题,并提出你的论文准备的观点或解决方法。
写法范例:
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
(2)本文研究方法
调查法:该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法:用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法:通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法:通过调查文献来获得资料,从而全面的、正确的了解掌握研究方法。
实证研究法:依据现有的科学理论和实践的需要提出设计。
定性分析法:对研究对象进行“质”的方面的研究,这个方法需要计算的数据较少。
定量分析法:通过具体的数字,使人们对研究对象的认识进一步精确化。
跨学科研究法:运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法:这是社会科学用来分析社会现象的一种方法,从某一功能出发研究多个方面的影响。
模拟法:通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
三、中国出口集装箱运价指数解析(论文提纲范文)
(1)航运运价淡季回落后还会再涨吗?(论文提纲范文)
多因素引发运价回落 |
未来运价受制于何? |
(2)我国铁路货运定价优化方法与管理策略研究(论文提纲范文)
致谢 |
摘要 |
ABSTRACT |
1 引言 |
1.1 研究背景 |
1.2 研究目的及意义 |
1.3 研究对象和范围界定 |
1.3.1 研究对象 |
1.3.2 研究范围 |
1.4 研究内容与技术路线 |
1.4.1 主要研究内容 |
1.4.2 技术路线 |
2 理论基础与文献综述 |
2.1 理论基础 |
2.1.1 政府规制经济理论 |
2.1.2 非线性定价 |
2.1.3 两部定价 |
2.2 文献综述 |
2.2.1 我国铁路货物运价改革研究 |
2.2.2 铁路货运定价策略应用研究 |
3 我国铁路货物运价管理研究 |
3.1 我国铁路货物运价体系 |
3.1.1 我国铁路经营管理现状 |
3.1.2 铁路货物运费管理权限现状 |
3.1.3 我国铁路货物运费基本组成 |
3.2 我国铁路货物运价形成机制及计价形式 |
3.2.1 铁路货物运价形成机制的演变过程 |
3.2.2 铁路货物运输计价形式发展历程分析 |
3.3 铁路货运定价基础及差别定价结构研究 |
3.3.1 现行铁路货运的定价基础 |
3.3.2 铁路货运差别定价结构 |
3.4 铁路货运定价优化方向研究 |
3.4.1 明确铁路货运定价目标 |
3.4.2 优化铁路货运计价形式 |
3.4.3 改进铁路货运定价方法 |
3.4.4 体现运输量的差别定价 |
3.5 本章小结 |
4 基于作业过程和需求特点的铁路货运定价优化研究 |
4.1 问题的提出 |
4.2 铁路货物运价过渡优化方案:两阶段定价模型 |
4.2.1 铁路货运计价形式优化研究 |
4.2.2 自然垄断企业的定价方法比选 |
4.2.3 铁路货运两阶段定价模型 |
4.3 铁路货物运价最终优化方案:两阶段复合定价模型 |
4.3.1 铁路货物运价两阶段复合定价模型设计 |
4.3.2 基于货物品类的定价菜单方案 |
4.4 铁路货运两阶段复合定价模式下的福利比较 |
4.4.1 基本分析框架 |
4.4.2 最优统一两部定价 |
4.4.3 最优复合两部定价 |
4.4.4 福利比较分析 |
4.5 本章小结 |
5 铁路货运价格调整影响及联动关系研究 |
5.1 问题的提出 |
5.2 铁路货运价格调整的宏观影响研究 |
5.2.1 基于投入产出的价格影响模型 |
5.2.2 铁路货运价格波动影响效应研究 |
5.2.3 铁路货运价格对价格的影响研究 |
