检索结果-南通市图书馆

在线全文

学校读者我要写书评

暂无评论

基于Boosting-ARMA的碳价预测

统计与信息论坛 2017年第3期32卷 28-34页

作者：王娜厦门大学经济学院福建厦门361005

自回归滑动平均(ARMA)模型是最流行的预测模型之一,而模型选择却是使用ARMA进行预测的难点,尤其是当真实模型的阶数较高时,因此提出Boosting-ARMA预测算法,利用Boosting算法进行最优子集ARMA寻找,自动且高效地完成ARMA模型的识别。模拟... 详细信息

自回归滑动平均(ARMA)模型是最流行的预测模型之一,而模型选择却是使用ARMA进行预测的难点,尤其是当真实模型的阶数较高时,因此提出Boosting-ARMA预测算法,利用Boosting算法进行最优子集ARMA寻找,自动且高效地完成ARMA模型的识别。模拟实验显示,Boosting-ARMA优于其他方法,用新算法预测碳价实证分析发现,Boosting-ARMA算法可以获得较高的碳价预测准确性并且方便快捷。

关键词：子集ARMA选择 Boosting 碳价预测

在线全文

学校读者我要写书评

暂无评论

基于动态多元网络的中国碳价预测

统计研究 2023年第1期40卷 49-61页

作者：王娜江西财经大学金融学院

碳交易是实现双碳目标的重要金融工具,准确预测碳价可以帮助政策制定者建立稳定有效的碳定价机制。本文提出基于动态多元网络的预测模型,考虑响应变量网络的动态性、内生性和多元性,具有更广的适用性。利用百度搜索指数、资讯指数、能... 详细信息

碳交易是实现双碳目标的重要金融工具,准确预测碳价可以帮助政策制定者建立稳定有效的碳定价机制。本文提出基于动态多元网络的预测模型,考虑响应变量网络的动态性、内生性和多元性,具有更广的适用性。利用百度搜索指数、资讯指数、能源价格、经济政策不确定性指数、汇率、环境意识和人均GDP等不同类型的变量,对我国8个碳交易试点的碳价进行预测。实证结果显示,本文构建的DMNP模型具有较好的预测效果,明显优于对比模型,并能够达到降维的目的,为我国碳交易提供了更科学合理的碳价预测新方法及实证基础。

关键词：碳价预测动态网络内生网络多元网络高维

基于CNN-LSTM组合模型的碳价预测方法

在线全文

学校读者我要写书评

暂无评论

科技管理研究 2023年第11期43卷 200-206页

作者：郭宇辰加鹤萍余涛刘敦楠新能源电力与低碳发展研究北京市重点实验室北京102206 华北电力大学经济与管理学院北京102206 国网上海市电力公司上海200122

对碳价波动的特征进行分析,说明碳价预测的意义;然后,基于卷积神经网络(convolutional neural network,CNN)与长短期记忆网络(long short-term memory, LSTM)提出一种CNN-LSTM组合模型的碳价预测方法,充分考虑碳价的时序特性,通过改善... 详细信息

对碳价波动的特征进行分析,说明碳价预测的意义;然后,基于卷积神经网络(convolutional neural network,CNN)与长短期记忆网络(long short-term memory, LSTM)提出一种CNN-LSTM组合模型的碳价预测方法,充分考虑碳价的时序特性,通过改善相关模型,从时序数据中提取特征的能力从而提高预测准确性;最后,通过欧洲能源交易所及我国广州碳市场的碳价实例验证,将CNN-LSTM模型的预测结果与其他常用预测模型对比,结果表明CNN-LSTM模型在碳价预测中具有更高的预测准确性。

