基于深度学习与分解-集成的碳排放权交易价格预测研究.pdf

中文摘要

摘要

温室气体的过量排放造成全球变暖加剧，自然灾害问题频繁发生。为应对气候

变化，世界各国开始采取措施限制碳排放以遏制全球变暖，作为能够有效减少碳排

放的工具，碳排放权与碳排放权交易市场在此过程中应运而生。我国目前也在逐步

推进碳排放权交易市场的建设。在碳排放权交易市场的建立与发展过程中，准确掌

握碳排放权价格的走势具有十分重要的意义。但是由于我国的碳排放权交易市场不

够成熟，导致碳价波动剧烈，碳价变化趋势难以把控，有必要找到能够精准捕获碳

价序列特征和预测碳价的模型与方法。

本文在理论分析部分梳理了碳排放权交易价格的研究文献以及相关资料，介绍

了碳排放权价格、预测方法和碳排放权交易的相关理论。在实证分析部分本文分析

了我国碳排放权交易市场的建设推进情况，在八大试点市场中选取了具有代表性的

广东市场作为研究对象进行实证分析。在获取广东市场的碳排放权日收盘价序列

后选用深度学习方法对碳价进行建模预测，使用了循环经网络(RecurrentNeural

Network，RNN)模型与长短期记忆网络(LongShort-TermMemory，LSTM)模型预测

碳价序列，并在此基础上基于分解-集成的思想加入了经验模态分解(EmpiricalMode

Decomposition，EMD)和变分模态分解(VariationalModeDecomposition，VMD)处

理不平稳碳价序列，将原始序列分解成不同子序列之后分别预测，最后加和各子序

列的预测值得到最终的预测结果。随后本文在使用VMD方法分解碳价序列的基础

上改变了子序列的集成方法，使用深度学习方法集成子序列的预测结果，采用此想

法构建了四种混合预测模型。在与其余十个模型比较之后，发现提出的混合预测方

法在预测精度上具有一定优势，可以较为准确地预测碳价序列。并且构建的四个混

合模型中，在广东试点碳排放权交易市场碳价数据上表现最好的是VMD-RNN-RNN

模型。

结果表明，提出的混合预测方法能够较为准确地预测碳价，丰富了碳价预测方

法的同时也为分解-集成模型提供了新的思路。

关键词：碳排放权交易价格，深度学习，分解-集成

I

Abstract

Abstract

Excessiveemissionsofgreenhousegaseshavecausedglobalwarmingtoincrease

andnaturaldisasterstooccurfrequently.Inresponsetoclimatechange,countriesaround

theworldhavestartedtotakemeasurestolimitcarbonemissionsinordertocurbglobal

warming,andasatooltoeectivelyreducecarbonemissions,carbonemissionrightsand

carbonemissiontradingmarketshaveemergedinthisprocess.Chinaisalsogradually

promotingtheconstructionofthecarbonemissiontradingmarket.Intheprocessofestab-

lishinganddevelopingcarbonemissiontradingmarket,itisveryimportanttoaccurately

graspthetrendofcarbonemissionprice.However,duetothelackofmaturityofChina’s

carbonemissiontradingmarket,c