全球航运业负责运输超过80%的全球贸易量，是国际贸易的支柱（Kou等人，2025年；联合国贸易和发展会议UNCTAD，2024年）。其核心功能是促进原材料、能源和货物的运输，对经济稳定和发展至关重要。在散货船市场这一关键领域中，由于散货船承担了全球70%的铁矿石、50%的煤炭和35%的谷物运输任务（UNCTAD，2023年），它们对商品供应链至关重要。因此，二手散货船市场在海上资产管理中占据中心地位。船东可以通过周期性套利策略（在低迷时期收购船舶，在高峰时期出售）来优化船队组合，同时应对环境法规、地缘政治波动和宏观经济不确定性（Alizadeh和Nomikos，2007年；Her等人，2019年；Kou等人，2014年）。在此背景下，精确的二手散货船估值成为投资决策和风险评估的关键依据。
近年来，二手散货船市场在全球供应链中的关键作用与紧迫的可持续性挑战（包括温室气体排放、环境污染和能源效率低下）日益紧密相关（Cao等人，2025年）。随着国际海事组织（IMO）设定2030/2050年净零排放目标（IMO，2023b），这些挑战进一步加剧，要求对海上运营、能源系统和资产估值框架进行系统性改革。在脱碳压力下，二手散货船的估值变得异常复杂，这源于“绿色溢价”的出现——即环境性能优越的船舶获得的估值优势，反映了市场与可持续性目标的契合以及合规成本（Moutzouris等人，2024年）。这一变化直接源于绿色航运的兴起，它从根本上改变了环境指标在资产定价中的整合方式。因此，环境绩效指标（作为运营效率和碳足迹的代理）已成为船东和投资者的核心考量因素。这凸显了传统估值方法在二手散货船市场中的不足。这些方法侧重于经济和技术变量，无法全面评估当代海上资产管理所需的环境指标。
历史上，海上资产估值研究从关注价格波动的时间序列分析（Kavussanos，1996a、1996b、1997年）、协整关系（Glen，1997年；Hale和Vanags，1992年；Kavussanos和Alizadeh，2002年）以及有效市场假说（EMH）的检验（Adland和Koekebakker，2004年）发展为强调市场基本面与价格动态之间线性关联的计量经济建模（Kavussanos，1997年；Glen，1997年）。机器学习的最新进展（Adland等人，2023年）通过捕捉变量间的复杂非线性交互作用增强了该领域的研究。然而，仍存在若干局限性：（1）传统模型未能充分处理多维特征之间的非线性交叉效应，COVID-19大流行进一步加剧了不确定性，导致需求突变，暴露出那些无法应对结构性变化的模型的脆弱性；（2）绿色资产的估值在方法上仍然孤立，忽略了脱碳政策驱动的结构性溢价；（3）机器学习的“黑箱”特性与行业对可解释决策框架的需求相冲突；（4）碎片化的数据集限制了分析范围，影响了对散货船子市场的覆盖和宏观经济周期的描述。
本研究旨在弥合先进机器学习能力与海事经济理论之间的差距。我们构建了一个可解释、高精度的估值框架，旨在解析多维市场环境中“绿色资产”的定价机制。具体而言，利用Clarkson Research提供的5,645笔经过验证的交易数据（2005-2023年），通过堆叠集成策略整合了随机森林（Random Forest）、XGBoost和LightGBM算法。通过将堆叠集成学习的非线性预测能力与特定领域的环境指标相结合，本研究探讨了绿色资产如何体现在船舶价格中，这种效应在监管收紧下的演变情况，以及其在船舶生命周期不同阶段的差异。我们的贡献有三个方面：
概念上，本文阐明了环境效率在二手船舶估值中的经济作用。现有研究通常将燃油效率视为与燃油节省和航行成本相关的运营属性。本文将燃油效率指数（FEI）作为“绿色资产”的代理。结果表明，在脱碳压力加剧的情况下，FEI所体现的环境性能不仅应被视为运营考量因素，还应作为与预期合规成本、改造要求和监管过时风险相关的定价因素。从这个意义上说，本文将“绿色资产”的讨论超越了纯粹基于成本的视角。
方法上，本文开发了一个可解释的混合堆叠框架，用于二手船舶估值。通过整合随机森林、XGBoost和LightGBM，该框架捕捉了船舶特征、市场条件和环境指标之间的非线性关系，实现了0.9253的R2值和0.2043的RMSE值，优于单一基础学习器。更重要的是，采用SHAP解释方法揭示了潜在的定价模式，使模型不仅具有预测准确性，还具有经济可解释性。
实证上，本文提供了基于交易的证据，展示了在不同监管和生命周期条件下燃油效率如何体现在二手散货船价格中。结果显示，FEI的定价效应是非线性的、不对称的且具有状态依赖性：低效率的惩罚更为严厉，而额外的效率提升带来的收益则相对较小。这一效应在2018年后变得更加显著，对于老旧船舶尤为明显，低效率的船舶贬值更为严重，而高效率则能在一定程度上保持价值。这些发现表明，环境绩效在实际船舶交易中具有经济意义。
除这些贡献外，这些发现还对二手航运市场的脱碳具有政策启示。具体而言，结果指向了“可见性、估值和可行性”的闭环政策逻辑。首先，为解决信息不对称造成的定价噪声，我们提倡标准化披露机制，使效率透明化。其次，基于2018年后观察到的结构性溢价，我们建议将经过验证的效率指标纳入财务契约，使绩效具有价值，从而将脱碳从合规成本转变为财务优势。最后，利用我们发现的高效率可以降低老旧船舶的折旧，我们建议使用信用增强工具，使改造变得可行，克服当前阻碍现有船队脱碳的融资障碍。
本文的其余结构如下：第2节对现有海上资产估值文献进行了批判性回顾。第3节概述了方法论框架，描述了选定的机器学习算法、混合集成架构和可解释性技术。第4节详细介绍了数据来源和预处理程序。第5节展示了实证结果，重点关注模型性能评估和特征重要性分析。第6节讨论了绿色估值的机制和政策含义。最后，第7节总结了研究贡献和未来方向。