5.3 铁路货运价格与公路货运价格的联动关系研究 |
5.3.1 向量自回归理论 |
5.3.2 公路、铁路货运价格联动关系模型 |
5.3.3 公路、铁路货运价格的联动关系影响研究 |
5.4 铁路货运价格调整影响的研究小结 |
5.4.1 宏观方面影响 |
5.4.2 中观方面影响 |
5.5 本章小结 |
6 铁路货运价格管理策略研究 |
6.1 问题的提出 |
6.2 铁路货物运输需求特征分析 |
6.2.1 铁路货物运输需求的差异分析 |
6.2.2 货物运输需求差异的实证检验 |
6.2.3 铁路货物运输需求差异特征研究 |
6.3 铁路货运分品类计价方案设计 |
6.3.1 铁路货物运输需求划分方案 |
6.3.2 铁路货物运价分品类计价方案 |
6.4 本章小结 |
7 结论与展望 |
7.1 本文的主要工作 |
7.2 本文的研究结论 |
7.3 主要创新贡献 |
7.4 研究展望 |
参考文献 |
附录A 铁路货运杂费收费项目标准表 |
作者简历及攻读博士学位期间取得的科研成果 |
学位论文数据集 |
(3)中国出口集装箱运价指数研究述评与未来展望(论文提纲范文)
一、引言 |
(一)研究背景 |
(二)研究框架 |
二、CCFI指数的编制 |
(一)CCFI指数的官方编制方法 |
(二)CCFI指数的编制研究 |
三、CCFI指数的波动特性研究 |
四、CCFI指数波动的相关影响因素研究 |
(一)定性研究 |
(二)定量研究 |
五、CCFI指数的预测 |
(一)统计方法 |
(二)组合模型方法 |
(三)机器学习方法 |
六、结论与展望 |
(4)集装箱班轮运价市场波动及传导特征研究(论文提纲范文)
摘要 |
ABSTRACT |
1 绪论 |
1.1 研究背景 |
1.2 文献综述 |
1.2.1 航运运价市场波动特征及走势分析研究现状 |
1.2.2 航运运价市场波动传导特征研究现状 |
1.2.3 文献述评 |
1.3 研究的主要问题及内容 |
1.3.1 研究的主要问题 |
1.3.2 研究内容 |
1.4 研究思路及技术路线 |
1.4.1 研究思路 |
1.4.2 结构安排 |
1.4.3 技术路线 |
1.5 研究目的和意义 |
1.5.1 研究目的 |
1.5.2 研究意义 |
2 国际集装箱班轮概述及理论基础 |
2.1 国际集装箱航运市场 |
2.1.1 国际集装箱航运市场发展 |
2.1.2 国际集装箱航运市场特征 |
2.2 集装箱班轮运价概述 |
2.2.1 集装箱班轮运价定义及构成 |
2.2.2 集装箱班轮运价影响因素分析 |
2.2.3 集装箱班轮运价指数及其衍生品 |
2.3 航运运价波动及传导 |
2.3.1 航运运价波动 |
2.3.2 航运运价传导 |
2.4 复杂网络理论 |
2.4.1 复杂网络理论概述 |
2.4.2 复杂网络统计特征 |
2.4.3 复杂网络基本模型 |
2.5 本章小结 |
3 集装箱班轮运价市场波动特征分析 |
3.1 问题描述 |
3.2 集装箱班轮运价市场波动特征分析模型构建 |
3.2.1 波动特征分析模型构建 |
3.2.2 波动走势预测模型构建 |
3.3 集装箱班轮即期市场运价指数波动特征实证分析 |
3.3.1 数据选取与分析 |
3.3.2 SCFI波动测算 |
3.3.3 SCFI波动特征分析 |
3.3.4 SCFI走势组合预测 |
3.4 集装箱班轮分航线市场运价波动特征实证分析 |
3.4.1数据来源与说明 |
3.4.2 SCFI分航线运价波动统计特征 |
3.4.3 SCFI分航线运价长期趋势特征 |
3.4.4 SCFI分航线运价周期性和季节性波动特征 |
3.4.5 SCFI分航线运价不规则波动特征 |
3.5 集装箱班轮期货市场价格波动特征实证分析 |
3.5.1 数据来源与处理 |
3.5.2 SCFI期货价格波动描述性特征 |