关键词：碳价预测长短时记忆网络卷积神经网络组合模型

在线全文

学校读者我要写书评

暂无评论

基于ELM-VMD混合模型的碳价预测研究

基于ELM-VMD混合模型的碳价预测研究

作者：全从新华北电力大学

学位级别：硕士

碳价的波动会影响企业的生产经营以及碳交易市场的平稳发展,并且碳价的波动也是碳市场参与者进行风险管理的关键问题,对碳价进行能为碳排放交易的投资者提供科学的决策工具,引导投资者更好地利用碳交易市场进行投资,推动碳市场的理性发... 详细信息

碳价的波动会影响企业的生产经营以及碳交易市场的平稳发展,并且碳价的波动也是碳市场参与者进行风险管理的关键问题,对碳价进行能为碳排放交易的投资者提供科学的决策工具,引导投资者更好地利用碳交易市场进行投资,推动碳市场的理性发展。由于国际碳市场价格呈现非平稳、多频率、非线性等不规律特征,传统单一模型难以全面刻画碳价波动特征,多频混合预测模型能够深入挖掘碳价在不同频率上隐含的多种内在规律,从而更好地把握碳价波动规律。因而本论文采用变分模态分解方法(VMD)将欧盟碳排放配额(EUA)现货价格分解为不同频率的具有各自特性的模态分量,考虑到已有研究运用BP神经网络或SVR等方法对碳价各频率序列预测,会出现预测精度低以及运行速度慢等问题,本论文利用极限学习机(ELM)这种拟合效果好、计算效率高的算法来预测碳价各频率序列,以得到最终的碳价预测结果。同时,考虑到VMD算法分解得到的模态数以及ELM的隐含层节点数对最终的预测精度影响很大,本文通过建立起模态数、隐含层节点数以及平均绝对误差之间的三维关系来确定模态数和ELM隐含层节点数的最优组合,以此得到更加精确的碳价预测结果。为了验证本文所提出的混合预测模型的预测效果,经验模态分解(EMD)作为一种应用广泛的分解模型也被应用于本文与VMD进行对比参照,以现在很受欢迎的预测模型GM(1,1)、ARIMA、BP、SVR与ELM进行对比,通过实证发现:(1)利用混合的VMD-ELM方法对碳价进行预测,得到了最佳的预测效果,同时计算速度大大提高了,解决了单一模型难以全面刻画碳价波动特征的问题。(2)引入相应的ELM预测碳价各频率序列,很好地解决了已有研究预测碳价时采用BP预测性能不稳定或SVR计算速度有待提高的问题。(3)采用VMD分解碳价有效解决了EMD分解碳价存在的模态混叠问题,使碳价的变化规律和层次特性更加清晰。(4)与GM(1,1)、ARIMA这些统计计量模型相比,BP、SVR以及ELM等智能算法更能把握住碳价的变化趋势,能更有效的解决非线性的预测问题。本论文的研究贡献在于拓展了国际碳市场价格预测方法的理论研究具有很强的现实意义和应用价值。

关键词：碳价预测极限学习机变分模态分解三维关系

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

中国碳市场时变溢出效应及碳价预测研究

中国碳市场时变溢出效应及碳价预测研究

作者：涂玥云南财经大学

学位级别：硕士

在全球范围内,由于全球变暖给自然生态和社会经济带来日益明显的负面影响,世界各国开始关注环境问题,并成立了世界气候大会。在环保意识日益增强的今天,通过碳交易制度来解决环境污染所带来的外部性问题,已经成为一种行之有效的手段。... 详细信息

