Journal of Korea Port Economic Association (한국항만경제학회지)

The Korea Port Economic Association (한국항만경제학회)
권호 표지
DOI QR코드

DOI QR Code

Analysis of Co-movement and Causality between Supply-Demand Factors and the Shipping Market: Evidence from Wavelet Approach

웨이블릿 분석을 통한 수요-공급요인과 해운시황의 연관성 분석

  • 정회진 (한국해양대학교 해운경영학부) ;
  • 윤희성 (한국해양대학교 해양금융대학원) ;
  • 이기환 (한국해양대학교 해양경영경제학부)
  • Received : 2022.08.24
  • Accepted : 2022.09.30
  • Published : 2022.09.30
Download PDF
⟨ Previous Next ⟩

Abstract

Considering the complex structure and high volatility in the shipping market, it is important to investigate the connectedness amongst influencing factors. This study explores the dynamic relationship between supply-demand factors and shipping freight indices. We choose Capesize and Panamax in the bulk carrier market and use quarterly data of GDP, world fleet, BCI, and BPI from 1999 to 2021. Applying the wavelet analysis and wavelet Granger causality test, the simultaneous examination of co-movement and causality between two factors and the shipping market in both the time and frequency domains is achieved. We find that co-movement and causality vary across time and frequencies, thereby existing dynamic relationships between variables. Second, compared to multiple coherencies using demand and supply factors together, partial coherencies indicate noticeable causalities. It implies that analyzing demand and supply factors separately is essential. Finally, shipping freight indices show a high correlation with the demand factor in a good market and with the supply factor in a bad market. Generally, GDP positively leads shipping freights in the recovery phase while the world fleet negatively leads shipping freights in the downturn. The research is meaningful in that the rarely-applied wavelet analysis is adopted in the shipping market and that it gives a reasonable ground to explain the role of supply and/or demand factors in different phases of the market cycle.

해운시장의 구조적 복잡성 및 높은 변동성을 감안할 때, 해운시황에 미치는 영향요인을 식별하고 상호관계를 파악하는 것은 아주 중요하다. 본 연구는 해운시장에서 가장 근본적인 수요 및 공급요인이라고 할 수 있는 세계 경제상황 및 선대량과 해운시황 간의 동적 상호관계 분석을 목적으로 한다. 벌크선형 중 케이프선과 파나막스선을 대상으로 1999년 2021년까지의 GDP, 선대량 성장률, BCI 및 BPI의 분기 자료를 사용하였으며, 웨이블릿 결합성 분석 및 웨이블릿 그랜저 인과관계 분석을 통해 시간-주기영역에서 변수 간 동조화 및 인과관계를 파악하고자 하였다. 실증분석 결과, 변수 간 동조화 및 인과관계에 있어 주기별 및 시기별로 큰 차이를 보여 이들 변수 간 동적 상호작용이 존재한다는 것을 알 수 있었다. 또한 수요와 공급요인을 동시에 적용한 다중 웨이블릿 결합성 분석에서 변수간 인과성이 명확하게 드러나지 않은 것과는 달리 제어변수로 선대량 성장률과 GDP를 설정한 부분 웨이블릿 결합성 분석에서는 주기 및 시기별 인과관계를 파악할 수 있었다. 이를 통해 두 수급요인이 해운경기에 뚜렷한 영향을 미친다는 것과 해운시황 영향요인의 상호관계 분석을 위해서는 수요와 공급요인을 분리하여 해석하는 것이 필요하다는 것을 알 수 있었다. 마지막으로 해운시장의 호황과 불황에 해상운임지수는 각각 수요 및 공급요인과 높은 상관성을 보였으며, 전반적으로 호황일 때는 GDP가 운임지수를 동일 위상으로 선도하고 불황일 때는 선대량 성장률이 운임지수를 반대 위상으로 선도하였다. 본 연구의 분석결과는 기존에 사용이 미미했던 웨이블릿 분석방법을 해운분야에 적용했다는 점과 수급요인을 분리하여 해운시황을 분석함으로써 수요 및 공급으로 해운시황을 판단할 수 있는 합리적인 근거를 제시하였다는 점에서 의의가 있다.

