基于信息熵和灰色关联分析的台湾与韩国航运企业财务状况的比较研究.doc

对台湾及韩国航运企业财务状况基于信息熵和灰色关联分析的比较研究
Paul Tae-Woo Lee , Cheng-Wei Lin , Sung-Ho Shin

摘 要：由于地缘政治方面的原因，韩国和台湾的国际贸易都非常依赖国际海上运输系统。因此，为了支持各自的经济发展，韩国和台湾都大力发展本国的远洋航运工业。近期爆发的金融危机，导致了全球经济增长的趋势放缓。因此，依靠国际贸易的海上货物运输贸易大幅度减少，进而导致了集装箱航运部门的收入明显恶化。在我们研究之列的这两个国家的著名集装箱企业Evergreen，Yang Ming，Hyundai和Hanjin。本文试图达到两个目的。首先是运用信息熵找到四家企业每年的财务指标的相对权重，这样我们就能根据这四家企业在1999-2009年间的财务状况看到各个指标权重的变化情况。第二是应用灰色关联分析对这四家企业在1999-2009年间每年的财务状况进行排序。根据本文的研究结论，作者试图对商业政策的制定提出建议，以便减轻金融危机对世界航运领域的影响。
关键词：信息熵 灰色关联分析 财务指标分析 集装箱航运
1、前言
经济全球化的快速增长促进了运输业持续发展，也可以说在贸易全球化的过程中，国际航运系统发挥着重要的作用。在这个物流全球化的时代，集装箱航运对于物流运输系统和供应链管理尤其重要(Heaver,2002;Levinson,2006;Notteboom&Rodrigue,2008;Panayides,2006; Song & Lee,2009)。但是由于2008年美国爆发的金融危机导致了全球经济下滑，因此航运业需求严重下降，越来越多的集装箱企业开始让其部分船只退出运营。近期Drewry(2009)再一次证实了这一趋势，他通过对比三条主要航线2008年第二季度和2009年第二季度的货运收入发现：太平洋航线下降了31%，欧洲远东航线下降了63%，大西洋航线下降了38%，这三条航线的贸易额平均下降了34%。
作为亚洲的主要出口国，韩国和台湾由于机缘政治的原因在国际贸易上非常依赖海上运输系统。这两个国家的主要集装箱航运企业，同时也是我们所要研究的对象Evergreen, Yang Ming, Hyundai和Hanjin也深受这场世界范围的金融危机的影响。由于这两个国家的水上运输部门与其上游和下游产业都有很紧密的联系，因此整个国家的经济都受到了多方面的影响。同时水上运输部门和其国内生产结构之间也有着紧密的内在联系（Chan, Kumar, Tiwari, Lau,﹠Choy,2008）。根据上述情况，我们找到一个很有研究意义的课题，即对韩国和台湾航运上市企业所受金融危机影响的财务状况进行比较研究。
通过财务分析可以解释一家企业过去和现在的财务状况，并且能够预测它将来的财务状况。尽管公司财务报表中包含着丰富的可供分析的信息，但是对报表的解释可能是非常复杂的。因此，本文重点研究对财务指标的分析步骤。财务指标分析就是通过对财务报表的分析确定各财务指标的特点，从而反映出金融危机对本文中提到的几家航运企业的影响。在对这四家企业财务报表进行初步分析的基础上，本文试图达到两个目的。首先是运用信息熵找到四家企业每年的财务指标的相对权重，这样我们就能根据这四家企业在1999-2009年间的财务状况看到各个指标权重的变化情况。第二是应用灰色关联分析对这四家企业在1999-2009年间每年的财务状况进行排序。根据本文的研究结论，作者试图对商业政策的制定提出建议，以便减轻金融危机对世界航运领域的影响。
2、文献回顾
在金融动荡时期，集装箱航运行业对资本结构、收益率和成本削减都非常敏感（Chuang, Chiu & Wang, 2008; Guzhva & Pagiavlas, 2003; Lee, 1999b）。因此，股东非常关注集装航航运企业的财务报表分析。财务报表分析是估计企业财务状况并向股东提供公司财务信息不可缺少的工具。本文回顾了过去20年间的相关文献，发现了几种用财务指标来评估公司财务状况的方法。多准则决策(MCDM)方法在解决来自商业活动和现实生活中的多维复杂问题中起到了重要的作用。