本文關(guān)鍵詞： 碳價預測 最優(yōu)變分模態(tài)分解 核函數(shù)極限學習機 廣義彈性網(wǎng) 多因素模型　出處：《合肥工業(yè)大學》2017年碩士論文　論文類型：學位論文

【摘要】：碳排放權(quán)是一種不可或缺的商品,其價格波動會影響企業(yè)生產(chǎn)經(jīng)營及碳交易市場的穩(wěn)定發(fā)展。碳市場價格預測是碳市場參與者進行風險管理的關(guān)鍵問題。因此,研究國際碳市場價格預測具有重要的理論和現(xiàn)實意義。由于國際碳市場價格呈現(xiàn)非線性、非平穩(wěn)、多頻率等不規(guī)律特征,傳統(tǒng)單一模型難以全面刻畫碳價波動特征,多頻組合預測模型能夠深入挖掘碳價在不同頻率上隱含的多種內(nèi)在規(guī)律,從而更好地把握碳價波動規(guī)律。論文采用最優(yōu)變分模態(tài)分解方法(OVMD)將歐盟碳排放配額(EUA)現(xiàn)貨價格分解為多個模態(tài)分量;為使分量包含的碳價信息更為集中,基于游程判定法將其重構(gòu)為碳價低頻、中頻和高頻序列。針對碳價各頻率序列受不同因素影響而呈現(xiàn)不同波動特征,而現(xiàn)有研究在預測碳價各頻率項時,僅考慮其自身歷史數(shù)據(jù),未完全涵蓋所有預測碳價的信息,可能影響碳價預測的準確度。論文在碳價各頻率預測模型構(gòu)建中,不僅考慮其自身歷史數(shù)據(jù),還考慮碳市場同類替代品價格、能源價格和宏觀經(jīng)濟等因素對碳價各頻率序列的影響。針對已有研究運用BP神經(jīng)網(wǎng)絡(luò)或SVM等方法預測碳價各頻率序列,導致算法不穩(wěn)定或程序運行較慢等問題,考慮到核函數(shù)極限學習機(KELM)方法預測性能穩(wěn)定且計算效率較高,論文首次引入相應(yīng)核函數(shù)的KELM預測碳價各頻率序列,以得到最終的碳價預測結(jié)果。研究發(fā)現(xiàn):(1)引入影響因素的碳價多頻組合模型預測結(jié)果優(yōu)于僅考慮碳價各頻率時間序列的模型,表明在碳價低頻項預測中引入CER現(xiàn)貨價格、EUA期貨價格和煤炭價格等因素,在碳價中頻項預測中引入CER現(xiàn)貨價格因素,能夠為碳價預測提供更多有用的信息,提升碳價預測精度,引入影響因素的多頻組合模型更加貼合碳市場實際情況;(2)引入相應(yīng)的KELM預測碳價各頻率序列,能夠充分發(fā)揮各核函數(shù)的優(yōu)勢,很好地解決了已有研究預測碳價時采用BP預測性能不穩(wěn)定或SVM計算速度有待提高的問題;(3)采用OVMD分解碳價有效解決了EMD分解碳價存在的模態(tài)混疊問題,使碳價的變化規(guī)律和層次特性更加清晰;(4)碳價多頻組合模型預測效果較好,解決了單一模型難以全面刻畫碳價波動特征的問題。論文的研究貢獻在于拓展了國際碳市場價格預測方法的理論研究,能夠為投資者作出合理的國際碳市場投資決策和規(guī)避碳市場風險提供有益的理論參考。
[Abstract]:Carbon emission right is an indispensable commodity, its price fluctuation will affect the stable development of enterprise production and operation and carbon trading market. Carbon market price prediction is the key issue of risk management for carbon market participants. It is of great theoretical and practical significance to study the price prediction of international carbon market. Because the price of international carbon market is nonlinear, non-stationary, multi-frequency and other irregular characteristics. Traditional single model can not fully describe the characteristics of carbon price fluctuations, multi-frequency combination prediction model can deeply explore the different inherent laws of carbon price in different frequencies. In this paper, the optimal variational mode decomposition method (OVMD) is used to decompose the spot price of EU carbon emission quota (EUA) into multiple modal components. In order to make the carbon price information contained in the component more concentrated, it is reconstructed into low frequency, middle frequency and high frequency sequences based on run-length decision method. Different fluctuation characteristics are presented for each frequency sequence of carbon price affected by different factors. However, the existing research only considers its own historical data when predicting the frequency terms of carbon price, and does not fully cover all the information of predicting carbon price. This paper considers not only its own historical data, but also the price of similar substitutes in carbon market. The influence of energy price and macroeconomic factors on the frequency series of carbon price. BP neural network or SVM are used to predict the frequency series of carbon price. The algorithm is unstable or the program is running slowly, considering that the kernel function extreme learning machine (KELM) method has stable prediction performance and high computational efficiency. In this paper, KELM with corresponding kernel function is introduced for the first time to predict each frequency sequence of carbon valence. In order to obtain the final carbon price prediction results. It is found that the carbon price multi-frequency combination model with influence factors is superior to the model which only considers the time series of carbon price. The results show that the CER spot price and coal price are introduced into the low frequency carbon price prediction, and the CER spot price factor is introduced in the carbon price intermediate frequency prediction. It can provide more useful information for carbon price prediction, improve the accuracy of carbon price prediction, and introduce the multi-frequency combination model of influencing factors to fit the actual situation of carbon market. 2) introducing corresponding KELM to predict each frequency sequence of carbon price can give full play to the advantages of each kernel function. The problem of using BP to predict carbon price is unstable or the speed of SVM calculation needs to be improved. (3) using OVMD to decompose carbon valence effectively solves the modal aliasing problem of EMD decomposition carbon valence, and makes the variation law and hierarchical characteristic of carbon price more clear. The carbon price multi-frequency combination model has good prediction effect, which solves the problem that it is difficult to describe the fluctuation characteristics of carbon price in a single model. The contribution of this paper is to expand the theoretical research of the international carbon market price forecasting method. It can provide a useful theoretical reference for investors to make reasonable investment decisions in the international carbon market and to avoid the risks of the carbon market.
【學位授予單位】：合肥工業(yè)大學
【學位級別】：碩士
【學位授予年份】：2017
【分類號】：X196;F224;F831.5

