基于非结构化数据的碳价格组合预测研究.pdf

第 卷 第 期 年 月武 汉理工大学学报(信息与管理工程版)().文章编号:()文献标志码:基于非结构化数据的碳价格组合预测研究王木子妍罗 瑞刘金培石 倩刘泊尧邹青青姜安琪(.安徽大学 商学院安徽 合肥.安徽大学 大数据与统计学院安徽 合肥)摘 要:针对现有碳交易价格预测模型均不能反映非结构化数据的实时影响存在滞后性缺陷且传统分解方法难以充分提取多尺度特征等问题提出了基于改进的自适应噪声完备集合经验模态分解()和非结构化数据的碳价格组合预测模型 首先对预处理后的非结构化数据进行 分解采用 方法将不同的本征模函数重构为高频分量、低频分量和趋势项 其次针对高频分量、低频分量和趋势项分别采用双向长短期记忆神经网络()、极端梯度提升()和 指数平滑法进行预测 最后通过灰狼优化集成预测结果 仿真实验结果表明:与其他预测模型相比所提出的组合模型通过引入 和 等处理结构化和非结构化数据减少了信息冗余预测精确度更高稳定性更强关键词:碳价格组合预测非结构化数据 中图分类号:.:./.收稿日期:.通讯作者:刘金培()男教授研究方向为经济预测与决策分析.基金项目:国家自然科学基金项目()教育部人文社会科学规划项目()安徽省自然科学基金项目()安徽大学大学生创新训练计划项目().随着现代工业的迅猛发展生态环境恶化问题受到公众的关注二氧化碳排放量需被严格控制 温室气体排放权交易兼具经济、环境、社会三方面的重大效益备受世界各国的重视 近年来我国大力推行“双碳”战略目标 年正式启动了全国碳市场线上交易绿色与高效发展将成为我国能源体系建设的方向 因此有效预测碳交易价格既能帮助投资者进行科学决策也有利于政府制定合理的定价机制与碳金融交易政策这对碳交易市场的科学健康发展具有重要意义目前碳交易价格预测模型主要可以分为 类:传统统计计量方法、机器学习方法和分解集成方法 传统统计计量方法包括自回归移动平均模型()、广义自回归条件异方差模型()、向量自回归模型()等 如高辉等运用 模型对碳期货进行预测且效果较好 但是碳价格序列具有高噪声、非线性、非平稳等特点传统计量模型无法提取数据的非线性特征 机器学习方法可提取数据的非线性特征被越来越多地运用于碳价格预测如反向传播神经网络()、长短期记忆网络()和梯度提升 树()王喜平等以湖北碳市场为样本数据进行实证分析通过 模型得到较优的碳价格预测结果 随后在 的基础上又发展出优化后的双向长短期记忆网络()模型其由前向、后向的双倍 结合而成放弃了冗余记忆减小了学习难度提高了预测的精度 可以有效提取高频时间序列的非线性特征并在碳价格预测领域取得较好的拟合效果 等在 的基础上提出了极端梯度提升模型()可高效处理大规模数据且具有强大的泛化能力 谭海旺等使用 组合模型预测光伏发电功率得到较好的预测效果 虽然该模型广泛运用于各类预测实验中但尚未被用于碳价格的预测研究中 分解集成方法是将信号分解方法与预测模型相结合用于对碳价格的预测 其中经验模态分解()可有效克服直接使用历史数据进行预测所带来的较大误差 然而 模型自身对于非线性数据处理存在一定缺陷导致预测准确度较低 于是在 模型的基础上自适应噪声完备集合经验模态模型()应运而生其在集合经验模态分解()中加入高斯噪声并通过多次叠加求平均以抵消噪声可获得更快的运算速度和更准确的模态分解结果高长征等结合智能机器学习方法对湖北碳市场价格数据进行分析碳价格预测精度较高 为弥补 中残留噪声和伪模态的问题 等提出了改进的完全自适应噪声集合经验模态()分解信号处理方法该模型不但可以有效解决 的缺陷而且在减少计算量的同时提高重构精度 目前 