论文部分内容阅读
作为应对气候变化成本的有效手段,碳市场日益受到学术界和理论界的关注。近年来以欧盟碳排放交易体系(EU ETS)为代表的全球碳市场发展迅猛,但其市场价格波动剧烈,显著影响了减排绩效。论文围绕EU ETS碳市场价格开展预测分析研究,以期提高碳市场价格的预测精度。本文的主要创新性工作如下:(1)构建了基于PSR-LSSVR模型参数同步优化的碳市场价格预测模型。首先,分析了影响碳市场价格LSSVR模型预测性能参数,确定模型参数组合优化问题;其次,将PSR和LSSVR参数同步编码,选用具有极强寻优能力的粒子群算法(PSO)对模型参数组合进行同步优化;最后,利用PSO-PSR-LSSVR模型对EU ETS碳价格进行了实际预测。结果发现,PSO-PSR-LSSVR模型在碳价格预测方面更具有优势。(2)构建了基于UD-PSR-LSSVR模型的碳市场价格预测模型。首先,将模型参数组合优化转化为一个多因素多水平优化问题;其次,采用均匀设计方法对参数进行均匀设计,将多参数多水平组合优化的大样本问题转化为一个小样本问题,提高寻优效率,从而得到最优模型参数,并对EU ETS两组碳期货价格进行实证分析。结果发现,均匀设计能够很好处理多参数联合优化问题,通过将同步优化的大样本搜索转化为小样本搜索,在保证模型预测精度的同时大幅度地提高了模型的计算效率。(3)构建了基于核函数原型和自适应PSO优化LSSVR的碳市场价格多尺度预测模型。首先,采用极值点镜像延拓EEMD(Ensemble Empirical Mode Decomposition)将碳价格分解成简单模态。其次,采用fine-to-coarse reconstruction算法识别出高频分量、低频分量和趋势分量,鉴于ARIMA模型具有很强的短期记忆能力,适用于高频分量预测,LSSVR具有良好的非线性捕捉能力,适用于低频分量和趋势分量。同时,为充分发挥不同核函数各自的优势,弥补单一核函数的不足,引入一种普适的核函数原型,能够根据具体数据自适应优化选择核函数类型和模型最优参数。最后,针对“分解-集成”策略中,各分量预测值仅局限于线性集成的问题,提出了一种新的基于LSSVR的非线性集成模型,将不同模型的分量预测结果利用LSSVR非线性集成模型重构出碳市场价格预测值。结果发现,该模型能够显著提高碳价格预测精度。