在全球范围内,由于全球变暖给自然生态和社会经济带来日益明显的负面影响,世界各国开始关注环境问题,并成立了世界气候大会。在环保意识日益增强的今天,通过碳交易制度来解决环境污染所带来的外部性问题,已经成为一种行之有效的手段。作为最大的碳排放主体,中国政府从2013年开始建设试点碳交易市场,到2021年推出全国碳排放权交易市场,目的是通过市场化的方式来抑制和降低温室气体排放,促进绿色低碳发展。我国碳排放权交易市场尚未进入成熟阶段,在构建我国碳排放权交易体系的进程中,建立健全我国的碳排放权交易制度是关键问题之一。本文通过研究中国试点碳交易市场及其他市场的溢出效应,了解中国试点碳交易市场波动规律、波动原因,预测碳交易价格,对中国加快实现二氧化碳排放达峰目标与碳中和愿景有着重要的理论与现实意义。在以往的碳市场波动溢出效应研究中,多探究碳市场与能源市场、宏观经济之间的溢出效应,没有进一步深入分析碳市场与其他市场间的净波动溢出方向和强度,对碳交易价格的预测多数采用的是传统计量方法进行预测。然而随着碳市场的不断成熟,碳市场与其他相关市场之间的溢出效应呈现不同的强度,碳交易价格也呈现非结构化,对碳交易价格机制的探索需要从多维度出发,考察碳市场与其他相关市场之间时变溢出效应。基于此,本文选取了广东、湖北两个试点碳交易市场作为研究对象,对中国各试点碳交易市场交易情况进行了对比分析,并分析了它们与其他市场之间的时变溢出效应。最后,为了捕捉碳价格复杂波动特征,采用CEEMDAN-TCN模型对中国碳价进行预测。本文主要研究内容如下:1.中国碳市场发展概况分析。目前中国已建立10个碳排放权交易市场。从各个试点碳交易市场的交易价格、交易量和交易总额等方面对中国的试点碳交易市场的发展进行了全面的分析。湖北碳交易总量和交易规模在中国碳市场中居首位;在交易价格方面,北京试点碳交易市场的碳均价最高。从总体上看,当前各个试点碳交易市场的碳均价都偏低,因此中国碳价格尚未实现真正的低碳环保导向作用。2.中国碳市场时变溢出效应的实证分析。从静态的角度来说,中国碳市场整体上与能源市场、股票市场和欧盟碳市场间的波动溢出呈现出非对称效应,而与外汇市场间的波动溢出呈现出对称性。从动态的角度来说,各碳市场的净溢出效应以及碳市场与相关市场两两之间的溢出关系并不是一直保持同一方向。随着试点碳交易市场的不断建设完善,广东试点碳交易市场和湖北试点碳交易市场正在由净输入者逐步转变成净输出者,试点碳交易市场逐步迈入成熟阶段,并且除了外汇市场,其他相关市场对湖北、广东试点碳交易市场的溢出效应更大。3.中国碳市场价格预测研究。本文将CEEMDAN和TCN神经网络结合,将CEEMDAN和TCN进行组合,构建CEEMDAN-TCN模型,对碳价格进行预测。对指标序列数据进行CEEMDAN分解,利用样本熵进行重组,将具有相近熵值的IMF分量相结合,由此得到新序列,然后用TCN神经网络对各子序列进行预测分析,并将各子序列的预测结果相加,则得到加总之后最终的预测结果。结果表明:CEEMDANTCN模型比GRU模型和LSTM模型具有更高的预测精度。

关键词：碳市场时变溢出效应自适应噪声完备集合经验模态分解时间卷积网络碳价预测

融合多源数据的多模态特征深度学习碳价预测研究

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

融合多源数据的多模态特征深度学习碳价预测研究

作者：庄珍珍南京信息工程大学

学位级别：硕士

在全球气候变化问题日益严峻的背景下,以清洁化和低碳化为主要特征的全球能源转型的终极目标是逐步实现二氧化碳减排,并最终实现净零排放或零排放。针对碳价格实施有效的分析和预测,不仅有助于碳资源的合理配置,而且能够推动碳交易市场... 详细信息