在医疗、轴承故障诊断等领域已广泛施用但仍有待进一步推广于碳价格的组合预测中碳价格预测正从基于单一历史数据向基于多元影响因素发展相关学者开展了不少研究魏琦研究了单一化石能源价格对碳价格的影响但在如今全球化背景下应考虑将多元能源指数、经济指数等纳入结构化影响因素 此外随着数据挖掘和网络搜索技术的发展非结构化数据被运用到预测领域 非结构化数据具有即时性与多样性的特点可有效解决结构化数据滞后性的缺陷在股票、房地产、旅游、消费市场等领域显示出重要作用 同时碳价格变动不仅受到结构化数据的影响也会受到非结构化数据的影响但目前基于非结构化数据的碳价格预测模型仍比较少见综上所述现有碳交易价格预测研究存在以下问题:传统分解方法存在模态混叠等固有缺陷各本征模函数()的物理意义不显著使得各频率特征难以提取至不同波动尺度的分量经济、气候和能源等基于结构化数据的影响因素具有滞后性缺陷无法体现碳交易价格的实时变化趋势 单一预测方法仅能学习特定频率数据规律忽视了碳交易价格序列尺度特征的多样性预测准确性较低 针对上述不足依托碳排放权交易市场全面启动上线交易和“双碳”的大背景笔者拟收集大量结构化与非结构化数据提出一种基于 和非结构化数据的碳价格组合预测模型并利用 种误差评价指标进行对比分析以验证该模型的准确性和有效性 碳交易价格组合预测.碳市场交易价格的影响因素碳交易价格的变化受到能源供给、股票市场等多方面因素影响 在多种因素中碳排放配额是影响碳配额交易价格最直接的因素笔者选取深圳 标签的碳排放配额历史价格作为国内碳价格的影响因素 此外碳排放权市场与宏观经济也密切相关 且我国工业主要依赖化石能源工业产出与碳排放量呈正向关系所以化石能源的价格也是影响碳价格的因素之一已有研究表明经济活动的波动是影响一个国家的化石燃料燃烧、造纸和钢铁部门碳交易收入的关键因素 因此选取焦煤指数、石油指数、上证指数等来反映宏观经济与化石能源对碳市场价格的影响除了结构化影响因素互联网上的非结构化因素也是影响碳价格波动的重要因素 随着互联网和大数据渗入生活各搜索平台的关键词检索指数成为反映社会生活焦点的重要指标 笔者拟将百度指数作为非结构化因素引入碳价格影响体系.组合预测的基本框架碳交易价格受到多方面因素影响其中大部分为不稳定因素呈现出非线性、不稳定、多元性等特征 基于此构建组合预测模型框架主要分为 个模块具体如图 所示()影响机制构建 对于结构化数据部分选取了 个对于碳价格影响较大的结构化影响因素收集数据并进行删减空缺值和归一化处理对于非结构化数据通过百度关键词搜索指数来衡量人们对碳交易的关注程度 收集关键词搜索指数的多维数据依次进行空缺值删减、归一化处理进而运用 方法对其进行降维处理以降低模型复杂性()分解与重构 运用 方法对数据预处理后的各时间序列进行分解得到多个具有不同频率的 然后为防止数据被过度分解而影响预测精度采用 法将不同的 进行重构形成高频分量、低频分量及趋势项()组合预测 可以有效提取高频时间序列的非线性特征 能够提取低频时间序列周期性特征而 双参数平滑模型是一种被广泛应用的趋势预测方法 因此根据 种序列各自特点及模型的适用性针对重构后的高频分量、低频分量和趋势项分别采用 神经网络、机器学习和 指数平滑进行组合预测 然后基于灰狼优化()算法对各单项预测结果进行最优加权组合与集成从而得到最优组合预测值()对比与评价 借助 种误差指标(、)评价比较模型的拟第 卷 第 期王木子妍等:基于非结构化数据的碳价格组合预测研究图 模型框架图合效果 方法与原理.