王大山 寧 鐘

（復旦大學 管理學院，上海 200433）

一、引言

近些年來，國際貿易逆全球化趨勢明顯，給全球產業(yè)鏈、供應鏈穩(wěn)定帶來了巨大沖擊，而新興國家經濟的快速發(fā)展，也促使了國際大宗商品價格的高位震蕩。一方面，目前中國正處在重工業(yè)發(fā)展后期，預計在5～10年內依然有強勁的大宗商品需求；另一方面，中國經濟面臨轉型，必須在“雙循環(huán)”新發(fā)展格局下減少經濟外部依賴，降低與全球經濟周期的同步性，促進制造業(yè)升級，依托各類策略來緩釋國際大宗干散貨供應鏈風險，為中國“雙循環(huán)”新發(fā)展格局營造有利環(huán)境，促進中國經濟持續(xù)健康發(fā)展。

對國際大宗干散貨供應鏈中存在的風險進行有效識別、分析和管理，需要學習各風險因素的普遍運行規(guī)律、相互作用關系等，監(jiān)控其在供應鏈運行過程中的異常反應，并依托風險管理策略統(tǒng)一管理。通過套期保值進行整體供應鏈的風險對沖是一種有效的風險管理策略，其內涵在于將市場風險轉化為操作風險，進而通過加強內部管理來對沖供應鏈環(huán)節(jié)中的各項風險因素，賦能整個供應鏈系統(tǒng)的平穩(wěn)運行。

二、研究綜述

目前，學術界圍繞供應鏈結構、供應鏈套期保值、供應鏈風險管理及大宗干散貨供應鏈等領域展開了頗有成效的研究。

供應鏈結構方面：李民和黎建強（2012）基于成本與風險平衡對供應鏈結構模型進行了優(yōu)化，指出抗風險能力是企業(yè)供應鏈結構第一要素。[1]賈旭東和衡量（2016）運用扎根理論研究方法對虛擬企業(yè)供應鏈的動態(tài)變化進行了深入研究，指出虛擬企業(yè)供應鏈在形成的各個階段會呈現(xiàn)出明顯的不同特征。[2]賈強法（2017）提出，應在兼顧社會、消費者及供應鏈三方受益的前提下，通過終端用戶、供應鏈節(jié)點乃至源頭建設單層式生鮮農產品供應鏈。[3]孔瑞曉等（2019）結合消費者估值差異研究了BOPS模式下全渠道供應鏈的結構問題，分析了BOPS的實施對零售商價格、需求和收益的影響，發(fā)現(xiàn)BOPS的實施并不總是對零售商有利，而是取決于BOPS需求的單位處理成本、消費者通過BOPS渠道購買產品的麻煩成本及消費者對線上線下渠道的產品估值差異程度。[4]

供應鏈套期保值方面：熊熊等（2009）通過實證分析后發(fā)現(xiàn)，相比傳統(tǒng)貨押，套期保值供應鏈金融方案更有利于銀行控制質押物價格風險。[5]劉豐軍等（2014）構建了由一個供應商、兩個零售商組成的供應鏈并進行了Bertrand和Cournot博弈分析，發(fā)現(xiàn)在Bertrand博弈下零售商采取套期保值策略會導致供應商利潤下降，而在Cournot博弈下則有利于供應商的利潤增長。[6]孫小雨（2019）基于近些年來的鋼材價格劇烈波動現(xiàn)狀，對國有企業(yè)在鋼材供應鏈業(yè)務中的期貨套期保值管理思路、財務核算與風險管理措施等進行了深入研究，認為隨著期貨市場交易的不斷演變，國有鋼鐵供應鏈企業(yè)應基于業(yè)務發(fā)展實際，持續(xù)改進和優(yōu)化期貨套期保值方案，做到真正意義上的風險對沖。[7]

