• <tr id="yyy80"></tr>
  • <sup id="yyy80"></sup>
  • <tfoot id="yyy80"><noscript id="yyy80"></noscript></tfoot>
  • 99热精品在线国产_美女午夜性视频免费_国产精品国产高清国产av_av欧美777_自拍偷自拍亚洲精品老妇_亚洲熟女精品中文字幕_www日本黄色视频网_国产精品野战在线观看 ?

    數(shù)字化社會(huì)變革時(shí)代下碳配額價(jià)格預(yù)測(cè)

    2025-03-20 00:00:00胥杉胡成春田浩劉芮巧溫曉哲
    關(guān)鍵詞:機(jī)器學(xué)習(xí)

    摘要:隨著我國(guó)碳排放權(quán)交易市場(chǎng)的正式啟動(dòng),中國(guó)碳市場(chǎng)迎來(lái)了新的里程碑。準(zhǔn)確預(yù)測(cè)碳配額價(jià)格對(duì)于數(shù)字化社會(huì)變革時(shí)代下的政策制定和企業(yè)決策至關(guān)重要。然而,碳配額價(jià)格的非穩(wěn)定性和非線性使得準(zhǔn)確預(yù)測(cè)碳配額市場(chǎng)價(jià)格的波動(dòng)具有一定挑戰(zhàn)性。因此,本文構(gòu)建了一種集可解釋性與多尺度分析于一體的差異化學(xué)習(xí)方法——VMD-AWLSSVR-PSOALS-SHAP混合預(yù)測(cè)模型。該預(yù)測(cè)框架考量了影響碳配額價(jià)格的潛在因素,同時(shí)融入信號(hào)分解、高效特征選擇、精確價(jià)值預(yù)測(cè)及模型可解釋性研究等關(guān)鍵步驟,旨在提高碳配額價(jià)格預(yù)測(cè)的準(zhǔn)確性和可理解性,以更好地應(yīng)對(duì)碳市場(chǎng)的復(fù)雜性和不確定性。結(jié)果表明,該混合預(yù)測(cè)模型對(duì)碳配額價(jià)格預(yù)測(cè)精確度高,對(duì)價(jià)格影響因素具有可解釋性;碳配額價(jià)格的影響因素因時(shí)間尺度而異,高頻序列對(duì)短期經(jīng)濟(jì)和歷史價(jià)格敏感,低頻序列更容易受到能源價(jià)格的影響。

    關(guān)鍵詞:數(shù)字化社會(huì)變革;機(jī)器學(xué)習(xí);碳配額價(jià)格預(yù)測(cè);可解釋預(yù)測(cè)模型

    中圖分類號(hào):F407.2;F49文獻(xiàn)標(biāo)志碼:A文章編號(hào):1003-5559-(2025)01-0040-11

    一、引言

    習(xí)近平總書記在第七十五屆聯(lián)合國(guó)大會(huì)宣布中國(guó)實(shí)現(xiàn)碳達(dá)峰和碳中和的重大戰(zhàn)略決策[1],黨的二十大報(bào)告指出,要推動(dòng)綠色發(fā)展,促進(jìn)人與自然和諧共生,積極穩(wěn)妥地推進(jìn)碳達(dá)峰碳中和[2]。二十屆三中全會(huì)進(jìn)一步提出,中國(guó)式現(xiàn)代化是人與自然和諧共生的現(xiàn)代化。為此,必須完善生態(tài)文明制度體系,協(xié)同推進(jìn)降碳、減污、擴(kuò)綠、增長(zhǎng),積極應(yīng)對(duì)氣候變化[3]。全球氣候變暖是人類命運(yùn)共同體面臨的共同挑戰(zhàn),中國(guó)正積極參與全球氣候治理。自2011年起,中國(guó)先后在8個(gè)省市建立碳排放交易試點(diǎn)市場(chǎng),并于2021年7月16日啟動(dòng)正式啟動(dòng)全國(guó)碳排放權(quán)交易市場(chǎng)。據(jù)全國(guó)碳排放權(quán)注冊(cè)登記結(jié)算系統(tǒng)數(shù)據(jù)顯示,截至2024年7月15日,我國(guó)碳排放權(quán)交易市場(chǎng)已累計(jì)成交超過(guò)4.6億噸的碳排放配額,累計(jì)成交金額近270億元。碳排放權(quán)的綠色金融屬性逐步獲得市場(chǎng)認(rèn)可,全國(guó)碳市場(chǎng)交易價(jià)格為開展氣候投融資、碳資產(chǎn)管理、配額質(zhì)押等錨定了基準(zhǔn)價(jià)格,撬動(dòng)了更多綠色低碳投資,促進(jìn)火電行業(yè)能效提升和能源結(jié)構(gòu)調(diào)整,顯現(xiàn)出我國(guó)對(duì)綠色低碳高質(zhì)量發(fā)展的積極推動(dòng)作用。

