论文题目：Trade dynamics of the global dry bulk shipping network
第一/通讯作者：Yan Li, 萨塞克斯大学商学院的金融学博士生，研究聚集航运网络的结构特征、抗风险能力及脆弱性。
E-mail：yl702@sussex.ac.uk
大牛学者：Carol Alexander 萨塞克斯大学商学院的金融学教授，是加密资产市场、衍生品、金融风险管理和去中心化金融领域的世界顶尖专家。
E-mail：C.Alexander@sussex.ac.uk
全球干散货航运网络：基于微观贸易流的复杂网络分析
论文摘要
该研究基于微观层级的船舶贸易流数据，构建全球干散货航运网络，并利用复杂网络方法系统分析其结构特征及对外部冲击的响应机制。作者聚焦煤炭、粮食与铁矿石三类关键散货子网络，指出它们在贸易集中度、进出口失衡及网络韧性方面存在显著差异。针对既有研究多依赖港口调用或船舶轨迹、难以准确刻画货物流向的问题，本文使用 Oceanbolt 数据库中 2015–2023 年超过 167 万条贸易流记录，按季度构建带权有向网络，从结构统计、社区划分与时序演化等维度展开分析。
一、研究背景与问题界定
1.1 干散货航运的重要性与研究空白
干散货航运在全球贸易中的地位突出：干散货运输约占全球海运贸易量的80%，承担煤炭、粮食、铁矿石等基本原材料运输任务。 现有研究偏重班轮（集装箱）网络：大量文献集中在班轮运输的网络结构与效率分析，对干散货网络的关注相对不足。 传统数据的局限：多数研究使用船舶轨迹或港口调用数据，难以确认每次航程的货物起讫关系，无法准确描绘需求驱动的贸易网络。 缺乏商品差异性的动态研究：当前研究很少系统比较各类散货网络对疫情、战争等外部冲击的响应。
1.2 研究问题
本文聚焦四个核心问题：
贸易网络的结构特征：干散货及其子网络在度分布、核心—边缘结构、小世界性等方面有何特点？ 社区组织与地理分布：网络中的港口如何划分为若干密集连接的社区，各社区在地理上呈现怎样的分布与演变？ 外部冲击下的时序演化：COVID‑19 疫情与乌克兰战争等事件如何改变各子网络的结构和社区配置？ 方法创新与实践意义：微观数据驱动的网络分析在航运风险管理和政策制定中有何价值？
二、数据与方法
2.1 数据来源与预处理
数据集：采自 Oceanbolt Maritime Market Intelligence，涵盖2015–2023年全球干散货航运活动，记录包含船舶身份、载重吨、货种、装卸港坐标及时间戳等信息。 数据清洗：剔除未知装卸港及非贸易航次，得到约16 000艘船、1.67 百万条贸易流，涉及21种货物。 主要货种：煤炭、粮食和铁矿石合计占干散货运输总量的64%，但仅占贸易流数量的32%，反映主要货物以大批量、少航次的特点。 时间划分：使用季度为窗口构建静态网络，以捕捉疫情与战争等重大事件的结构变化。
2.2 网络构建
节点与边：节点代表全球港口，边为装港到卸港的有向连线，权重可根据航次数量、货量或载重吨设定。 四类网络：构建总体干散货网络及煤炭、粮食、铁矿石三个子网络，以比较不同货种的结构差异。 季度快照：按季度聚合所有贸易流，生成时间序列网络，用以分析动态变化。
2.3 网络统计指标
度中心性与重尾分布：分析节点的入度、出度及强度分布，用以识别网络的集中性与异质性；重尾度分布常见于资源集中型系统。 平均最短路径、聚类系数与小世界指数**：平均路径衡量网络可达性，聚类系数反映三角闭合趋势。作者引入和两个小世界指标，用公式表示为其中、为随机网络的聚类系数与平均路径，为格状网络聚类系数。当且时，网络呈现小世界性质。 度相关系数：衡量高/低度节点之间的连接倾向，表示弱核心–边缘结构。 社区检测：采用 Louvain 算法最大化模块度，识别内部连接稠密、外部连接稀疏的港口群体。 结构距离矩阵：比较不同季度网络的邻接矩阵异同，距离定义为其中 、 为两季度网络的边数， 为两者共有的边数，交集越大，距离越小。通过聚类分析定位结构断点。
三、静态网络特性分析
3.1 网络规模与连通性
港口覆盖范围：全网络包含2748个港口和171 631条独特航线，平均入度或出度为62.5，网络密度0.023。 子网络差异：煤炭网络拥有最多港口（1 525个）但最稀疏；粮食网络密度最高；铁矿网络最小且最稀疏。 强连通分量（GSCC）：总体网络的 GSCC 覆盖75%的港口，而煤炭、粮食和铁矿子网络的GSCC比例分别为35%、34%和18%，说明单一货种的双向贸易链较小。
3.2 重尾度分布与核心—边缘结构
