基于分解重构的欧盟碳排放权市场波动率预测研究 ——新冠疫情、俄乌冲突背景下

• 作者: 靳慧娜 张金良 白祥 河南科技大学数学与统计学院
• 来源期刊: 上海节能
• 学科: 地球科学
• 关键词: 碳排放权波动率 CEEMDAN 样本熵 LSTM SVR
• 年，卷（期）: 2024,（4）
• 页码范围: 91-101
• 页数: 11页
• 语种: 中文
• DOI: 10.13770/j.cnki.issn2095-705x.2024.04.010

摘要

碳排放权交易系统受多种因素影响具有强非线性、强波动性等特点,碳排放权收益波动率的预测极具挑战性。近年来突发的新冠疫情和俄乌冲突对碳市场带来了前所未有的冲击。以GARCH(1,1)波动率作为欧盟碳排放权的“真实”波动率,针对近几年动荡不安的碳市场,提出了一种基于自适应噪声完备集合经验模态分解(CEEMDAN)、样本熵(SE)、支持向量回归(SVR)、长短时记忆神经网络(LSTM)的波动率复合预测模型,即CEEMDAN-SE-SVR/LSTM/LSTM。该模型通过CEEMDAN和SE捕捉碳排放权波动率不同时间尺度上的特征,利用传统机器学习SVR在小样本上的鲁棒性以及深度学习LSTM模型长记忆特征对波动率实现精准预测。以近期欧盟EUA期货数据为样本进行了实证分析,结果表明,CEEMDAN-SE-SVR/LSTM/LSTM模型预测精度和鲁棒性优于其它参考模型。