供應鏈風險管理方面：夏德和王林 （2012）指出，通過精確探測風險因子特性、掌握不同風險識別工具適用特征，有利于降低供應鏈風險。[8]徐緒松等（2013）通過總結供應鏈管理中生產制造管理、需求管理和供應管理等3個環(huán)節(jié)的風險識別成果，認為供應鏈風險識別是供應鏈風險管理的重點，而有效的供應鏈風險識別方式包括仿真模型、博弈模型及規(guī)劃模型等。[9]董尹和劉千里（2016）對情報活動與供應鏈風險管理在目標、核心環(huán)節(jié)和過程等方面所具備的相似性進行了分析，進而從情報流程視角出發(fā)，對情報流程與供應鏈風險管理各環(huán)節(jié)進行比較，得到了包含支撐和提升兩個子系統(tǒng)的供應鏈風險管理概念框架。[10]馬靖蓮等（2016）對國內外學者就復雜網絡上的供應鏈風險評估方法進行了總結，提出了將運籌學、博弈論與圖論、社會網絡分析方法及統(tǒng)計物流學等復雜網絡理論相結合的研究思路。[11]潘永明和姜景博（2020）在定義供應鏈風險管理概念、歸納風險類型的基礎上，提出了供應鏈風險管理應基于客觀準確、利用合理方式控制風控發(fā)生及對風險進行動態(tài)監(jiān)控和及時反饋的原則。[12]

大宗干散貨供應鏈方面：李瑞華和宋炳良（2015）對國際干散貨市場供求波動的影響因素進行了研究，進而總結了市場發(fā)展的內部波動性和周期性規(guī)律，發(fā)現(xiàn)國際干散貨航運市場供需關系是運價水平波動的主要影響因素，是決定運價走勢最根本的原因。[13]許貴斌（2015）分析了鐵礦石供應商在航運市場低迷時期建造使用巨型船舶的影響因素，并基于戰(zhàn)略層、戰(zhàn)術層及操作層具體探究了目前鐵礦石供應鏈存在的主要問題，認為航運企業(yè)和貨主企業(yè)的合作既能夠提高雙方抗風險能力，也能夠保證雙方收益穩(wěn)定增長，進而增強市場競爭力。[14]余方平（2017）利用 1985—2015 年的日/周/月數據，實證分析了BDI指數周期、均值回復和冪律特性。結果表明，BDI指數對數增長率呈現(xiàn)尖峰薄尾和波動聚集性特征，跳躍時間表現(xiàn)更合適的是Gamma函數擬合，跳躍幅度表現(xiàn)更合適的是Exponential函數擬合，但無論跳躍時間還是跳躍幅度都具有薄尾冪律特性和上下對稱性。[15]王大山和劉文白（2021）通過建立聯(lián)立方程模型和主變量-自回歸模型研究了國際干散貨航運市場發(fā)展情況，發(fā)現(xiàn)在 5～10年周期內國際干散貨航運市場運力的拆解與新增節(jié)奏將減緩，市場運費受到供需變化所帶來的波動會越來越小，同時受到上下游產業(yè)鏈中庫存周期的影響會越來越明顯，與上下游產業(yè)鏈中庫存周期的相關性越來越強，緩慢發(fā)展周期內的市場波動可能會較以往更為平穩(wěn)并呈現(xiàn)出季節(jié)性。[16]

綜上，套期保值是針對大宗商品供應鏈風險的有效管控手段。將大宗商品及其相關海運費作為同一供應鏈上下游結構統(tǒng)籌考量，并通過跨期對沖手段實現(xiàn)整條供應鏈結構化風險管控，其研究尚有廣闊空間。

三、國際大宗干散貨供應鏈市場及結構

統(tǒng)計數據顯示，截至2021年初，全球干散貨航運市場總運力在全球航運市場所有類型船總運力中的占比約為50%，總計運力約9億載重噸。波羅的海航運指數（BDI）是全球主要航線運費的加權計算，主要由海岬型散貨船運價指數（BCI-5TC）、巴拿馬型散貨船運價指數（BPI-4TC）及大靈便型散貨船運價指數（BSI-10TC）三部分構成。三種船型在不同航線承運幾大類國際通行的大宗干散貨，有機地嵌入幾大類大宗干散貨全球供應鏈中，其運價也與幾種大宗商品的貿易及價格緊密聯(lián)系。

由圖1可知，近年來，隨著中國等新興經濟體的快速發(fā)展，與基建相關的鐵礦石海運量擴張迅速，年海運量已超過15億噸。在全球注重環(huán)保，逐步管控“碳排放”并受到新能源等替代能源沖擊的背景下，近年來全球煤炭貿易有所回落，目前年海運量約為12億噸。隨著中國供給側結構性改革和房地產投資速度的放緩，全球鋼材海運量在2015—2016年達到峰值后略有回落，當前水平約為每年3.7億噸。由于近年來全球人口增長逐步放緩，全球糧食貿易量較為穩(wěn)定。此外，其余小種類散貨年海運量總計約為20億噸左右，因小種類干散貨不屬于大宗商品范疇，故不進行分析討論。

