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...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。展开更多
基于模糊信息粒化和交叉验证算法的支持向量机(CV-SVM)预测时序回归模型,首先以欧洲碳排放配额(European union allowances,EUA)结算价为数据样本,预测未来连续5天的碳价波动情况,验证模型的可靠性及可用性.在得出科学结论的基础上,以...基于模糊信息粒化和交叉验证算法的支持向量机(CV-SVM)预测时序回归模型,首先以欧洲碳排放配额(European union allowances,EUA)结算价为数据样本,预测未来连续5天的碳价波动情况,验证模型的可靠性及可用性.在得出科学结论的基础上,以我国碳交易市场中湖北碳排放配额(Hubei emission allowances,HBEA)结算价及北京碳排放配额(Beijing emission allowances,BEA)结算价,两组典型的价格数据为例,利用该模型进行训练,对我国碳交易市场中未来连续5天内碳价的变化趋势和波动区间给出有效预测.结果显示,该模型对两类碳交易市场的预测结果均较为理想,预测值误差率最大为3.36%,但针对欧洲碳交易市场的预测更为精确,预测值误差率不超过1.21%,在一定程度上反映了中国的碳交易市场尚不成熟,碳价波动规律性较弱,需要在正确的政策引导下快速、健康发展.展开更多
文摘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。