它被广泛应用到各种模型中，例如加权和模型（WSM）、加权产品模型（WPM）、层次分析法（AHP）、消去和选择转换法（ELECTRE）（Benayoun, Roy & Sussman, 1966）和逼近理想解排序法/理想点法（TOPSIS），这种方法和消去和选择转换法可以相互替代（Triantaphyllou, Shu, Sanchez & Ray, 1998）。自从Zadeh(1965)提出了模糊集合论法，这种用来解决模糊多准则决策难题的方法已经被扩展和修正过的多准则决策所发展（Ashtiani, Haghighirad, Makui & Ali Montazer, 2009; Atanassov, 1986; Ata- nassov, Pasi, & Yager, 2005; Chen, 2000; Chen & Tan, 1994; Cheng, 1998; Chou & Chang, 2008; Hus & Chen, 1994, 1996, 1997; Lee, 1999a; Liang, 1999; Opricovic & Tzeng, 2004; Shih, 2008; Tung & Lee, 2009; Tzeng, Chiang, & Li, 2007; Tzeng, Lin & Opricovic, 2005; Wang & Chang, 2007; Zhang, Zhang, & Wang, 2005）。
在这些分析方法发展的过程中，多准则决策方法（MCDM）应用于通过财务指标评估运输部门的财务状况，包括数据包络分析法（DEA）（Bowlin, 2004; Capobianco & Fernandes, 2004; Halkos &Salamouris, 2004; Liang, Liu, Lin, & Yeh, 2006; Lin & Liu, 2005; Scheraga, 2004)、模糊多准则决策（FMCDM）( Wang, 2009; Wang & Lee, 2010) 、模糊多准则群体决策（FMCGDM）( Wang, 2008) 、理想点法( Feng & Wang, 2000; Feng & Wang, 2001; Wang & Lee, 2007)、灰色主成分分析法 ( Tung & Lee, 2009) 、层次分析法( Steur & Na, 2003)模糊层次分析法（FAHP）和模糊公理设计（FAD）算法 ( Celik, Metin, Deha, & Ozok, 2009) 、模糊关系聚类法( Wang & Lee, 2008) 、改进的夏普利率 ( Chuang et al., 2008) 和托宾分析( Scheraga, 2004)。
Feng和Wang（2000）应用理想点法评估了台湾境内五家航空公司的包括市场、生产率、执行力和财务在内的业绩指标，并对这五家公司进行了排序。他们同时还使用了灰色关联分析选择出了具有代表性的业绩指标，并克服了样本量小和不知样本分布的难题。在前人研究的基础上，Hwang和Yoon（1981）提出了实施理想点法的五大步骤，以便计算各样本的业绩分数并进行排序。这五个步骤分别是：将指标值标准化；给出最优和最差的解决方案；对不同的方案措施进行计算；计算实际值与理想方案的相对距离；根据实际值与理想方案的距离远近进行排序，近则优。Feng和Wang（2001）再一次运用理想点法对台湾高速公路公司的业绩指标进行了评估，其中应用的概念模型和计算过程与之前的研究（Feng﹠Wang，2000）相同。
Wang和Lee（2008）在研究台湾四家航运企业23个财务指标模糊关系的基础上提出了一个新的聚类方法，得到了一个集群验证指数并从每个集群中找出一个代表性指标。这得益于他们在其文章中对证明过程和前提的定义，他们运用了聚类方法对财务指标进行分类，并选出了各个类的代表性指标。随后，他们运用平均数法证明了其论文中提出的聚类方法的可行性。Wang（2009）结合灰色关联分析和模糊多准则群体决策对台湾集装箱航运企业的财务状况进行了评估。在评估过程中，他应用灰色关联分析将台湾台湾的三家集装箱航运企业的财务指标数据分为相等的五个阶段，每个阶段为半年，并从每个聚类中找出了代表性的指标，接着运用模糊多准则群体决策并结合专家的意见在他之前研究（Wang﹠Lee，2007）的基础上评估了每家企业的财务状况。