圖1 2011—2021年全球主要大宗干散貨物海運量

由表1可知，海岬型散貨船在全球大宗干散貨供應鏈中主要作為鐵礦石、煤炭等大宗商品的運輸載體；巴拿馬型散貨船在全球大宗干散貨供應鏈中主要作為煤炭、糧食等大宗商品的運輸載體；大靈便型散貨船在全球大宗干散貨供應鏈中主要作為煤炭、糧食、鋼材等大宗商品的運輸載體。在正常情況下，巴拿馬型散貨船（BPI）與大靈便型散貨船（BSI）所運輸的貨物重合度較高，海岬型散貨船（BCI）由于承運更多的是鐵礦石而相對獨立。

表1 全球大宗干散貨供應鏈主要航線信息及貨物明細

四、國際大宗干散貨市場供應鏈各變量關系及分析

了解國際散貨大宗商品供應鏈上下游的市場風險傳導機理是在供應鏈各產品間實行合理、有效對沖的前提。如圖2所示，鐵礦石與鋼材同時為鋼鐵產業(yè)鏈的上下游，鋼鐵產業(yè)的強勁增長總會帶動鐵礦石貿易的活躍發(fā)展。

圖2 2015—2021年鐵礦石與鋼材價格走勢對比（單位：美元/噸）

如圖3所示，2011—2021年澳洲動力煤大宗商品價格漲跌幅度較大，幅度在50～130美元/噸，其長期波動均值從2011年的97美元/噸降至2021年的76美元/噸左右，說明煤炭價格波動雖然劇烈，但總體呈回歸長期均價的趨勢，導致其在一段時期內表現(xiàn)出周期性。究其原因：一方面，國際上新能源布局及碳排放管控抑制了煤炭交易，導致期間澳洲動力煤大宗商品價格的長期波動均值下跌；另一方面，各大經濟體夏季用電高峰會刺激煤炭進口增長，供需缺口又導致煤炭價格在大宗商品市場呈現(xiàn)出季度性波動。

圖3 2011—2021年澳洲動力煤價格走勢（單位：美元/噸）

受到美洲糧食貨盤開放周期及國內季度性采購需求影響，國際大宗糧食價格呈現(xiàn)出一定周期性。2011—2021年墨西哥灣小麥及玉米價格走勢如圖4所示，不難發(fā)現(xiàn)，兩者走勢幾乎一致。

圖4 2011—2021年墨西哥灣小麥、玉米價格走勢（單位：美元/噸）

對近年來BDI指數與同時期海運供需比值（T/F值）進行對比，其中T/F值表示的含義為：每年每載重噸需要滿足年度海運貨物運輸總需求所需完成的航次數。具體計算公式為：

通過圖5可以判斷，BDI指數與該年度的供需比值走勢趨勢相似?？梢哉J為，在供需作用下，干散貨航運市場的原始驅動力是海運貨物運輸需求、大宗商品貿易需求、大宗商品價格與海運價格間具備傳導效應的邏輯基礎。

圖5 2009—2018年BDI指數與干散航運市場供需情況走勢對比

（一）國際大宗干散貨市場供應鏈風險對中國經濟溢出的影響

生產價格指數（PPI）主要用來衡量工業(yè)企業(yè)產品出廠價格變動趨勢和程度，其含義是企業(yè)購買物品、勞務的總費用。

采用2016—2020年逐月的車板價-青島港-澳大利亞-楊迪粉-58%價格、車板價-羅涇港口-巴西-塊礦-65%價格、螺紋鋼美國市場價、螺紋鋼歐盟市場價、螺紋鋼日本市場價、H型鋼600mm以上日本市場價、紐卡斯爾NEWC動力煤現(xiàn)貨價、歐洲ARA港動力煤現(xiàn)貨價及理查德RB動力煤現(xiàn)貨價，通過國際干散大宗商品價格走勢的漲跌值，對各大宗商品價格漲跌值與PPI漲跌值的面板數據進行回歸分析。

通過回歸分析，發(fā)現(xiàn)國際大宗商品價格漲跌與PPI指數漲跌相關性判定系數為0.36，高于社會科學普遍公認的顯著值0.25，說明國際干散大宗商品價格波動對中國PPI指數波動的外溢效應顯著。

（二）國際大宗干散貨市場供應鏈變量間的對沖效應分析

圖6 2016—2021年通過大宗價格波動擬合的PPI漲跌趨勢

全面監(jiān)控大宗干散貨供應鏈上各風險因素間的作用機理，從“商品價格-海運費”“不同船型間海運費”2個維度對供應鏈上各項變量的相關性進行分析，有助于實現(xiàn)大宗干散貨供應鏈從上游至下游的全鏈條風險監(jiān)控。