    中國(guó)政府高度重視并持續(xù)強(qiáng)化對(duì)碳排放交易的管理。2024年2月4日我國(guó)首部碳交易法律法規(guī)《碳排放權(quán)交易管理暫行條例》發(fā)行,明確了全國(guó)碳市場(chǎng)配額分配思路和方向,碳配額發(fā)放將逐步從免費(fèi)向有償過(guò)度。有償分配機(jī)制的引入更突出了碳配額合理定價(jià)的重要性。隨著數(shù)字技術(shù)的快速發(fā)展,大數(shù)據(jù)等信息化手段對(duì)碳配額價(jià)格預(yù)測(cè)及風(fēng)險(xiǎn)預(yù)警實(shí)現(xiàn)了數(shù)字化管控,這為實(shí)現(xiàn)碳配額合理定價(jià)與碳排放交易智能管理提供有力保障。精確掌握碳排放交易價(jià)格的波動(dòng)規(guī)律,識(shí)別并控制可能影響碳配額價(jià)格的重要因素,深入理解其價(jià)格形成機(jī)制,是確保碳排放交易市場(chǎng)長(zhǎng)期穩(wěn)定發(fā)展的關(guān)鍵。鑒于碳配額價(jià)格具有不穩(wěn)定性和非線性的特點(diǎn),本文首先基于信號(hào)分解的多尺度預(yù)測(cè)模型將原始碳配額價(jià)格序列分解為不同頻率的穩(wěn)態(tài)分量,以降低數(shù)據(jù)噪聲和波動(dòng)性,從而提高預(yù)測(cè)模型的性能。其次通過(guò)將注意力機(jī)制引入特征加權(quán)LSSVR模型中,結(jié)合碳配額價(jià)格的特點(diǎn)和影響因素,對(duì)各頻率分量進(jìn)行預(yù)測(cè),同時(shí)確定每個(gè)分量的注意力權(quán)重,從而精確預(yù)測(cè)碳配額價(jià)格。最后為使預(yù)測(cè)結(jié)果具有可解釋性,本文使用SHAP歸因解釋模型分析了各影響因素如何驅(qū)動(dòng)碳配額價(jià)格的變化,從而提高了多因素預(yù)測(cè)模型的透明度。此外,本文還對(duì)高頻和低頻分量中碳配額價(jià)格主要影響因素進(jìn)行異質(zhì)性分析。通過(guò)構(gòu)建VMD-AWLSSVR-PSOALS-SHAP混合預(yù)測(cè)模型,可以提高碳配額價(jià)格預(yù)測(cè)的準(zhǔn)確性和可解釋性。這有助于更有效地應(yīng)對(duì)碳市場(chǎng)的復(fù)雜性和不確定性,為全面提升碳數(shù)據(jù)質(zhì)量以及全國(guó)碳市場(chǎng)數(shù)字化基礎(chǔ)設(shè)施建設(shè)提供技術(shù)支持。此外,該模型還能以更高效率和更低的成本激勵(lì)市場(chǎng)主體進(jìn)行綠色低碳技術(shù)創(chuàng)新,為新質(zhì)生產(chǎn)力發(fā)展注入持續(xù)動(dòng)力。