四位专家提出了15标准的语言权重， Wang在论文中讨论了模糊多准则群体决策即使在小样本的情况下依然适用，并从15个聚类中选出了15个代表性指标。Wang和Lee（2010）提出运用模糊多准则决策来评估集装性航运企业的财务指标，并运用灰色关联分析对财务指标进行聚类，然后找出每类中具有代表性的指标。除了一些数学上的发展和修正，我们在本文中运用了几乎与Wang的文章（2008,2009）一样的方法。在Wang的文章分析了台湾三家集装箱航运企业2003年第三季度至2004年第三季度的21项财务指标，并将其分为相等的五个时期。四位财务专家提出了15标准的语言权重，他们声称拥有优势指标和劣势指标的扩展模糊偏好关系的基础上的FMCDM能够用于评估企业财务状况，即通过将所有的指标聚类，就可以容易的对企业的财务状况进行排序了。
Wang和他的团队运用模糊模糊理想点法、模糊多准则决策、模糊多准则群体决策和灰色关联分析对台湾航空和集装箱航运企业的财务状况进行了评估，其中在他们的论文中，模糊模糊理想点法称作是基于 Wang、Roy和Sussman (2003)的模糊理想点法。从上文提及的文章中，我们可以看出它们都运用了相同的概念模型，并且都利用灰色关联分析的结果作为距离指标对相关的财务指标进行聚类。这些方法对于解决作者们在论文中提出的问题是可行的。运用聚类分析，例如模糊关联分析和均值分析( Wang & Lee, 2008)来对财务指标进行分类，并找出具有代表性的指标，这似乎就是研究的主要目的。不同于本文中运用的熵分析，对财务指标进行分类，并找出代表性的指标以对航运企业的财务状况进行评估的方法会丢失所要研究数据的部分信息。在Wang的文章中只分析了21-23个财务指标5个季度也就是两年半期间的数据，并且只有四名专家参与对个财务指标的权重进行赋值，他们甚至都没有对所赋的权重值进行解释。同时Wang所研究的数据期间太短，以至于人们不能从他的研究中得出更广泛的结论，在他的论文中也没有对所得到的排序结果进行适当的解释和讨论。在本文中则应用更长期的数据以弥补其它论文中数据期间太短的缺陷，但是我们应该认识到，如果他们论文的主要目的是验证上述数据分析方法在分析航空、机场和集装箱企业时的适用性和可行性的话，那么他们便是成功的。
上文提到的文章中似乎并没有将如何对各指标的权重进行赋值作为重点。然而，确定评估指标的标准权重对于评估问题是非常重要的。Maetal (1999) 和 Xu (2004)指出，权重的确定方法可以分为主观和客观两种方法。主观方法，例如Saaty（1977）提出的层次分析法，总是需要考虑决策者的主观偏见，所要评估的客体越多，评估工作就会越困难。由于决策者判断的不可靠性，用主观方法获得的权重值是不稳定的，并且决策制在确定权重值时，并没有考虑所要研究的数据。客观方法，例如Shan- non (1948)提出的信息熵就是一个很常用的确定评估指标的标准权重的客观方法，它不需要决策者的主观看法，而是要关注评估客体的绩效。用信息熵对权重进行赋值的方法在评估体系中是非顺序的。样本数据中提供的信息可以用权重进行测量( Zouetal，2006)。当然两种权重确定方法在解决实际问题中都是有用的，考虑到不同方法的不同特点，研究者可以根据自己的需要选择合适的方法。
根据上文的讨论和文献回顾，我们发现，大多数的研究者是采用专家主观的意见来对财务指标的权重进行赋值，然后结合灰色关联分析对各个企业的财务状况进行排序。在本文中，我们则采用新的概念来分析近期的经济增长下降对航运企业的影响。我们首先运用熵分析这种客观方法对个财务指标的权重进行赋值，因为熵分析不会丢失所要分析数据的任何信息；然后运用于上文中提到的论文中一样的灰色关联分析并结合各指标的权重对文中研究的四家企业的财务状况进行排序。
3、数学方法和实证分析
从上文的文献回顾中我们了解到运用熵分析和灰色关联分析对航运企业进行评估的方法是可行的。在本部分中，我们首先对信息熵和灰色关联分析进行简单的说明，然后介绍了运用这两种方法对四家（EG、YM、HJ、HMM）企业进行评估时的具体实施步骤。
3.1 信息熵
步骤1. 数据：业绩矩阵/评估矩阵
用来进行熵分析的数据应该具有如公式（1）所示的格式。
(1)
步骤2. 计算出Pij
该步骤就是将步骤1的矩阵进行标准化