1.海岬型散貨船日租金與大宗商品價格相關性。主要分析鐵礦石、煤炭價格波動對海岬型散貨船日租金（5TC）的影響，以2016—2020年為樣本期，考慮到干散大宗供應鏈上價值傳遞的時效性，將本期及提前1、2、3個月的鐵礦石與煤炭價格作為自變量，將每月的5TC均值作為因變量，建立逐月數值面板數據進行價值回歸分析。

在模型優(yōu)化過程中，去除方差膨脹系數過大的變量，解決模型的多重共線性效應，最終僅存當期鐵礦石、當期煤炭、提前3期鐵礦石及提前3期煤炭的價格，4個變量為有效自變量，基于4個自變量的面板數據做C41+C42+C43+C44=15次最佳子集回歸，發(fā)現(xiàn)基于4個變量的擬合效應是最好的，判定回歸系數為0.39，擬合結果見表2。

表2 海岬型日租金與商品價格回歸系數

5TC與當期的鐵礦石價格、3月前的鐵礦石價格及當期的煤炭價格成正相關，在國際大宗商品出口商話語權強勢的背景下，大宗商品價格上漲會帶動運費上漲，同時鐵礦石價格到相關運費的價格傳導延續(xù)性較強；5TC與3月前的煤炭價格成負相關，可能是由于前期動力煤價格走低會抑制前期運費市場，導致批量海岬型散貨船被調去其他航線或安排修船，海岬型散貨船航線調整周期與修船周期一般為1～3個月，這會造成接下來2～3個月的海岬型散貨船傳統(tǒng)航線上的運力相對緊張。同時由于煤炭價格波動性較大且呈現(xiàn)出周期性，季度內價格回調概率較大，一旦回調會對已經相對緊張的海岬型散貨船運價形成反向支撐，帶動5TC重新上漲。

圖7 2016—2020年通過鐵礦石、煤炭價格擬合的海岬型船日租金（5TC）走勢

2.巴拿馬型散貨船、大靈便型散貨船與大宗商品價格相關性。分析煤炭、糧食價格波動對巴拿馬型散貨船日租金（4TC）的影響，其中煤炭價格取值如上，糧食價格采用國際玉米、豆粕、小麥、大米及大豆的現(xiàn)貨價格單列并取提前3期共列為自變量，建立面板數據分析4TC與各大宗商品價格間的關系，經模型優(yōu)化后其相關性判定系數僅為0.095，說明大宗干散貨商品價格波動對4TC的外溢效果不顯著，這是由于國際干散航運市場航線構成復雜且航線間運力相互調配、替換較為頻繁，巴拿馬型散貨船運費受到海岬型散貨船及大靈便型散貨船的市場擠壓效應更甚于所受到的大宗商品價格波動外溢效應所致。

分析煤炭、糧食、鋼材價格波動對大靈便型散貨船日租金（10TC）的影響，經模型優(yōu)化去除多重共線性效應后存留8個因變量。基于8個自變量的面板數據做C81+C82+C83+C84+C85+C86+C87+C88=254次最佳子集回歸，發(fā)現(xiàn)存留其中7個變量的擬合效應是最好的，判定回歸系數為0.622，擬合結果見表3。

表3 大靈便船型日租金與商品價格回歸系數

由圖8可知，相對于其他船型，大靈便型船運費（10TC）受到供應鏈上干散大宗商品價格波動的影響最顯著，且與鋼材、動力煤價格成正相關關系。根據原產地與采購的替代性效應，由于糧食種類間可替代性較強，所以不同種類糧食價格波動對10TC影響互有正負。

圖8 2016—2020年通過鋼材、動力煤、糧食價格擬合的大靈便型船日租金（10TC）走勢

3.各船型租金（5TC、4TC、10TC）之間的相關性。由圖9可知，巴拿馬型船 （4TC）與大靈便型船（10TC）相關性最高為0.87，這是由于兩類船型的載重噸位更為接近，且承運的貨物重合度更高，在干散航運市場上的替代效應最強，因此兩者運費有顯著的共振效應。海岬型船（5TC）與巴拿馬型船（4TC）的相關性為0.72，屬較高水平，在市場行情極好的情況下，巴拿馬型船會被調配到傳統(tǒng)海岬型船航線上共享高運費紅利，在市場行情極差的情況下，海岬型船無貨可運被調配到傳統(tǒng)巴拿馬型船航線從而對后者形成擠壓，因此兩者往往在極端市場情況下表現(xiàn)出更高的相關性。海岬型船（5TC）與大靈便型船（10TC）相關性為0.59，由于兩者船型載重噸位相距較遠，承運貨物重合部分較小，運力相互調配的概率較小，因此兩者相關性較弱。