在全球气候变化问题日益严峻的背景下,以清洁化和低碳化为主要特征的全球能源转型的终极目标是逐步实现二氧化碳减排,并最终实现净零排放或零排放。针对碳价格实施有效的分析和预测,不仅有助于碳资源的合理配置,而且能够推动碳交易市场的发展和低碳经济的转型。但是碳市场是一个复杂市场,影响碳价波动的因素众多。尤其随着互联网的飞速发展,涌现出了大量与碳价相关的非结构化信息。仅基于传统碳市场时序数据进行碳价预测越来越呈现出数据的局限性。此外,现有碳价预测研究也忽略了特征选择、碳价格及其外生变量的预处理、智能优化和深度学习模型在提高预测有效性方面的重要性,这可能导致不良的预测性能。因此,本研究从计算机与金融学的交叉角度出发,构建了一个融合多源数据信息的多模态特征深度学习预测技术框架,并将该框架应用于具体碳市场价格预测问题中,以解决现有研究的不足。首先,本研究从线性与非线性关联性双视角实证研究了各驱动因素与中国区域碳价格的相关性及其区域差异性。分别从能源、金融、环境和国际碳市场四个方面分析其与中国碳市场价格的影响关系,运用皮尔逊相关系数和非线性格兰杰因果关系检验方法实证分析驱动因素与碳市场价格的关联性,并实现了输入变量的初步筛选。其次,为克服现有碳价预测模型预测性能局限性,提出了一种新颖的融合多源数据的混合碳价预测模型。该模型基于“分而治之”的建模思想,设计了一种新颖的结合先进的数据预处理技术、有效的特征选择方法、智能优化算法和出色的深度学习模型的混合碳价预测框架。此外,本研究从行为金融学研究角度出发,针对金融市场中存在的“羊群效应”等非理性投资行为,构建了基于金融领域情感词典的新闻情绪指数和基于网络搜索行为数据的关注度指数,并基于提出的混合预测模型进行了实证分析。结果表明,本文提出的融合多源数据的多模态特征深度学习碳价预测框架能够有效改进现有碳价预测研究存在的不足。最后,应用本文的数据挖掘手段和所构建的模型,实现了一个面向我国区域碳市场的碳价预测可视化系统。

关键词：碳价驱动因素碳价预测深度学习可视化系统

基于EEMD-BiLSTM的中国碳价预测模型构建与分析

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于EEMD-BiLSTM的中国碳价预测模型构建与分析

作者：梁子昂河南财经政法大学

学位级别：硕士

从人类步入工业化社会开始,全球气候环境日益恶化,21世纪以来全球变暖尤为严峻,碳排放问题已成为全世界各国共同面临的巨大挑战。习近平总书记在第七十五届联合国大会一般性辩论上宣布:“中国将提高国家自主贡献力度,采取更加有力的政... 详细信息

从人类步入工业化社会开始,全球气候环境日益恶化,21世纪以来全球变暖尤为严峻,碳排放问题已成为全世界各国共同面临的巨大挑战。习近平总书记在第七十五届联合国大会一般性辩论上宣布:“中国将提高国家自主贡献力度,采取更加有力的政策和措施,二氧化碳排放力争于2030年前达到峰值,努力争取2060年前实现碳中和。”党的二十大报告中,再次对我国的双碳目标进行强调要积极稳妥地推进碳达峰、碳中和,并且对健全碳市场等方面做出具体部署。为合理规划碳排放问题、建立碳排放秩序,2005年,欧盟诞生了世界上第一个碳排放权交易市场,2013年由深圳开始,我国陆续开放了9个碳排放权交易市场试点。对碳交易价格进行预测是碳交易活动中必不可少的一环,在传统的碳价预测模型研究的基础上,以提升碳价预测模型的稳健性、准确性、普遍适用性为出发点,开发出新的碳价预测模型来实现对碳交易价格的精准预测。对于模型的理论方面,本文主要采用信号分解算法与深度学习算法相结合的方法进行研究,创新性的将集合经验模态分解算法与双向长短期记忆神经网络算法相结合应用于碳交易价格预测领域,这是该方法在该领域的一次新的尝试。本文主要分为以下几个部分:本文首先介绍所研究内容的研究背景与意义、国内外研究现状与文献综述;紧接着介绍本文研究所运用到的分解算法、深度学习算法原理及其改进算法的相关理论、数据的获取与预处理;最后一部分为实证分析部分,首先使用EEMD集合经验模态分解将处理后的原始数据进行分解得到若干个分量,再将重构后的分量带入双向长短期记忆神经网络模型进行拟合与预测。最后将模型预测结果与传统的深度学习模型进行比较,对模型的稳健性、准确性、普遍适用性进行验证。本文最终得到如下几点结论:一、将EEMD-Bi LSTM模型应用于碳交易价格预测领域是可行的,对于提高碳价预测的精度有参考意义。二、EEMD-Bi LSTM模型在稳健性、准确性、普遍适用性上均表现良好,较传统的深度学习模型有所提升。三、根据模型预测结果,对我国碳排放权交易市场的发展提出意见。