步骤3. 标准熵
用公式（2）计算标准熵
(2)
K是波尔兹曼常数，，同时。
步骤4. 标准财务指标所包含信息的多元化程度为。
(3)
步骤5. 对进行标准化
权重应在区间（0,1）内，以满足灰色关联分析的需要，对步骤得到的数据用公式（4）进行标准化。
(4)
同时，。
3.2 灰色关联分析模型
表1中的数据包括绩效指标、评估标准、权重和调查得到的每个指标的实际值的标准化值。理想值和最差值可以从评估矩阵中计算得出，计算公式为。
在表1中所示的理想值和最差值的基础上，灰色关联分析的实施步骤如下：
步骤1. 理想值的灰色关联系数
(5)
灰色关联的等级（越大越好）
(6)
表1 灰色关联分析数据矩阵

注：标准化后的数据矩阵
步骤2. 最差值的灰色关联系数

灰色关联系数的等级（越小越好）

步骤3. 灰色关联系数的相对数
根据步骤1和步骤2的等级值进行对比，按比率进行排序

3.3 数据
本文所研究的样本是世界上前二十家集装箱企业中的四家：台湾的Evergreen Marine Corpo-rations 和 Yang Ming Lines以及韩国的Hanjin Shipping Company Ltd 和 Hyundai Merchant Marine Company Ltd。在研究的最初阶段，我们从1999-2009年间各公司的财务报表中找出了45项财务指标。这些财务指标被分为六类：（1）流动率、（2）收益率、（3）回报率、（4）周转率、（5）财务杠杆率和（6）现金流。根据我们研究的目的和问卷调查的有效性，我们将45项指标缩减到25项，但是25项中的4项，即固定资产长期负债率（4）、毛利率（7）、销售成本率（10）和现金流动负债比（23）被从我们的分析中剔除，因为它们不仅在计算公式还是含义方面都与（5）（6）（8）（24）非常相近。因此，在本部分的实证研究中我们应用了21项财务指标（如表2所示）。
表2 财务比率与公式

组别
编号
财务指标
计算公式

变现能力比率
1
流动比率
流动资产／流动负债
2
利息保障倍数
EBIT／利息
3
权益资本率
所有者权益／总资产
4
固定资产长期负债率
固定资产／长期负债
5
固定资产长期资金比率
固定资产／长期资金

收益率
6
毛利率
总收入／销售收入
7
营业利润率
营业利润／销售收入
8
净利率
净利润／销售收入
9
税前利润率
税前利润／销售收入
10
销售成本率
销售成本／销售收入

回报率
11
长期资本回报率
净利润／长期资金
12
所有者权益回报率
净利润／所有者权益
13
总资产回报率
净利润／总资产

周转率
14
总资产周转率
销售收入／总资产
15
固定资产周转率
销售收入／固定资产
16
所有者权益周转率
销售收入／所有者权益
17
负债周转率
销售收入／全部负债
18
营运资本周转率
销售收入／营运资本

财务杠杆率
19
资产负债率
全部负债／总资产
20
权益负债率
全部负债／所有者权益
21
长期负债权益比率
长期负债／所有者权益
22
长期债务与长期资金比率
长期债务／长期资金

现金流
23
现金流动负债比
经营现金流／流动负债
24
净利润现金含量
经营现金流／净利润
25
现金流充足率
经营现金流／长期负债

3.4 实证研究结果
根据上文中描述的步骤，我们运用了熵分析这种客观方法得到了各财务指标的权重值，以便用来测量个财务指标的数据的离散程度，然后运用灰色关联分析对着四家企业的财务状况进行排序。
3.5 各指标权重值变化趋势
本文运用熵分析确定了个指标的权重值。表3列示了四家企业21项财务指标每年的权重、各指标权重的平均值和系数差异（CV）。平均值的值从0.0003到0.320。系数差异是测量权重变化的指标，其值从0.13到0.975。
表3 各指标的权重

从熵分析的结果中我们可以发现在这21项指标中，在1999-2009年间重要的指标有利息保障倍数（F2）、权益净利率（F12）、长期负债权益比率（F21）、净利润现金含量（F24）和现金流充足率（F25）（它们的平均权重值都不小于0.5）。在这六项指标中，现金流比率（F24、F25）是最重要的。相反，流动比率（F1）、总资产周转率（F14）、总负债周转率（F17）和资产负债率（F19）（它们的平均权重值都不大于0.020）与其他指标相比不那么重要。在这四项指标中，资产负债率（F19）是最不重要的。这意味着财务指标的权重值越大，它就越分散。也就是说，熵分析告诉我们一个指标的权重越大，那么它就比权重小的指标重要。这些指标中拥有最大权重值的是2004年的权益负债率（F20）是0.32，也就是人说，权益负债率是1999-2009年间21项财务指标中最重要的指标，这也可以从图1-5中容易的看出来。

