| Περίληψη : | Αυτή η μελέτη διερευνά την επίδραση των τιμών των εμπορεύσιμων εμπορευμάτων στο Dry Bulk Shipping Market, εστιάζοντας σε σημαντικούς δείκτες όπως ο Baltic Dry Index, Baltic Capesize Index, Baltic Panamax Index, Baltic Supramax Index και Baltic Handysize Index. Η εξέταση των ιστορικών δεδομένων για κάθε δείκτη αποκαλύπτει την ευαισθησία τους σε διάφορα σημαντικά γεγονότα, συμπεριλαμβανομένων των οικονομικών κρίσεις και πιο πρόσφατα, η πανδημία COVID-19. Αυτές οι τιμές δεικτών χρησιμεύουν ως δείκτες του τρόπου με τον οποίο το κόστος του εμπορίου ναυτιλίας ποικίλλει ανάλογα με τους τύπους σκαφών και, σε ένα ευρύτερο πλαίσιο, αντικατοπτρίζει δυνητικά την απόδοση της οικονομικής ανάπτυξης. Αντιμετώπιση της πρόκλησης της αναντιστοιχίας συχνότητας στην απελευθέρωση μεταβλητών ενδιαφέροντος - με τις τιμές των εμπορευμάτων που εκδίδονται μηνιαίως και τους δείκτες λειτουργικός σε βάση εργάσιμης ημέρας - η μελέτη χρησιμοποιεί μικτές προσεγγίσεις δειγματοληψίας δεδομένων, χρησιμοποιώντας συγκεκριμένα τις μεθόδους Reverse-Midas (R-MIDAS) και Generalized Autoregressive Conditional Heteroskedasticity-MIDAS (GARCH-MIDAS).Συμπερασματικά, η μελέτη συγκρίνει την απόδοση αυτών των δύο προσεγγίσεων για να προσδιοριστεί ποιο εμπόρευμα - σίδηρος, άνθρακας ή βωξίτης - έχει το πιο σημαντικό αντίκτυπο σε κάθε δείκτη. Ο στόχος είναι να προσδιοριστεί ποιο εμπόρευμα παρέχει το βέλτιστη εκτίμηση πρόβλεψης για κάθε δείκτη.
This study investigates the influence of tradable commodities’ prices on the Dry Bulk Shipping Market, focusing on major indexes such as the Baltic Dry Index, Baltic Capesize Index, Baltic Panamax Index, Baltic Supramax Index, and Baltic Handysize Index. Examination of historical data for each index reveals their susceptibility to various significant events, including economic crises and more recently, the COVID-19 pandemic. These index values serve as indicators of how shipping trade costs vary depending on vessel types and, in a broader context, potentially reflect economic growth performance. For this analysis, data spanning from January 2012 to October 2023 was examined. Addressing the challenge of frequency mismatch in the release of variables of interest - with commodity prices issued monthly and indexes operating on a business day basis - the study employs mixed data sampling approaches, specifically utilizing the Reverse-Midas (R-MIDAS) and Generalized Autoregressive Conditional Heteroskedasticity-MIDAS (GARCH-MIDAS) methods. In conclusion, the study compares the performance of these two approaches to determine which commodity - iron, coal, or bauxite - has the most significant impact on each index. The aim is to identify which commodity provides the best forecast estimation for each index.
|
|---|
Copyright © 2013 Βιβλιοθήκη Ο.Π.Α. Με την επιφύλαξη παντός δικαιώματος.