文献类型：期刊文章

作　　者：闫梦[1,2] 王聪[1]

YAN Meng;WANG Cong(School of Economics and Management,Taiyuan University of Technology,Jinzhong Shanxi 030600,China;Business School,Aston University,Birmingham B47ET,UK)

机构地区：[1]太原理工大学经济管理学院,山西晋中030600 [2]阿斯顿大学商学院,英国伯明翰B47ET

出　　处：《技术经济与管理研究》

基　　金：山西省软科学研究重点项目(2018042025-1);山西省软科学研究项目(2016042007-1)。

年　　份：2020

期　　号：5

起止页码：19-24

语　　种：中文

收录情况：BDHX、BDHX2017、NSSD、RCCSE、RWSKHX、ZGKJHX、核心刊

摘　　要：随着全球对二氧化碳排放的日益关注,碳交易市场变得越来越重要。如果能够准确预测不同市场交易的碳价格,不仅可以为政府宏观调控提供更好的参考指标,还可以帮助企业更有效地管理碳排放带来的风险和相关政策。考虑到碳交易价格波动的趋势性和周期性特点,本文基于经验模式分解(EMD)、反向传播(BP)神经网络和深度神经网络(DNN)模型与支持向量机(SVM)等模型,以广州碳排放交易中心的碳交易价格为例对碳交易价格进行预测。实证分析中将单日碳价格时间序列作为各模型的输入变量,代入组合模型进行预测,并分别计算和分析了不同模型预测结果的误差和准确性。最后得出EMD-BP-DNN混合模型与SVM、BP等单一模型相比,预测误差更小,预测结果更准确,该结果提升了碳交易价格预测的准确性,为监管部门和企业决策提供了有效信息。

关 键 词：碳交易 碳排放 价格预测 神经网络

分 类 号：F201] F224.9