图1 财务指标权重变化（1999-2000）

图2 财务指标权重变化（2000-2001）

图3 财务指标权重变化（2006-2007）

图4 财务指标权重变化（2007-2008）

图5 财务指标权重变化（2008-2009）
3.6 四家航运企业财务状况的排序
前面几段介绍了运用熵分析来确定财务指标的权重值。在本段中将各财务指标的权重值和平均权重值结合起来运用灰色关联分析对四家航运企业进行排序，表4显示了四家企业的得分及排序情况，得分是通过公式（7）计算出来的。从表4可以看出在过去的11年里，台湾的两家航运企业的财务状况都好于韩国的两家企业。HMM公司从1999-2007年都排在最末，但是从2008年开始，排序开始上升，而HJ公司却从第一位降到最后一位。四家企业的排序变化情况可以由图6看出。
表4 四家企业排序变化

图6 四家企业排序变化

图7 权益负债率
表5 08年及09年上半年标的航运企业财务计算结果

4、讨论与商业影响
通过上文的分析得出的数据见表4、表5及图1-5，以下为几点启示：
(1)在1999年至2009年期间，除了2008年，这两家台湾企业（EG和YM）在整体财务状况上优于韩国的这两家企业（HJ和HMM）。在2008年，韩国发生了金融危机，这对韩国经济的各个方面产生了严重的影响。根据国际基金组织的紧急救助方案，韩国的财团，即大型家族企业，同意与他们的借款银行签订一项财务协议，条件是将企业的权益负债率降到200%以下。在这样的情况下，HJ航运有限责任公司卖掉了31艘船舶，其中包括29艘集装箱船舶，获得了7.2亿美元资金，从而使权益负债率得以好转。随后HMM公司也以同样的方式将其车辆运输船出售给外国投资者，从而改善了其财务比率。然而，由于其高负债的财务结构，这两家公司的财务状况仍然比不上两家台湾企业，直至2008年金融危机的发生。
(2)从2005年开始，EG和HJ两家公司在排行榜上的位置有更明显的变化，而从2007年开始这四家企业的盈利能力出现了急剧的滑坡。
如表6所示，05年以后EG和HJ两家公司的排序都发生了不稳定的变化，另外两家则比较稳定。但从表5支持我们的研究结果，即从07年起，这四家企业的盈利能力都开始严重恶化。
09年上半年，四家公司均做出了亏损报告：HJ整体亏损5.42亿美元，比上年增长346.4%；HMM（-2.7亿美元，-177.1%），EG（-175亿美元，-457.1%），YM(-2.1亿美元，-588.4%)。由于这次世界性的经济危机，APM (集装运输企业)， Hapag–Lloyd以及Zim在09年都产生了亏损，分别是-9.61、-7.04、-3.05亿美元，在其股东、债权人和政府提供援助之前，Hapag-Lloyd和Zim公司都面临着破产。两家企业所在的政府都设法帮助这两家企业，因为Zim的正常经营对国家安全以及经济都非常重要，而Hapag–Lloyd不仅对汉堡有重要意义，同时是德国整个海事部门的基石和宣传窗口。处于对类似经济安全方面的考虑，台湾和韩国对各自航运企业的处理可以借鉴上述两个案例。
(3)除09年，两家韩国企业中的HJ公司在排名上一直比较靠前。如之前所述，五大财团保证遵照政府降低负债放热指导方针，在1999年年底将权益负债率降低至200%以下。金融监管委员会，国家经济最高监察机构，负责监督各企业执行情况，企业一般通过资产评估、销售资产和引进国外资本来降低权益负债率。这项计划由金融监管委员会和财团主要债权银行联合监管并向韩国首相汇报，可以说HJ的重组范围比HMM更加广泛。从图7可以看出，HJ的重组使得他在后续几年里获得了比HMM更好的财务绩效。
(4)从图6中公司排名变化中可以预测，两家台湾企业2010年的排名。
在集装箱航运行业，公司财务状况与整个行业形势相关，比如服务领域、船舶大小、市场策略、船只经营策略，通过调整船只节省燃油成本。由于四家企业都面临着相同的行业形势，因此，想在这些方面增加企业绩效的可能性很小。在这种情况下，有一个因素可以提高企业财务状况，那就是政府对航运业的政策。
吨位税体系就是一个很好的例子。这种体系是05年被引进韩国的，在海事发达国家，船主要承受很高的税赋，与那些开放性注册公司相比，不能雇佣非本国船员，没有潜在的节水政策，因此相比之下是没有竞争力的。因此，在这些国家引进国际船舶注册体系和吨位体系之前，航运业一直萎靡不振。吨位税是对航运企业所拥有和控制的净吨位征税，不考虑其是否盈利( Bergantino & Marlow, 1998; Brownrigg & Dawe, 2001; Cullinane & Robershaw, 1996; Goulielmos, 1998; Lee, 1996; Leggate & McConville, 2005; Llacer, 2003)。大部分的欧洲国家，包括德国、丹麦、比利时、芬兰、挪威、西班牙和英国，亚洲国家韩国和印度都是用这种税制。新船舶注册制度的引进对航运业和国家经济都有多方面的影响，更不用说对海事贸易了。一份内部报告和采访证实，韩国引入的吨位税制度提高了盈利底线，并且韩国船主协会也证实吨位税制度对于韩国航运企业的盈利底线有积极作用。这是因为这种新的税制在过去四年来对于降低企业税赋具有积极意义。值得庆幸的是，台湾政府近期宣布要引进吨位税体系。结合航运业的自由政策，( Chang, Lin&Bao, 2006; Chiu, 2007)新引进的吨位税体系或许会有助于提升台湾航运业的财务状况。
5、结论