分解 是 等提出的一种信号处理方法 不同于 在分解过程中直接添加高斯白噪声 选取被 分解后 的 白 噪 声 的 第 层 分 量 即 噪 声()通过获得 个特有的残差将 定义为现有残差信号和其局部均值之间的差值 可有效解决残留噪声和伪模态的问题 设()为产生局部均值的操作符()为由 分解产生第 个 值的操作符显然 ()第 个 值和残差 间的关系为:()分解过程:把()添加给原始信号()()其中()表示被添加的第 个白噪声使用 计算()的局部均值 并取它 们 的 平 均 值 得 到 第 个 残 差 ()并通过 计算出第 个 值通过公式 得到第 个 值其中 ()根据公式 得第 个 值且 ().组合预测方法.双向长短期记忆模型()也称为双向 是在 基础上增加了反向运算属于 的一种其基本流程如图 所示 将一个正向 和一个反向 的结果进行简单堆叠将两个网络的隐含层连接在一起共同接入输入层进行预测 由此可以综合考虑前后时刻信息提高预测输出精度.极端梯度提升()是基于 改进的一种监督学习算法和提升树模型 算法使用一阶导数信息而改进后的 对损失函数进行二阶的泰勒展开 的原理是构造多个 树(弱分类器的一种)用第 个 树预测样本数据其误差用第 个 树继续预测 以此类推最后把所有预测结果累加构成强分类器 的计算式为:()其中为样本特征()表示用第棵树对样本进行预测将其预测结果累加得到最终预测值即 棵 树的集合输出为了控制模型的复武汉理工大学学报(信息与管理工程版)年 月图 基本流程杂度 的目标函数由 损失函数 和 正则项 构成这样可求得整体最优解以避免过拟合其公式为:()()()式中:为样本的观测值通过叠加式的训练得到目标函数为:()()()复杂度由两个部分构成通过 和 两个超参数来分别控制这两部分 即().()用泰勒展开近似这个复杂的目标函数并将()和()参数化得到新的目标函数的简化形式可求得当前树结构下的最佳目标函数值:./()再通过贪心算法寻找目标函数值最小的 树以得到最佳的预测结果 实证研究.数据来源与数据预处理为了进行模型检验以深圳市碳市场 年 月 日 年 月 日 标签配额(:/./.)的碳价格数据为训练集 以 年 月 日 年 月 日碳价格数据为测试集进行仿真实验分析 对于结构化数据选取 年的上证指数、欧元兑人民币汇率()以及焦煤指数、电力指数、石油指数(来自 数据库)对于非结构化数据经过充分的讨论和专家建议结合百度需求图谱和相关性排序选取 个百度搜索关键词进行多轮筛选最终选定了、碳达峰、全球气候大会等 个对碳交易价格影响最大的关键词利用这些关键词在 年 月 日 年 月 日的百度搜索指数来衡量人们对碳交易的关注度 另外运用 对上述非结构数据进行降维处理其维数由 维降至 维 由于上证指数、汇率、碳排放权交易受到周末和节假日的影响会出现空值鉴于研究以 年每日相关指标值为依据数据连续性较强故对于空值直接删除.碳交易价格相关数据分解与重构对 年 月 日 年 月 日深圳排放权交易所碳配额历史价格、结构化数据及降维后的非结构化数据进行 分解以碳配额的历史价格为例分解后得到 个本征模函数和一个残差如图 所示 为了避免数据被过度分解通过 将 重构成 个部分:高频分量、低频分量和趋势项如图 所示 其中非结构化数据被重构为高频序列()、低频序列()、趋势序列()结构化数据被重构成高频序列()、低频序列()、趋势序列().组合预测与结果对比分析对于高频分量、低频分量和趋势项分别采用 、和 模型对其进行预测并运用 集成 种单项预测结果得到最终预测值()碳价格预测值与实际值对比图如图 所示可知笔者所提模型求解得到的组合预测值精确度较高能有效拟合碳交易价格的发展趋势和波动变化为验证本模型的预测效果基于 种误差评价指标对模型进行对比分析具体结果如表 所示 由表 可知:与 个单项预测模型、和(模型 模型)相比笔者所提组合预测模型(模型)的误差明显小于单项预测模型说明组合预测模型能够提取多尺度数据特征进一步提高了预测精度 