所有子网络的度分布呈重尾特征，估计的幂律指数在0.7–1.3之间；出口端的幂律指数约为0.7，进口端约为1.2，这表明出口更高度集中，进口则相对分散。 度相关系数普遍为负或接近零，说明高度节点倾向于连接低度节点，形成弱核心—边缘结构。 地理上，煤炭出口集中在澳大利亚、印尼、俄罗斯、南非和北美，粮食出口以乌克兰、巴西、阿根廷、北美和澳大利亚为主，铁矿出口集中在澳大利亚、巴西、加拿大和南非，而中国则是主要进口国。
3.3 小世界性质
整体干散货网络：平均路径接近随机网络（2.36），聚类系数略高于随机网络，且，显示整体网络具备小世界特性。 子网络：煤炭、粮食和铁矿子网络的聚类系数仅0.04–0.05，较大，和接近随机结构，说明小世界特征不明显。 GSCC小世界：子网络的强连通核心拥有较高密度和聚类（0.36–0.50）及更短路径，呈现真正的小世界结构。这表明小世界特性仅存在于密集的双向贸易核心。
3.4 可视化展示
下图展示了全球干散货贸易流网络和各子网络的地理布局。节点大小表示入度或出度中心性，蓝色为装港，红色为卸港，颜色重叠表示双向贸易。
从图中可以看到，全网络呈现广泛的双向贸易，而煤炭、粮食和铁矿网络则表现为较明显的单向流向；出口活动高度集中，进口较为分散。
四、时序网络演化与外部冲击
4.1 结构断点识别
通过季度网络的结构距离矩阵，作者识别出明显的结构断点：煤炭网络在2020年Q1疫情爆发时出现急剧变化；粮食网络在2021年Q1乌克兰战争前发生突变；铁矿网络则在2019年出现唯一断点，说明其对后续全球冲击更加韧性。 将距离矩阵进行层次聚类，验证这些断点的存在，并揭示不同货种对外部冲击的滞后或提前反应。
4.2 煤炭网络社区演化
疫情前（Q1 2020之前）煤炭网络划分出六个社区，分别由欧洲大陆、远东、日本、美国东海岸、阿拉伯湾和俄罗斯远东等区域主导。 疫情后社区数量减少为五个，其中远东社区分裂为以中国为中心和以东南亚为中心的两个社区，阿拉伯湾与俄罗斯远东小社区并入大社区。 这一变化反映了疫情期间亚洲地区港口航线重组，以及中国与俄罗斯贸易联系的加强。
下图给出了煤炭贸易社区在疫情前后转换的 Sankey 图：
4.3 粮食网络社区演化
乌克兰战争爆发前（Q1 2021之前），粮食网络由五个社区组成：欧洲大陆、远东、美国东海岸、美国湾区及南美东海岸。 战争后社区数增至七个。主要变化包括：Far East 社区分裂为中国、 日本和东南亚三组；欧洲大陆社区分裂出东地中海社区；美国东海岸社区并入欧洲社区；南美东海岸社区大幅缩小。 这种社区重组反映了乌克兰粮食出口受阻、欧洲与中东粮食贸易重构以及亚太地区需求调整等因素。
下图展示了粮食贸易社区在战争前后的转移：
4.4 综合比较
煤炭网络对疫情敏感：2020年疫情导致煤炭网络迅速重组，亚洲内部贸易关系明显变化。 粮食网络受战争影响大：2021年乌克兰战争使粮食网络分裂并出现新的社区结构。 铁矿网络保持稳定：铁矿贸易的供需集中度高，外部冲击难以撼动其既有结构。 周期性模式：粮食网络距离矩阵呈周期性条纹，反映全球农业生产的季节性周期。
五、研究结论与学术贡献
5.1 主要发现
核心—边缘与贸易失衡并存：全球干散货网络及其子网络呈现明显的核心—边缘结构，出口端高度集中，进口端相对分散。 GSCC的重要性：强连通核心占网络比例有限，但为双向贸易提供高效通道；整体网络合并时GSCC更大，方便船东在不同货种间灵活调配船舶。 小世界特性限定在核心：整体干散货网络具有小世界性质，但在单一货种中仅体现在GSCC内。 外部冲击具有商品差异性：疫情主要冲击煤炭网络，战争主要影响粮食网络，铁矿网络相对稳定。 社区演化揭示地理重组：通过社区检测与 Sankey 图分析，发现疫情后亚洲煤炭贸易社区分裂重组，战争后粮食贸易社区出现欧洲分裂和远东三分等现象。
5.2 学术贡献与创新点
数据层面：首次利用微观贸易流数据构建干散货航运网络，准确捕捉装卸港对之间的货物流向。 方法层面：结合复杂网络指标、小世界度量与 Louvain 社区检测，提出一套适用于航运网络的分析框架；引入结构距离矩阵识别时间断点。 实证发现：揭示不同货种的结构差异与韧性，特别是社区分裂与合并的动态规律，为理解全球供应链风险提供新的视角。 实践意义：研究结果为船东、贸易商和政策制定者提供了基于网络的风险评估工具，强调保持对GSCC的接入、分散进口来源及加强关键出口港韧性的重要性。
5.3 展望
作者建议未来研究结合运费数据、合同结构和多层网络模型，进一步探讨网络结构如何影响航运效率与盈利；同时应关注粮食贸易网络的季节性周期与干散货新兴贸易走廊。对其他散货市场和多层次供应链的研究亦有推广价值。
文章须知
链上镖师团队：常文婕（AEIC）、祁园园、汪朝杰、王一航、张仁义（EIC）、张晓乐
原文链接：https://doi.org/10.1016/j.tre.2025.104597
原文链接见文末，或扫下方交流群二维码。群内实时更新推文及原文 pdf，方便专家学者随时获取（若二维码失效，请翻阅扫描最新文章的二维码）。
