基于CEEMDAN-CNN-LSTM模型的上海碳排放权交易价格区间预测研究  

作　　者：徐登可 汤朱远洋 沈琳琳 

机构地区：[1]杭州电子科技大学经济学院

出　　处：《统计科学与实践》2024年第7期28-31,40,共5页Statistical Theory and Practice

基　　金：国家社会科学基金项目“区间数据的贝叶斯建模方法及其在碳交易预测中的应用研究”(项目编号:23BTJ069)。

摘　　要：碳排放权交易价格是碳排放权交易市场的核心要素,对其准确预测有助于政府科学制定碳市场政策,也有利于企业在碳市场的有效决策以及实现碳减排成本最小化。本文构建CEEMDAN-CNN-LSTM模型,对2014年5月13日至2024年1月23日上海碳排放权交易价格进行区间预测研究。用CEEMDAN方法对中心和半径碳价进行分解,分别得到7个中心本征模态函数(IMFS)和9个半径本征模态函数,后加入与上海碳价相关性较高的特征变量,将分解后的IMFS和特征变量分别放入CNN-LSTM模型进行预测,并与CNN、CNN-LSTM和ARIMAX模型进行比较。预测结果表明:基于考虑宏观经济、气象气候、能源价格、国际汇率的多变量输入模型,CEEMDAN-CNN-LSTM方法的区间预测误差是最小的,具有明显的预测优势。

关 键 词：碳排放权交易价格 区间数据 CEEMDAN分解 CNN-LSTM神经网络预测 

分 类 号：X196[环境科学与工程—环境科学] F832.5[经济管理—金融学]