摘要
随着全球贸易的不断发展，集装箱航运市场在国际航运市场中的地位日益重要。由于全球经济、政策法规、战争冲突等多种因素的影响，集装箱航运市场的波动性也日趋明显。这种波动不仅对经济贸易发展产生了巨大影响，同时也增加了航运企业的投资风险。中国出口集装箱运价指数（CCFI）与波罗的海干散货运价指数（BDI）和波罗的海原油运价指数（BDTI）统称为世界航运市场三大运价指数。该指数客观地在一定程度上显示了中国和世界航运市场变动情况。CCFI 指数不仅能够作为衡量国际间经济贸易往来的前置指数，还对货物贸易的运输成本有着重要的影响。因此，构建科学有效的CCFI指数预测模型，可以帮助航运业和政府及时了解集装箱航运市场的发展趋势，制定相应的应对策略，最大限度地规避风险并提高市场竞争力。 基于上述需求，本文构建了基于变分模态分解和神经网络模型的CCFI指数预测。该模型利用变分模态分解（VMD）方法先对CCFI指数时间序列去噪处理，再结合卷积神经网络（CNN）和长短期记忆神经网络（LSTM）进行组合预测，解决传统预测方法在预测精度上的不足。本文主要工作分为数据分解和数据预测。首先选取近20年CCFI指数，利用VMD分解对CCFI原始数据分解去噪，得到K个本征模态函数，采用经验模态分解（EMD）对比验证VMD分解的适用性；然后将VMD分解重构后的数据作为预测样本通过CNN网络提取短期特征，再将特征向量输入进LSTM网络中按照7:3进行训练和测试。设置EMD-LSTM（EL）模型、VMD-LSTM（VL）模型、EMD-CNN-LSTM （ECL）模型、CNN-LSTM（CL）模型、LSTM模型做对比实验，通过预测结果分析，验证本文模型优越性。最后对未来一年CCFI指数进行预测。 研究结果表明：（1）本文采用变分模态分解处理指数、神经网络预测指数相结合的网络模型，能够有效预测CCFI指数，并且MAPE、RMSE、MAE三种评估指标显示本文模型在预测精度和稳定性方面明显优于其他对比模型。为运价预测提供了一种新的方法和思路，具有一定的参考价值。（2）在此基础上，对未来一年CCFI指数进行预测，预测结果为2023年集装箱运输市场运价可能呈现先降后升，下跌程度远高于上升速度，升幅相对缓慢。这意味着，CCFI 运价可能会在一段时间内保持较低水平，随着市场逐渐复苏，运价有望逐渐回升。
NETL