碳交易價格的有效預測對制定符合國情的碳金融市場政策以及碳金融市場的風險管理都具有重要意義.對此,提出一種基于非結構數據流行學習的碳價格多尺度組合預測方法.首先,利用網絡搜索指數提取碳價格相關的非結構化數據,基于等度量映射流行學習對其進行降維;然后,對降維后的非結構化數據、其他影響因素結構化數據、碳交易價格分別進行經驗模態(tài)分解（Empirical mode decomposition, EMD）,得到不同個數的本征模函數（Intrinsic mode function, IMF）,并采用Fine-to-coarse方法對IMF進行重構,得到高頻序列、低頻序列和趨勢項;最后,利用自回歸積分滑動平均模型（Autoregressive integrated moving average model, ARIMA）、偏最小二乘（Partial least squares, PLS）回歸和神經網絡對高頻數據、低頻數據和趨勢項進行預測,將3種預測結果進行集成,得到最終預測值.仿真實驗結果表明,所提出的方法可以有效利用多源信息,具有較高的預測精度和良好的適用性. 

【文章來源】：控制與決策. 2019,34(02)北大核心EICSCD

【文章頁數】：8 頁


本文編號：3098986