全球气候变化已经成为当前人类可持续发展面临的最大威胁，正在引起国际社会越来越多的关注。为了应对气候变化，国际上采取了一系列的行动，其中对全球变暖采取的最有效的行动是《京都议定书》的制定与实施，其目的是在一定时间内将大气中的碳排放量降低到所需水平，而碳排放权交易市场机制是用于实现其目的的机制之一，也是目前世界上最有效的减缓二氧化碳等温室气体排放量的重要工具。中国作为世界上最大的温室气体排放国，同时也是世界上最大的能源消费国和煤炭消费国，经济社会发展面临节能减排的巨大压力。为此，我国政府在2011年10月开启了中国的碳排放权交易试点工作，并且于2017年全面启动了国家碳排放交易体系。考虑到碳价格是碳交易市场的核心，也是政府制定政策、企业减排决策的重要依据，本文研究分析了我国碳交易市场价格影响因素，并在此基础上对未来的碳交易市场价格进行预测。
　　本文将碳交易市场价格的影响因素分为外在影响因素和内在影响因素。外在影响因素是指国外碳价、能源价格、宏观经济等外部因素对碳价格的影响，内在影响因素是指碳交易市场历史价格对当期价格的影响。首先从理论层面分析了影响我国碳交易市场价格的五个外部因素：国外碳价因素、能源价格因素、宏观经济因素、气候环境因素和汇率变动因素。然后以广东碳价GDEA为例，通过向量自回归(VAR)模型和因子增强型向量自回归(FAVAR)模型定量分析各外在影响因素与我国碳交易市场价格之间的关系以及影响程度。结果表明，各外在影响因素指标对广东碳价GDEA的影响均延迟一期；在所有指标中，能源价格方面的因素指标影响最强，其次是国外宏观经济的因素指标，广州日均气温的影响最弱，可忽略不计；CER期货价格的影响程度要高于EUA期货价格的影响；欧元对人民币的汇率在前2期的影响很小，直到第3期才迅速增加。关于内在影响因素，本文也从理论和实证两方面进行了分析，研究发现碳交易市场价格受自身前期价格的影响较大，因此在进行碳价格预测时不能忽略碳交易市场价格的内在影响因素。
　　为了获得较为可靠的碳价预测方法，本文构建了快速集合经验模态分解算法(FEEMD)和基于粒子群优化算法的极限学习机(PSO-ELM)的组合模型，其中FEEMD算法用于分解碳价以达到降噪目的，PSO-ELM用于预测分解出来的各分量。根据碳交易市场价格影响因素分析结果以及构建的碳价格预测模型，本文对我国广东省碳交易市场的碳价GDEA及其影响因素指标数据进行实证分析，利用偏自相关函数(PACF)选取与碳价格序列有较大相关性的滞后序列作为内在影响因素，利用主成分分析(PCA)将对筛选的38个影响因素指标降维处理得到的五个主成分作为外在影响因素，然后将内在影响因素和外在影响因素相结合作为预测模型PSO-ELM的输入。预测结果表明，所选取的影响因素是合理的，将其纳入到构建的模型中进行碳价格预测可以获得较高的拟合精度。这一结论可以为政策制定者和市场参与者提供更多有效、可靠的信息，同时丰富和拓展了碳交易市场价格的相关研究内容，对我国碳交易市场的发展有一定的指导意义。