【相似文獻】

相關(guān)期刊論文 前9條

1 鄭爽;;全球碳市場動態(tài)[J];氣候變化研究進展;2006年06期

2 編輯部;;環(huán)球科技[J];太原科技;2010年01期

3 莫建雷;朱磊;范英;;碳市場價格穩(wěn)定機制探索及對中國碳市場建設(shè)的建議[J];氣候變化研究進展;2013年05期

4 梁峰;谷學峰;張秀璋;閆志海;姬立國;;迷霧重重下的中國碳市場走向探究[J];天津科技;2013年03期

5 余慧超;王禮茂;;基于清潔發(fā)展機制的中國碳市場潛力分析[J];資源科學;2006年04期

6 樊威;;德國碳市場執(zhí)法監(jiān)管體系研究[J];科技管理研究;2014年01期

7 謝富勝;程瀚;;碳市場能解決氣候變化問題嗎?——基于政治經(jīng)濟學視角的分析[J];教學與研究;2014年07期

8 王愷;鄒樂樂;魏一鳴;;歐盟碳市場期貨價格分布特征分析[J];數(shù)學的實踐與認識;2010年12期

9 傅世均;;組合減排機制:歐盟電力工業(yè)碳減排的啟示[J];科技管理研究;2014年05期

相關(guān)會議論文 前3條

1 ;解振華:國內(nèi)碳市場籌建就緒,歐美伸來共建橄欖枝[A];《電站信息》2012年第12期[C];2012年

2 鐘玲;李江;李麗華;劉尊文;張小丹;;從清潔發(fā)展機制看中國碳市場的發(fā)展及環(huán)保部的定位與作用[A];2012中國環(huán)境科學學會學術(shù)年會論文集（第一卷）[C];2012年