将未进行数据分解的组合预测模型(模第 卷 第 期王木子妍等:基于非结构化数据的碳价格组合预测研究图 碳历史价格分解结果型)与所构建的预测模型(模型)进行对比发现组合预测模型误差明显小于未进行数据分解的组合预测模型可见 分解方法能够将复杂时间序列平稳化和规律化其中模型为在笔者模型基础上不运用分解方法直接对碳价格进行组合预测 将未采用非结构化数据的组图 碳历史价格重构结果图 碳价格预测值与实际值比较合预测模型(模型)与所构建的组合预测模型(模型)进行比较可知笔者所提模型误差显著表 各模型预测精度的评价指标对比编号预测模型非结构 分解 .非结构 分解 .非结构 分解 .非结构 分解 .非结构 分解 .非结构 分解 .非结构 组合预测.分解 组合预测.笔者所提组合预测模型.武汉理工大学学报(信息与管理工程版)年 月小于未采用非结构化数据的组合模型说明非结构化因素为预测提供有效信息综上可知组合预测较单项预测具有一定优势采用非结构化数据能减少预测误差对数据进行分解重构且针对不同频率数据采用不同预测模型组合预测也可以有效提高预测精度 对比实验结果显示笔者所构建的组合预测模型具有较好的准确性与优越性 结论()基于“双碳”的政策背景将多元结构化影响因素和非结构化数据作为模型辅助变量对原始数据进行 分解和 重构得到高频、低频和趋势项序列 然后运用 、和 方法对其进行组合预测 同时基于 方法进行集成处理最后得到主要结论如下:()通过模型对比分析发现基于非结构化和多元非结构化数据所发展的多尺度组合预测模型 预测效果明显优于只考虑结构化数据的单一模型提高了预测的准确性、稳定性()结构化和非结构化数据通过 分解和 重构在减少信息冗余的同时去除不必要的分量并解决传统分解方法带来的模态混叠问题从而可减小碳预测结果的误差()使用 算法参与多尺度组合预测在损失函数里添加正则项后有效减小了方差规避了过度拟合极大提升了算法的效率提高了预测的精确度()笔者所提组合模型可对碳价格变动进行精准的预测有利于对影响绿色金融的风险因素进行监管也可为绿色金融激励政策体系的研究奠定基础和提供思路 但未考虑环境指标对碳价格变动的影响、非结构化指标单一等 因此未来需进一步完善碳价格的影响因素体系并不断改进组合预测方法以进一步提升预测效果参考文献:俞妍黄古博.基于实物期权的绿色投资定价模型研究.武汉理工大学学报(信息与管理工程版)():.崔焕影窦祥胜.基于 与 的中国碳市场价格预测.运筹与管理():.高辉魏荣李康琪.结构突变下的碳价波动及碳市场风险测度:基于 碳期货结算数据的实证研究.金融与经济():.王喜平于一丁.基于多尺度分解集成组合模型的碳价格预测研究.分布式能源():.():.谭海旺杨启亮邢建春等.基于 组合模型的光伏发电功率预测.太阳能学报():.():.高长征李东伟王秀娜等.利用智能机器学习方法对区域碳排放权交易价格预测研究:基于湖北碳市场数据的分析.价格理论与实践():.:.():.魏琦.化石能源价格变动对中国碳交易价格的影响研究.价格理论与实践():.王博徐飘洋.碳定价、双重金融摩擦与“双支柱”调控.金融研究():.江世银姜俞魏建华等.金融视角下碳排放权价格波动的多因素研究:以湖北省为例.武汉金融():.():.高晓辉周坤李廉水.基于 和 的混合空气质量预警系统:以南京为例.中国管理科学():.:.(下转第 页)第 卷 第 期王木子妍等:基于非结构化数据的碳价格组合预测研究():.陈柳鑫陈娴.零售商成本信息不对称下三级供应链协调研究.武汉理工大学学报(信息与管理工程版)():.:().(.).:.(上接第 页):.().()().:.第 卷 第 期余 良等:物联网环境下城市环卫服务供应链决策机制研究