关键词：碳价预测深度学习经验模态分解长短期记忆神经网络

用ICSS-WT-BiLSTM组合模型实现碳价预测

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

电力科学与工程 2023年第6期39卷 25-31页

作者：李金颖黄艺斌华北电力大学经济管理系河北保定071003

当控排企业的配额交易以履约为驱动力时,碳市场会出现集中交易现象,并导致碳价格非线性、非平稳。针对这一问题,结合交易频率信息的相关特性,首先,采用迭代累积平方和算法分析碳市场的成交量,进而依碳配额交易频率对交易期进行划分;然后... 详细信息

当控排企业的配额交易以履约为驱动力时,碳市场会出现集中交易现象,并导致碳价格非线性、非平稳。针对这一问题,结合交易频率信息的相关特性,首先,采用迭代累积平方和算法分析碳市场的成交量,进而依碳配额交易频率对交易期进行划分;然后,借助小波变换(Wavelettransform,WT)提取碳价的市场发展趋势;最后,使用双向长短期记忆神经网络(Bi-directional long short-term memory,BiLSTM)对交易趋势进行预测。实验验证结果表明,若进行预测时能够考虑交易频率信息的影响,则能够提高模型预测精度;利用WT提取到的交易趋势信息进行预测,可使预测的效果优于直接对原序列进行预测;与长短期记忆模型相比,BiLSTM模型有更好的预测表现。

关键词：碳市场碳价预测小波变换双向长短期记忆神经网络迭代累积平方和

基于深宽网络模型的碳价预测——基于LSTM-BLS的湖北碳排放权交易价格预测

在线全文

学校读者我要写书评

暂无评论

统计学与应用 2024年第2期13卷 411-418页

作者：王可欣燕山大学理学院河北秦皇岛

近年来,随着温室效应的愈发严重,极端天气事件频发,控制碳排放成为了当前全世界人们最为紧迫的共同任务。碳交易市场作为控制减碳的重要金融工具,其健康发展依赖于稳定的碳价。准确地预测碳价不仅有助于投资者进行投资,也有助于政策制... 详细信息

近年来,随着温室效应的愈发严重,极端天气事件频发,控制碳排放成为了当前全世界人们最为紧迫的共同任务。碳交易市场作为控制减碳的重要金融工具,其健康发展依赖于稳定的碳价。准确地预测碳价不仅有助于投资者进行投资,也有助于政策制定者制定合理的制度。本研究提出了一种结合长短期记忆网络(LSTM)和宽度学习(BLS)的LSTM-BLS预测模型,以提高碳价预测的准确性和效率。通过对我国8个地方碳交易中发展时间较长,交易量较多的湖北碳交易所的碳价数据进行实证分析,发现引入宽度学习之后的模型预测效果优于基线模型和单一长短期记忆神经网络模型。研究结果为碳市场参与者提供了更可靠的预测工具。然而,本研究也具有一定的局限性,未来工作中将进一步考虑影响碳价的多因素数据,不断对模型进行优化。

关键词：宽度学习碳价预测长短期记忆神经网络