3.5.3 SCFI期货价格长期趋势特征 |
3.5.4 SCFI期货价格季节性波动特征 |
3.5.5 SCFI期货价格不规则波动特征 |
3.6 本章小结 |
4 集装箱班轮即期运价市场自相关波动传导动力学特性 |
4.1 问题描述 |
4.2 即期市场运价指数自相关波动网络模型构建 |
4.2.1 运价指数自相关波动的建立 |
4.2.2 运价指数自相关波动符号化过程 |
4.2.3 运价指数自相关波动模态粗粒化过程 |
4.2.4 运价指数自相关波动网络模型构建 |
4.3 即期市场运价指数自相关波动传导动力学特性实证分析 |
4.3.1 数据来源与说明 |
4.3.2 SCFI自相关波动网络模型构建 |
4.3.3 SCFI自相关波动模态统计特征分析 |
4.3.4 SCFI自相关波动传导过程中核心模态识别 |
4.3.5 SCFI自相关波动模态间传导模式 |
4.3.6 SCFI自相关波动传导的集群效应分析 |
4.3.7 SCFI自相关波动模态传导媒介能力分析 |
4.3.8 SCFI自相关波动模态传导距离分析 |
4.4 本章小结 |
5 基于格兰杰因果网络的集装箱班轮运价波动传导特性分析 |
5.1 问题描述 |
5.2 分航线运价波动格兰杰因果网络模型构建 |
5.2.1 分航线运价波动序列平稳性检验 |
5.2.2 分航线运价波动格兰杰因果关系检验 |
5.2.3 分航线运价波动格兰杰因果网络模型构建 |
5.3 分航线运价波动传导特性实证分析 |
5.3.1 数据来源与处理 |
5.3.2 SCFI分航线运价波动格兰杰因果网络构建 |
5.3.3 SCFI分航线运价波动传导范围 |
5.3.4 SCFI分航线运价波动传导距离 |
5.3.5 SCFI分航线运价波动传导媒介能力 |
5.3.6 SCFI分航线运价波动集聚能力 |
5.3.7 SCFI分航线运价波动传导路径 |
5.4 本章小结 |
6 集装箱班轮期现货价格市场关联波动传导特征 |
6.1 问题描述 |
6.2 期现货价格市场关联波动网络模型构建 |
6.2.1 期现货价格关联波动的建立 |
6.2.2 期现货价格关联波动符号化过程 |
6.2.3 期现货价格关联波动模态粗粒化过程 |
6.2.4 期现货价格关联波动网络模型构建 |
6.3 期现货价格市场关联波动传导特征实证分析 |
6.3.1 数据来源及处理 |
6.3.2 SCFI期现货价格市场关联波动网络模型构建 |
6.3.3 关联波动关键模态识别与分布特征 |
6.3.4 关联波动模态集聚能力分析 |
6.3.5 关联波动模态传导距离分布特征 |
6.3.6 关联波动模态传导媒介识别及分布特征 |
6.3.7 关联波动模态的小团体分析 |
6.4 本章小结 |
7 结论与展望 |
7.1 结论 |
7.2 展望 |
参考文献 |
作者简历及攻读博士学位期间的科研成果 |
致谢 |
(5)中国干散货海运贸易时空格局探究(论文提纲范文)
摘要 |
Abstract |
变量注释表 |
1 绪论 |
1.1 研究背景与意义 |
1.2 国内外研究现状 |
1.3 研究内容 |
1.4 研究方法与技术框架 |
1.5 论文组织结构 |
1.6 本章小结 |
2 相关概念与理论基础 |
2.1 干散货 |
2.2 港口 |
2.3 网络分析法 |
2.4 船舶自动识别系统 |
2.5 OD |
2.6 本章小结 |
3 中国各港口干散货海运网络的评估体系 |
3.1 研究区域与港口选取 |
3.2 数据来源与数据处理 |
3.3 干散货海运网络评估方法 |
3.4 本章小结 |
4 中国各港口干散货海运网络的时空特征 |
4.1 中国干散货海运网络时间特征分析 |
4.2 中国干散货海运网络空间特征分析 |
4.3 政策建议 |
4.4 本章小结 |
5 结论与展望 |
5.1 结论 |
5.2 展望 |
参考文献 |
作者简历 |
致谢 |
学位论文数据集 |