基于2016—2020年統(tǒng)計數據，對各船型日租金水平進行分析，得到長期回歸公式如下：

圖9 各船型日租金走勢相關性判定系數

式（1）中，5TC為海岬型船日租金水平，4TC為巴拿馬型船日租金水平，10TC為大靈便型船日租金水平。

五、國際大宗干散貨供應鏈結構化風控模型

供應鏈結構化風控即依托全面風險管理理論，將供應鏈上不同的組成結構產品化，利用金融衍生品等手段進行產品間風險對沖，帶動全面的、綜合的、系統(tǒng)的風險管理。[17]

（一）模型的建立

以大宗商品價格及相關海運費作為供應鏈上下游風險指標，以各指標間對沖矩陣為基礎構建國際大宗干散貨結構化風控模型。各船型租金同時受到大宗商品價格變動及其他船型租金變動的影響，因此作為“被對沖指標”。通過相關性系數判斷，來自其他船型租金變動對某個船型租金的影響更甚于來自大宗商品的影響，因此各船型租金同時作為“一級對沖指標”，大宗商品價格則作為“二級對沖指標”。在進行對沖時，之前月份的變量作為先行預判指標，更多考慮同時期不同品種間的相關系數為對沖基礎，以確保對沖的有效性、及時性，因此只記錄同期變量間的回歸系數。大宗干散供應鏈各風險要素對沖系數矩陣如表4所示。

表4 大宗干散供應鏈各風險要素對沖系數矩陣

（二）平穩(wěn)性檢驗

基于式（1）做平穩(wěn)性檢驗。由圖10可判斷，直方圖檢驗中，圖形分布基本符合正態(tài)分布；且正態(tài)概率累積圖中所有點都圍繞在線的周圍，可以認為數據是符合正態(tài)分布的，模型輸出平穩(wěn)有效。

圖10 模型平穩(wěn)性檢驗分析圖

六、實證分析

2021年4～5月，國際大宗商品投機商依托產業(yè)鏈優(yōu)勢操縱澳大利亞鐵礦石、動力煤價格，致使鐵礦石、動力煤價格創(chuàng)近年新高。并且通過提前鎖定租船協(xié)議、階段性大量控制海岬型散貨船，造成運力出現(xiàn)緊張局面，致使海岬型船海運費暴漲，嚴重威脅到中國鋼鐵企業(yè)的供應鏈安全。

通過對大宗商品期貨市場及遠期運費協(xié)議市場的遠期指數進行交叉驗證及預判，當澳洲大宗商品快速上漲時，可以在大宗商品及遠期運費協(xié)議之間實行跨期對沖操作，以避免發(fā)生海運費大幅上漲帶來的供應鏈不穩(wěn)定問題。

假設國內某鋼材企業(yè)A，在4月份做采購計劃，預計5月份有一整船海岬型船礦石進口需求總計為18萬噸。4月份海岬型船月均日租金為29798美元，5月份海岬型船月均日租金為35508美元，假設船空在澳洲黑德蘭港，航次總時間約48天。由于海運費上漲，鋼材企業(yè)A需支付的增加采購海運成本為274100.37美元。

鋼材企業(yè)A為了應對，在4月初注意到了鐵礦價格和澳煤價格的異動，從4月起依據鐵礦價格和澳煤價格與海岬型船日租金長期聯(lián)動關系，運用風控模型二級對沖指標，參照大宗商品遠期掛牌價，通過遠期運費協(xié)議做多海岬型船日租金48手，持有至到期自然結算，通過跨期對沖在遠期運費協(xié)議市場的套利金額為：

與此同時，鋼材企業(yè)A在5月份有一整船大靈便型船鋼材5萬噸出口至澳洲，航次總時間約40天。海岬型船日租金上漲帶動整體海運費上漲，大靈便型船月均日租金從4月的21216美元漲至5月的25524美元，鋼材企業(yè)A需支付的增加出口海運成本為172327.89美元。

同樣，鋼材企業(yè)A“依據鐵礦價格和澳煤價格-海岬型船日租金-大靈便型船日租金”的長期聯(lián)動關系，同時運用風控模型一、二級對沖指標，進而通過遠期運費協(xié)議做多大靈便型船日租40手，持有至到期自然結算，通過跨期對沖在遠期運費協(xié)議市場的套利金額為：

