论文部分内容阅读
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。