(8)大数据视角下的国际集装箱海运运价预测研究(论文提纲范文)
摘要 |
Abstract |
1 绪论 |
1.1 研究的背景及意义 |
1.1.1 命题提出 |
1.1.2 研究意义 |
1.2 国内外研究现状综述 |
1.2.1 信息集成 |
1.2.2 数据挖掘 |
1.2.3 大数据 |
1.2.4 海运运价预测 |
1.3 研究的目标和关键问题 |
1.3.1 研究目标 |
1.3.2 拟解决的关键问题 |
1.4 研究的思路和方法 |
1.4.1 研究思路 |
1.4.2 研究方法 |
1.5 研究的内容和创新点 |
1.5.1 研究内容 |
1.5.2 本文的特色与创新之处 |
2 相关概念和理论 |
2.1 信息集成 |
2.1.1 联邦数据库 |
2.1.2 数据仓库 |
2.1.3 Wrapper-Mediator |
2.2 数据处理 |
2.2.1 数据质量分析 |
2.2.2 归一化处理 |
2.2.3 相关性分析 |
2.3 数据挖掘 |
2.3.1 评估方法 |
2.3.2 数据挖掘方法 |
2.3.3 超参数调优方法 |
2.3.4 评价指标 |
2.4 大数据技术 |
2.4.1 MPI |
2.4.2 Hadoop体系 |
2.4.3 Spak |
2.5 本章小结 |
3 国际集装箱海运运价预测总体框架 |
3.1 总体流程 |
3.1.1 运价信息处理和集成 |
3.1.2 运价数据特征处理和EDA |
3.1.3 运价预测模型提出 |
3.1.4 运价预测模型计算和评估 |
3.1.5 运价预测模型使用 |
3.2 总体架构 |
3.2.1 信息集成 |
3.2.2 存储管理 |
3.2.3 数据挖掘 |
3.3 本章小结 |
4 国际集装箱海运运价信息集成模型和方法 |
4.1 运价数据来源分析 |
4.1.1 国际海运电商平台 |
4.1.2 业务操作系统 |
4.1.3 常用办公软件 |
4.1.4 政府或职能部门的系统 |
4.2 运价数据特征分析 |
4.2.1 海量、实时和真实 |
4.2.2 易于存储、传输和处理 |
4.2.3 普遍存在异构性 |
4.3 运价数据集成目标研究 |
4.4 基于数据仓库的运价信息集成模型 |
4.5 实现运价信息集成的关键技术 |
4.5.1 定义数据仓库模型 |
4.5.2 集成异构信息 |
4.5.3 处理增量信息 |
4.5.4 设计基于语义的知识库和规则库 |
4.6 运价信息初步集成方法 |
4.6.1 运价基本数据初步处理方法 |
4.6.2 异源异构运价数据集成方法 |
4.7 运价信息合并 |
4.7.1 相关性分析 |
4.7.2 数据整合并去重 |
4.8 本章小结 |
5 运价数据特征处理方法 |
5.1 有效运价信息生成方法 |
5.1.1 运价信息筛选方法 |
5.1.2 无效数据处理逻辑和方法 |
5.1.3 异常值处理的逻辑和方法 |
5.2 异源运价值处理 |
5.3 历史拉链断链数据处理 |
5.4 关键特征属性补充 |
5.4.1 港口基本属性分析 |
5.4.2 离散型特征值处理方法 |
5.4.3 关键信息替换方法 |
5.4.4 基于基础信息的关键属性拓展 |
5.4.5 预测目标选择方法 |
5.5 运价信息的维度衍生 |
5.5.1 横向同期指标 |
5.5.2 纵向历史指标 |
5.5.3 历史变化指标 |
5.5.4 运价预测总体目标维度衍生 |
5.5.5 重要特征属性衍生策略 |
5.5.6 补充属性设计 |
5.6 特征转换 |
5.6.1 One-Hot Encoding |
5.6.2 归一化处理 |
5.7 本章小结 |
6 基于数据挖掘方法的运价预测模型 |
6.1 运价预测模型的基本框架 |
6.2 运价预测模型设计 |
6.2.1 模型的输入和输出 |
6.2.2 运价数据特征属性分析 |
6.2.3 数据挖掘方法选取分析 |
6.2.4 运价预测结果评价指标研究 |