本文运用熵分析和灰色关联分析研究了韩国与台湾的四家主要航运企业的财务比率权重，并根据1999年至2009年间经注册会计师审计后的财务报表中获得并计算的财务比率的真实值，对这四家企业进行排序。我们进行的文献回顾显示，先前的大部分研究是多准则决策方法（MCDM）来评估航运企业的财务绩效的。该方法是通过专家意见的主观方法来指标赋权的，同时，由于各比率之间复杂的关系，以至于不便于将财务比率分组，因此，在本文中，运用了熵分析这种客观分析方法对财务指标进行赋权并找出各比率的变化趋势。因为该方法保存了财务比率数据的完整信息。运用灰色关联分析并结合客观权重找出四家航运企业在1999至2009年间财务状况的排序变化。之前已经说过，由于我们从数学的角度所使用的评估航运企业财务状况的方法，填充了一项研究空白。当然，运用主观或客观的权重确定方法，我们的研究结果是不同的。在航运领域主客观权重确定方法的比较是非常重要的，因为将来有必要对这方面进行研究以便找到跟多的证据和逻辑关系来帮助管理者和股东决定资本结构并面对金融危机后严峻的企业财务状况。
一个财务指标的权重值越大，他就越分散，也就是说，一个财务指标的熵值越大，那么他就比其他熵值小的指标重要。根据熵分析的结果利息保证倍数、营运成本周转率、长期负债权益比率、净利润现金含量和现金流量充足率在1999年至2009年间相对其他财务指标重要。灰色关联分析的结果表明在1999-2009年间除了2003年，台湾两家航运企业的财务绩效优于韩国的两家企业。但是在08年，情况却是相反的。在台湾，从1999至2009年间，除2003年，YM公司的财务状况一直优于EG。但是自2007年以后，两家企业的盈利能力都严重下降，我们已经从前文中知道了政府对于Hapag-Lloyd和Zim的救助计划。同样，台湾政府需要出台政策提升航运企业的财务状况，因此，吨位税体系将被引入台湾。在与韩国的竞争者的比较中，我们了解到，一项统一的财务目标在经历严峻的时期时，可能会使企业的财务状况变得更好。上述研究也应当结合台湾航运业经营环境的实际情况，尤其时要注意到台湾政府允许外部贸易的进入情况。作者之前对于韩国贸易结构变化的研究表明，特定的金融环境会产生响应的行为。集装箱行业和金融市场都在经历一段严峻的时期。投资者、航运业、股东、金融家和政策制定者都应该利用本文的研究来做出决策以解决难题并长期加强金融结构。
参考文献
[1] Ashtiani, B. Haghighirad, F.Makui, A, & Ali Montazer, G. (2009). Extension of fuzzy TOPSIS method based on interval-valued fuzzy sets. Applied Soft Computing, 9(2), 457–461.
[2] Atanassov, K. T. (1986). Intuitionistic fuzzy sets. Fuzzy Sets and Systems, 20, 87–96. Atanassov, K., Pasi, G., & Yager, R. R. (2005). Intuitionistic fuzzy interpretations of multi-criteria multi-person and multi-measurement tool decision making. International Journal of Systems Science, 36(14), 859–868.
[3] Benayoun, R., Roy, B, & Sussman, B. (1966). ELECTRE: Une méthode pour guider le choix en presence de points de vue multiples. SEMA Note 49.
[4] Bergantino, A. S., & Marlow, P. (1998). Factors influencing the choice of flag: Empirical evidence. Maritime Policy and Management, 25(2), 157–174.
[5] Bowlin, W. F. (2004). Financial analysis of civil reserve air fleet participants using data envelopment analysis. European Journal of Operational Research, 154(3), 691–709.
[6] Brownrigg, M., & Dawe, G. (2001). Developments in UK shipping: the tonnage tax. Maritime Policy and Management, 28(3), 213–223.
[7] Capobianco, H. M. P., & Fernandes, E. (2004). Capital structure in the world airline industry. Transportation Research Part A, 38, 421–434.
[8] Celik Metin, I., Deha, E., & Ozok, A. F. (2009). Application of fuzzy extended AHP methodology on shipping registry selection: The case of Turkish maritime industry. Expert Systems with Applications, 36(1), 190–198.
