2013年10月,习近平总书记访问东盟国家时提出共建“21世纪海上丝绸之路”。随着共建“21世纪海上丝绸之路”工程的推进,水路运输,尤其是集装箱运输的运价研究显得更为重要。为了掌握集装箱运输运价波动趋势,有效做法是利用合适模型对现有的权威集装箱运价指数进行波动性分析及预测。中国出口集装箱运价指数(China Containerized Freight Index,CCFI),是指反映中国出口集装箱运输市场价格变化趋势的一种航运价格指数,由上海航运交易所从1998年4月开始发布。全球发布了多种航运运价指数,其中最为权威的当属世界三大海运运价指数,包括了CCFI、波罗的海干散货运价指数(Baltic Dry Index,BDI)和巴尔的摩油轮运价指数(Baltimore Tanker Freight Index)。CCFI客观地反映了中国集装箱运输市场运价的变化。它有助于政府进行宏观调控和政策制定,以及企业做出运营决策。经验模态分解(Empirical Mode Decomposition,EMD)是Norden E.Huang等(1998)提出的一种新型时频分析处理方法,尤其适用于非线性、非平稳数据处理。EMD是直接、局部、自适应、后验的数据处理方法,该方法可以根据原始数据自身的局部特征尺度,在没有先验设置的情况下,将其自适应地分解为一系列有限的具有不同时间尺度特征的本征模态函数(Intrinsic Mode Function,IMF)和一个残余项,这一性能最大程度地保留了数据所含有的信息,减少了人为操作对数据信息内容的影响,有利于挖掘数据所包含的经济、物理等实际意义。CCFI作为同时受众多内外部因素影响而波动的复杂时间序列,以往使用的单一统计学方法来对其进行预测或分析的效果不佳。本文以EMD算法为基础,依据分解重构的思路,提出一种CCFI波动特征分析模型,该模型测算了CCFI波动相关性,并对波动趋势进行预测。波动性分析模型可分为序列分解和特征分析两大步骤,首先基于EMD方法将CCFI和BDI序列自适应地分解为有限个IMF和一个残余项,为进一步突出运价指数波动周期特征,增强结论实际应用效果,分别将CCFI、BDI的IMF分量和残余项按平均周期和方差占比重构为高频部分、中频部分、低频部分及趋势项,再进行相关系数测算和特征分析。预测波动趋势时,对分解得到的IMF分量和残余项采用BP神经网络进行建模预测,最后将各部分所得预测值合成重构,得到CCFI序列预测值,并与ARIMA模型、BP模型和EMD-ARIMA模型进行预测精度对比。本文借助基于EMD模型的波动特性分析方法,对2003年3月至2018年6月的CCFI和BDI的月数据进行相关性分析,探究集装箱运输市场和干散货运输市场的联动关系,结果表明:CCFI和BDI时间序列整体上存在中等程度正相关;基于EMD分解重构后的分量可知CCFI和BDI的整体趋势呈极强正相关,与世界经济趋势一致,呈下降趋势;平均周期为92个月的低频部分呈强负相关,反映周期波动,两者相差1/2个周期;中频部分为中等程度正相关,平均周期为14.431 4个月,约1.20年,反映季节波动,CCFI和BDI均存在季节波动,但波动形态有所不同;平均周期为4.134 8月的高频部分无相关性,其波动小、频率快,是影响两者同步的重要因素;利用各尺度的模态特征和波动特征可以很好地实现对不同影响因素导致的波动相关性的分类管理和分析。对2000年1月7日至2018年6月22日的CCFI周数据分别使用四种预测模型进行单步预测,通过计算五项误差评价指标,表明使用EMD-BP模型对CCFI预测的预测精度远高于EMD-ARIMA模型、ARIMA模型和BP模型,验证了本文所建EMD-BP模型的合理性与优越性。同时,对于CCFI这样的非线性非稳定时间序列,在对其进行拟合和预测时,BP模型的预测精度和效果会优于ARIMA模型。此外,无论是BP模型,还是ARIMA模型,EMD的结合使用都能使其在进行拟合预测时性能得到一定提升。将EMD方法引入到对CCFI波动特性的研究中,为进一步研究CCFI的波动规律提供了一种好的思路和方法。实验结论表明,基于EMD方法,能够获得运价指数在各个波动频率上的变化规律和相关性,EMD与BP神经网络的组合模型显著提高了预测质量,证实了新方法在预测运价指数上的有效性,可以为CCFI波动趋势预测提供帮助。