6.3 实现运价预测的算法和评价策略优化 |
6.3.1 自适应网格搜索策略设计 |
6.3.2 基于时间序列的留出法(THO)设计 |
6.3.3 基于GBDT的算法优化策略设计 |
6.4 本章小结 |
7 运价预测系统设计及实验 |
7.1 运价数据准备 |
7.2 数据集成和数据特征处理 |
7.2.1 预测目标选择 |
7.2.2 关键信息补全 |
7.3 运价数据EDA分析 |
7.3.1 运价数据分布性分析 |
7.3.2 运价波动趋势统计 |
7.4 运价预测系统设计及实现 |
7.4.1 运价预测系统方案设计 |
7.4.2 基于大数据技术的系统架构 |
7.4.3 运价信息集成结果 |
7.4.4 运价预测结果 |
7.5 本章小结 |
8 总结和展望 |
8.1 研究总结 |
8.2 研究展望 |
参考文献 |
科研及发表论文情况 |
致谢 |
(9)学习与创新:中国话语体系在国际航运业中的构建(论文提纲范文)
一、引言 |
二、改革开放以来中国国际航运业的实践与进展 |
(一) 港口领域的实践与进展 |
(二) 航运领域的实践与进展 |
三、中国话语体系在国际航运业中的构建 |
(一) 宏观话语体系的构建:从“发展海洋经济”到“21世纪海上丝绸之路” |
(二) 中观话语体系的构建:从“上海国际航运中心”到“广州国际航运中心” |
(三) 微观话语体系的构建:从“中国出口集装箱运价指数”到“上海格式” |
四、国际航运业中构建中国话语体系的启示 |
(一) 唯用中国话语才能真正理解中国道路和中国实践 |
(二) 中国话语是贯穿宏观、中观、微观三个层面的完整体系 |
(三) 中国话语体系在行业中的构建脱离不了国家顶层话语体系 |
(四) 学习与创新是构建中国话语体系的两大重要法宝 |
(10)基于EMD的中国出口集装箱运价指数波动特性(论文提纲范文)
1 引言 |
2 方法与模型 |
2.1 经验模态分解算法 |
2.2 瞬时频率求解算法 |
2.3 基于T检验的IMFs重构方法 |
3 基于EMD的CCFI波动特性分析 |
3.1 数据处理及分析 |
3.1.1 数据统计分析 |
3.1.2 数据非线性、非平稳性检验 |
(1) CCFI的BDS非线性检验。 |
(2) CCFI的ADF平稳性检验。 |
3.2 EMD分解 |
3.3 IMFs重构 |
3.4 CCFI波动特性分析 |
3.4.1 长期发展趋势 |
3.4.2 重大事件影响 |
3.4.3 季节波动影响 |
3.4.4 短期市场不均衡 |
4 主要研究结论与建议 |
四、中国出口集装箱运价指数解析(论文参考文献)
- [1]航运运价淡季回落后还会再涨吗?[J]. 钱杭璐. 中国航务周刊, 2021(48)
- [2]我国铁路货运定价优化方法与管理策略研究[D]. 张梦迪. 中国铁道科学研究院, 2021(01)
- [3]中国出口集装箱运价指数研究述评与未来展望[J]. 李博. 对外经贸, 2021(04)
- [4]集装箱班轮运价市场波动及传导特征研究[D]. 汤霞. 大连海事大学, 2021(04)
- [5]中国干散货海运贸易时空格局探究[D]. 金崇林. 山东科技大学, 2020(01)
- [6]基于VMD的中国出口集装箱运价指数分析与组合预测[J]. 汤霞,匡海波,郭媛媛,刁姝杰,张鹏飞. 系统工程理论与实践, 2021(01)
- [7]中国航运运价指数体系研究[J]. 刘虎生,余浩. 价格理论与实践, 2019(05)
- [8]大数据视角下的国际集装箱海运运价预测研究[D]. 冯扬文. 华中师范大学, 2018(05)
- [9]学习与创新:中国话语体系在国际航运业中的构建[J]. 章强,殷明. 重庆交通大学学报(社会科学版), 2018(01)
- [10]基于EMD的中国出口集装箱运价指数波动特性[J]. 汤霞,匡海波,孟斌,冯文文. 科研管理, 2017(12)