[9] Chan, F. T. S., Kumar, N., Tiwari, M. K., Lau, H. C. W., & Choy, K. L. (2008). Global supplier selection: A fuzzy-AHP approach. International Journal of Production Research, 46(14), 3825–3857.
[10] Chang, C. C., Lin, K., & Bao, J. Y. (2006). Developing direct shipping across the Taiwan Straits. Marine Policy, 30, 392–399.
[11] Chen, C. T. (2000). Extensions to the TOPSIS for group decision-making under fuzzy environment. Fuzzy Sets and Systems, 114, 1–9.
[12] Cheng, C. H. (1998). A new approach for ranking fuzzy numbers by distance method. Fuzzy Sets and Systems, 95(3), 307–317.
[13] Chen, S. M., & Tan, J. M. (1994). Handling multi criteria fuzzy decision-making problems based on vague set theory. Fuzzy Sets and Systems, 67, 163–172.
[14] Chiu, R. H. (2007). The liberalization of shipping in Taiwan. Marine Policy, 31, 258–265.
[15] Chou, S. Y., & Chang, Y. H. (2008). A decision support system for supplier selection based on a strategy –aligned fuzzy SMART approach. Expert System with Applications, 34, 2241–2253.
[16] Chuang, I. Y., Chiu, Y. C., & Wang, C. E. (2008). The performance of Asian airlines in the recent financial turmoil based on VaR and modified Sharpe ratio. Journal of Air Transport Management, 14(5), 257–262.
[17] Cullinane, K., & Robershaw, M. (1996). The influence of qualitative factors in Isle of man ship registration decisions. Maritime Policy and Management, 23(4), 321–336.
[18] Drewry Publishing. (2009). Container market review and forecast. Annual Report. Feng, C. M., & Wang, R. T. (2000). Performance evaluation for airlines including the consideration of financial ratios. Journal of Air Transport Management, 6(3), 133–142.
[19] Feng, C. M., & Wang, R. T. (2001). Considering the financial ratios on the performance evaluation of highway bus industry. Transport Reviews, 21(4), 449–467.
[20] Goulielmos, A. M. (1998). Flagging out and the need for a new Greek maritime policy. Transport Policy, 5, 115–125.
[21] Guzhva, V. S., & Pagiavlas, N. (2003). Corporate capital structure in turbulent times: A case study of the US airline industry. Journal of Air Transport Management, 9(6), 371–379.
[22] Halkos, G. E., & Salamouris, D. S. (2004). Efficiency measurement of the Greek commercial banks with the use of financial ratios: A data envelopment analysis approach. Ma