鋼材企業(yè)A基于供應鏈結構化風險管理，通過大宗商品與海運費之間的跨期對沖操作，實現(xiàn)對進口鐵礦石海運費上漲的市場風險覆蓋率為104.06%，對出口鋼材海運費上漲的市場風險覆蓋率為61.68%，較大程度維持了其供應鏈的穩(wěn)定。

七、結論與啟示

（一）結論

國際大宗干散貨供應鏈上下游間存在價值傳導效應，不同結構間的影響以正向為主。縱向維度上，來自大宗干散貨商品價值的波動對海運費的整體影響有一定延續(xù)性，鐵礦石及煤炭的價格波動不僅僅對當期海岬型船的運價擾動作用明顯，其余波也會影響后期的海岬型船運價。大靈便型船運價主要受到當月鋼材價格波動影響，其次受到前期的鋼材及煤炭價格波動影響。橫向維度上，不同船型間的相互影響作用則更為顯著，尤其對于巴拿馬型船，在國際干散三大主流船型中屬于中間噸位船型，海岬型船及大靈便型船運費提高都會促進巴拿馬型船的運費上漲，其中大靈便型船與巴拿馬型船運費走勢呈現(xiàn)更高的相關性。基于對以上規(guī)律的掌握，通過供應鏈內不同產品間的跨期對沖操作，可以很大程度實現(xiàn)供應鏈的結構性穩(wěn)定。

（二）啟示

一是更好掌握大宗干散貨供應鏈運行規(guī)律，有助于中國企業(yè)通過庫存管理、套期保值等手段實現(xiàn)逆周期操作，有效應對大宗商品價格劇烈波動。中國是大宗商品進口大國，不論是貨值的變化還是海運費的變化都會影響到中國大宗商品原材料供應鏈穩(wěn)定。統(tǒng)籌國內鐵礦石、煤炭等大宗商品港口庫存及相關大宗原材料的下游商品消費水平，若下游消費旺盛或庫存下降趨勢明顯，說明對該貨品的潛在需求旺盛，在近些年主流大宗商品買漲不買跌的貿易格局下，這會帶動海運費上漲，由此可根據自身運費承受預算，在國際遠期運費協(xié)議中適當持有多頭頭寸，在運費市場上漲時通過期貨交易實現(xiàn)套利，以支撐后續(xù)較高的供應鏈成本，維持供應鏈平穩(wěn)運行。

二是企業(yè)應建立系統(tǒng)性供應鏈風控流程，時刻關注大宗干散貨供應鏈上下游各產品的價值異動，根據自身成本預算或盈利目標合理設置買入、賣出點位，一旦出現(xiàn)不同產品間遠期價格的不合理基差，就應及時鎖定遠期大宗商品指數或航運指數間價差進行跨期套利，以對沖市場風險。當中國進口的主要大宗商品價格劇烈波動時，則需根據主要大宗商品價格與主要承運船型的歷史期租水平，作出綜合判斷和科學決策。

三是風控模型運行的基礎，是參照模型數據統(tǒng)計期內市場參與者的歷史整體交易習慣和風險偏好合眾效應，因此任何參與者的交易行為改變都會造成模型一定程度的失效。要對模型進行定期迭代，定期迭代必須考慮以下兩方面因素：（1）依照歷史數據做好排序，根據極端市場情況設置遠期品種對沖時的買入、賣出點位；（2）基于供應鏈上下游結構間各產品的長期均衡關系及殘差擾動區(qū)間考慮對沖點位。此外，在考慮數據統(tǒng)計周期時并非越長越好，宜選擇同一個歷史周期內的數據進行分析，盡可能反應當下市場的實際情況，以避免跨周期數據擾動造成模型失效。

四是在進行風控建模優(yōu)化時，變量的留存與剔除一方面要符合計量經濟學基本原理，另一方面也不能與實際市場基本面相悖，變量間相互作用關系及模型輸出規(guī)律首先應具備合理性，過度擬合、多重共線性等問題都可能導致模型精度虛高，這種情況下往往對模型變量要求較為苛刻，一旦市場發(fā)生波動則模型與實際極易發(fā)生背離。因此不能為了計量學角度的完美模擬結果而犧牲通過模型解釋市場規(guī)律的作用，這就需要風控人員熟悉并長期關注大宗干散貿易格局及海運市場情況。