3 王靖添;;碳市場:青年人職業(yè)發(fā)展的新選擇——基于中國的視角[A];北京論壇（2010）文明的和諧與共同繁榮——為了我們共同的家園：責任與行動：“信仰與責任——全球化時代的精神反思”哲學分論壇論文或摘要集[C];2010年

相關(guān)重要報紙文章 前10條

1 中央黨校經(jīng)濟學部教師、中國人民大學氣候變化與低碳經(jīng)濟研究所主任助理 郭兆暉;氣候大會難解“資金結(jié)” 構(gòu)建中國碳市場成關(guān)鍵[N];中國石油報;2012年

2 國家應(yīng)對氣候變化戰(zhàn)略研究和國際合作中心 竇勇　馬濤;中國碳市場要避免出現(xiàn)歐洲式碳價危機[N];證券時報;2013年

3 焦旭;中澳將在建立碳市場領(lǐng)域加強合作[N];中國能源報;2013年

4 見習記者 張晴;世行：中國“十三五”期間有望建立全國碳市場[N];21世紀經(jīng)濟報道;2013年

5 記者 綦偉　實習生 裴錦文;深圳碳市場將迎首個交易高峰期[N];深圳特區(qū)報;2013年

6 記者 彭源長;京滬粵碳市場實際交易即將啟動[N];中國電力報;2013年

7 特約撰稿 陳波 中央財經(jīng)大學氣候與能源金融研究中心;碳市場只開花難結(jié)果？[N];中國環(huán)境報;2014年

8 記者 劉全昌;我國碳市場試點提速[N];中國化工報;2013年

9 記者　黃楊;亞洲在碳市場影響巨大[N];中國經(jīng)濟時報;2006年

10 記者 王穎春;非強制非標準將是國內(nèi)碳市場發(fā)展方向[N];中國經(jīng)濟導報;2009年

相關(guān)博士學位論文 前3條

1 柯曉;碳市場不同配額分配方式下企業(yè)最優(yōu)定價及綠色自凈研究[D];深圳大學;2017年

2 莊德棟;歐盟碳市場相依結(jié)構(gòu)和風險溢出效應(yīng)對碳排放權(quán)價格波動影響研究[D];華南理工大學;2014年

3 鳳振華;碳市場復雜系統(tǒng)價格波動機制與風險管理研究[D];中國科學技術(shù)大學;2012年

相關(guān)碩士學位論文 前10條

1 馬淑姣;碳市場價格預測分析與風險管理研究[D];五邑大學;2015年

2 李沙沙;歐盟碳市場復雜性及碳價混沌預測研究[D];江蘇大學;2016年

3 田睿琪;中國碳市場的現(xiàn)狀、績效和發(fā)展對策[D];吉林大學;2016年

4 張青陽;中國碳市場價格變動研究[D];廣東省社會科學院;2016年

5 唐夢;國際碳市場競爭博弈與計量分析[D];首都經(jīng)濟貿(mào)易大學;2016年

6 吳孟豪;廣東碳市場流動性不足的原因探究[D];暨南大學;2016年

7 陳亞男;我國碳市場參與企業(yè)履約風險與防控研究[D];天津科技大學;2015年

8 石雪濤;碳市場價格預測方法及應(yīng)用研究[D];五邑大學;2016年

9 李晶晶;基于DCC-ICSS及多元分解技術(shù)的碳市場和原油市場溢出效應(yīng)研究[D];北京化工大學;2016年

10 丁偉達;歐盟碳市場價格分析及對我國碳市場發(fā)展啟示[D];清華大學;2015年

，

本文編號：1463141