基于CNN与LSTM多组合策略的中国碳市场价格预测

作者：陈晓红; 龚思远; 贺怡帆; 曹文治^*; 刘厚盾

来源：计量经济学报, 2022, 2(02): 237-256.

• 碳市场价格
• 卷积神经网络
• 长短期记忆
• 多策略预测

随着全球对碳排放问题的日益关注,碳市场价格变得越来越重要.准确可靠的碳市场价格预测不仅可以为政府宏观调控实现“双碳”目标提供更好的参考,还可以帮助企业更有效地管理碳排放带来的风险.本文针对碳市场价格预测,利用经验模态分解(EMD)、卷积神经网络(CNN)和长短期记忆网络(LSTM),提出不同的EMD-CNNLSTM组合模型,并探讨了CNN-LSTM组合策略,将其分为串行策略和并行策略.本文使用广东、上海、湖北、重庆碳交易所价格数据,系统地对比了EMD-CNN-LSTM组合策略和单一预测模型、组合预测模型的预测效果,验证了EMD-CNN-LSTM四种组合模型预测的精准性和稳健性,并论证了并行策略预测对于碳市场价格序列普适性更佳.

• 单位
  湖南工商大学