基于Transformer-LSTM模型的多因素碳排放权交易价格预测

作     者：危冰淋 刘春雨 刘家鹏 WEI Bing-lin;LIU Chun-yu;LIU Jia-peng

作者机构：中国计量大学经济与管理学院浙江杭州310018 浙江万里学院商学院浙江宁波315100 

出 版 物：《价格月刊》 (Prices Monthly)

年 卷 期：2024年第5期

页      面：49-57页

学科分类：120202[管理学-企业管理（含：财务管理、市场营销、人力资源管理）] 12[管理学] 0202[经济学-应用经济学] 02[经济学] 1202[管理学-工商管理] 020205[经济学-产业经济学] 

基　　金：国家社会科学基金项目“基于多源信息融合技术的精准扶贫与防贫机制研究”(编号:18BGL224) 

主　　题：碳排放权交易价格 深度学习 Transformer-LSTM 极端梯度提升树 长短期记忆网络 

摘      要：碳排放权交易作为一种重要的环境政策工具在全球范围内得到了广泛应用。如何运用深度学习等技术提高碳排放权价格预测能力是一个重要问题,基于此,提出一种Transformer-LSTM多因素碳排放权交易价格预测的深度学习模型,以湖北省碳排放权交易价格为例,旨在探索运用深度学习的方法,预测湖北省碳排放权交易价格的变动趋势。输入Transformer-LSTM模型进行预测,同时运用支持向量机回归(SVR)、多层感知机(MLP)、长短时记忆网络(LSTM)、Transformer模型进行预测与对比。通过在历史数据上进行训练,实验结果表明,Transformer-LSTM模型得到的预测价格与湖北省碳排放权交易价格(HBEA)的实际价格更为吻合,在平均绝对误差(MAE)、均方误差(MSE)、均方根误差(RMSE)和评估指标上也有更佳的表现。