Keywords

References

  1. 고희운.강상훈(2019), 상품시장 변동성과 한국주식시장 변동성 간의 상호분석, 재무관리연구, 35(4), 273-294. https://doi.org/10.22510/KJOFM.2018.35.4.011
  2. 안영균.고병욱(2018), 초대형 원유운반선 운임에 영향을 미치는 주요 요인에 관한 연구, 해운물류연구, 34(4), 545-563. https://doi.org/10.37059/TJOSAL.2018.34.4.545
  3. 임상섭.윤희성(2018), 케이프선 시장 운임의 결정요인 및 운임예측 모형 분석, 한국항해항만학회지, 42(6), 539-545. https://doi.org/10.5394/KINPR.2018.42.6.539
  4. 정상준(2021), 노동소득분배율과 경제성장: 한국경제의 웨이블릿 분석, 동향과 전망, 111, 166-202.
  5. 정상국.김성기(2011), 국제유가의 변화가 건화물선 운임에 미치는 영향과 건화물선 운임간의 상관관계에 관한 연구, 한국항만경제학회지, 27(2), 217-240.
  6. 천민수.문애리.김석수(2020), 부정기선 운임변동성 영향요인 분석에 따른 우리나라 해운정책 지원 방안, 한국항만경제학회지, 36(4), 17-30.
  7. Aguiar-Conraria, L., Martins, M. M. F., and Soares, M. J. (2012), The yield curve and the macro-economy across time and frequencies, Journal of Economic Dynamics and Control, 36(12), 1950-1970. https://doi.org/10.1016/j.jedc.2012.05.008
  8. Aguiar-Conraria, L., and Soares, M. J. (2014), The continuous wavelet transform: moving beyond uniand bivariate analysis, Journal of Economic Surveys, 28(2), 344-375. https://doi.org/10.1111/joes.12012
  9. Bakshia, G., Panayotovb, G., and Skoulakisc, G. (2011), The Baltic Dry Index as a Predictor of Global Stock Returns, Commodity Returns, and Global Economic Activity, AFA 2012 Chicago Meetings Paper.
  10. Ben-Salha, O., Hkiri, B., and Aloui, C. (2018), Sectoral energy consumption by source and output in the U.S.: New evidence from wavelet-based approach, Energy Economics, 72, 75-96. https://doi.org/10.1016/j.eneco.2018.03.029
  11. Bildirici, M. E., Kayikci, F., and Onat, I. S. (2015), Baltic Dry Index as a Major Economic Policy Indicator: The Relationship with Economic Growth, Procedia - Social and Behavioral Sciences, 210, 416-424. https://doi.org/10.1016/j.sbspro.2015.11.389
  12. Crowley, P. M. (2007), A guide to wavelets for economists, Journal of Economic Surveys, 21(2), 207-267. https://doi.org/10.1111/j.1467-6419.2006.00502.x
  13. Karaoulanis, I., and Pelagidis, T. (2021), Panamax markets behaviour: Explaining volatility and expectations, Journal of Shipping and Trade, 6(1), 15. https://doi.org/10.1186/s41072-021-00096-0
  14. Kavussanos, M. G., and Visvikis, I. D. (Eds.). (2016). The International Handbook of Shipping Finance, Palgrave Macmillan UK.
  15. Khan, K., Su, C. W., Tao, R., and Umar, M. (2021), How do geopolitical risks affect oil prices and freight rates?, Ocean & Coastal Management, 215, 105955. https://doi.org/10.1016/j.ocecoaman.2021.105955
  16. Le, T. H. (2022), Connectedness between nonrenewable and renewable energy consumption, economic growth and CO2 emission in Vietnam: New evidence from a wavelet analysis, Renewable Energy, 195, 442-454. https://doi.org/10.1016/j.renene.2022.05.083
  17. Li, X. L., Chang, T., Miller, S. M., Balcilar, M., and Gupta, R. (2015), The co-movement and causality between the U.S. housing and stock markets in the time and frequency domains, International Review of Economics & Finance, 38, 220-233. https://doi.org/10.1016/j.iref.2015.02.028
  18. Lim, K. G., Nomikos, N. K., and Yap, N. (2019), Understanding the fundamentals of freight markets volatility, Transportation Research Part E: Logistics and Transportation Review, 130, 1-15. https://doi.org/10.1016/j.tre.2019.08.003
  19. Michail, N. A. (2020), World economic growth and seaborne trade volume: Quantifying the relationship, Transportation Research Interdisciplinary Perspectives, 4, 100108. https://doi.org/10.1016/j.trip.2020.100108
  20. Reboredo, J. C., Rivera-Castro, M. A., and Ugolini, A. (2017), Wavelet-based test of co-movement and causality between oil and renewable energy stock prices, Energy Economics, 61, 241-252. https://doi.org/10.1016/j.eneco.2016.10.015
  21. Si, D.-K., Liu, X.-H., & Kong, X. (2019). The comovement and causality between stock market cycle and business cycle in China: Evidence from a wavelet analysis, Economic Modelling, 83, 17-30. https://doi.org/10.1016/j.econmod.2019.10.003
  22. Stopford, M. (2009), Maritime economics (3rd ed), Routledge.
  23. Torrence, C., and Compo, G. P. (1998), A Practical Guide to Wavelet Analysis, Bulletin of the American Meteorological Society, 79(1), 61-78. https://doi.org/10.1175/1520-0477(1998)079<0061:APGTWA>2.0.CO;2
  24. Tsouknidis, D. A. (2016), Dynamic volatility spillovers across shipping freight markets, Transportation Research Part E: Logistics and Transportation Review, 91, 90-111. https://doi.org/10.1016/j.tre.2016.04.001
  25. United Nations Conference on Trade And Development (UNCTAD) (2020), Review of Maritime Transport 2020, United Nations.
  26. Rua, A. (2012), Wavelets in Economics, Economic Bulletin, 9.
  27. Xu, J. J., Yip, T. L., and Marlow, P. B. (2011), The dynamics between freight volatility and fleet size growth in dry bulk shipping markets, Transportation Research Part E: Logistics and Transportation Review, 47(6), 983-991. https://doi.org/10.1016/j.tre.2011.05.008