    二、文獻(xiàn)回顧

    在碳配額價(jià)格變動(dòng)影響因素研究方面,多數(shù)學(xué)者從能源價(jià)格、經(jīng)濟(jì)及氣候指標(biāo)等因素著手,構(gòu)建綜合評(píng)價(jià)體系以探究碳配額價(jià)格驅(qū)動(dòng)因素。能源消耗引起大量溫室氣體的排放,促使能源市場(chǎng)價(jià)格直接影響著碳市場(chǎng)價(jià)格[4]。Chevallier[5]、Wang等[6]研究發(fā)現(xiàn)能源市場(chǎng)和碳市場(chǎng)之間存在顯著的動(dòng)態(tài)相互作用,煤價(jià)對(duì)于碳價(jià)具有負(fù)向作用,而石油和天然氣價(jià)格對(duì)于碳價(jià)具有非對(duì)稱外溢作用。在市場(chǎng)均衡條件下,碳價(jià)和煤炭期貨價(jià)格具有長(zhǎng)期均衡關(guān)系,在短期會(huì)相互影響[7]。熊萍萍和王亞琦[8]研究發(fā)現(xiàn)煤炭?jī)r(jià)格與碳價(jià)存在顯著動(dòng)態(tài)相關(guān)性,并且煤炭?jī)r(jià)格和碳價(jià)通過(guò)能源消費(fèi)結(jié)構(gòu)路徑實(shí)現(xiàn)的傳導(dǎo)更為顯著。Friedrich et al.[9]研究發(fā)現(xiàn),天然氣和石油價(jià)格是對(duì)具有時(shí)變效應(yīng)碳價(jià)的重要能源驅(qū)動(dòng)因素。Dimos et al.[10]也研究證實(shí)石油價(jià)格對(duì)碳價(jià)有積極影響作用。宏觀經(jīng)濟(jì)直接決定了碳交易市場(chǎng)的繁榮程度,市場(chǎng)的繁榮程度影響企業(yè)生產(chǎn)經(jīng)營(yíng)活動(dòng),進(jìn)而影響著企業(yè)的能源消耗和碳排放效率。呂靖燁等[11]在粗糙集理論依據(jù)下對(duì)遺傳算法屬性進(jìn)行約簡(jiǎn),認(rèn)為宏觀經(jīng)濟(jì)變量對(duì)于碳價(jià)的波動(dòng)影響最為顯著。Koch et al.[12]研究發(fā)現(xiàn),經(jīng)濟(jì)景氣指數(shù)(ESI)和股票指數(shù)對(duì)碳價(jià)有很大影響。匯率作為宏觀經(jīng)濟(jì)重要影響因素,對(duì)企業(yè)生產(chǎn)和碳價(jià)波動(dòng)的影響主要體現(xiàn)在對(duì)進(jìn)出口貿(mào)易的沖擊上。金林等[13]研究發(fā)現(xiàn)匯率對(duì)于碳配額交易價(jià)格影響作用最大。郭文軍[14]則采用LASSO方法對(duì)影響因素進(jìn)行降維,發(fā)現(xiàn)歐元匯率對(duì)區(qū)域碳價(jià)影響最為顯著。但也有學(xué)者對(duì)于中國(guó)碳價(jià)的溢出效應(yīng)進(jìn)行度量,認(rèn)為碳價(jià)主要受自身歷史價(jià)格變化影響,宏觀經(jīng)濟(jì)形勢(shì)等因素對(duì)碳價(jià)影響甚微[15]。此外,彭曉潔和鐘永馨[16]從供需兩個(gè)維度對(duì)碳配額交易價(jià)格的影響因素及影響機(jī)制進(jìn)行了分析,發(fā)現(xiàn)初始配額決定碳排放交易供給,從而影響碳交易需求,導(dǎo)致碳配額價(jià)格波動(dòng)。洪娟和陳靜[17]認(rèn)為我國(guó)政府限價(jià)因素會(huì)影響碳交易市場(chǎng)定價(jià),應(yīng)尚軍等[18]提出環(huán)境氣候會(huì)影響碳配額價(jià)格,且影響路徑主要表現(xiàn)在極端溫度和空氣質(zhì)量。

    對(duì)于碳配額價(jià)格預(yù)測(cè)的相關(guān)研究方法,當(dāng)前學(xué)者主要通過(guò)傳統(tǒng)計(jì)量經(jīng)濟(jì)學(xué)模型和機(jī)器學(xué)習(xí)預(yù)測(cè)模型展開。傳統(tǒng)的計(jì)量經(jīng)濟(jì)學(xué)方法通過(guò)測(cè)量和統(tǒng)計(jì)碳配額價(jià)格序列來(lái)預(yù)測(cè)碳價(jià)。根據(jù)Sanin et al.[19]的說(shuō)法,具有隨機(jī)跳躍過(guò)程的自回歸移動(dòng)平均線X(ARMAX)-GARCH方法在預(yù)測(cè)歐盟ETS中的碳價(jià)格方面優(yōu)于標(biāo)準(zhǔn)ARMAX-GARCH方法。但一些學(xué)者認(rèn)為,碳市場(chǎng)價(jià)格序列本質(zhì)上是嘈雜的、非線性的和非平穩(wěn)的,傳統(tǒng)的統(tǒng)計(jì)和計(jì)量經(jīng)濟(jì)學(xué)模型對(duì)處理這些模式尚有欠缺。而機(jī)器學(xué)習(xí)混合預(yù)測(cè)模型可以多角度、多方面考慮變量自身特點(diǎn),并通過(guò)協(xié)同運(yùn)轉(zhuǎn)來(lái)提高預(yù)測(cè)精度。姚藝千等[20]提出一種精度更高的BP-LSTM混合預(yù)測(cè)模型,該模型較BP-RNN模型的擬合度更高。郭宇辰等[21]基于卷積神經(jīng)網(wǎng)絡(luò)與長(zhǎng)短期記憶網(wǎng)絡(luò)提出了CNN-LSTM組合模型來(lái)預(yù)測(cè)碳價(jià),并針對(duì)碳價(jià)的時(shí)序性進(jìn)行改善,認(rèn)為該模型在碳價(jià)預(yù)測(cè)中具有更高的預(yù)測(cè)準(zhǔn)確性?;谛盘?hào)分解的混合預(yù)測(cè)模型能進(jìn)一步提高模型的魯棒性和穩(wěn)定性。呼雪芳[22]基于CEEMDAN分解算法提出了LSTM-LSTM-LGBM的組合預(yù)測(cè)模型,仿真分析結(jié)果顯示預(yù)測(cè)模型效果較好。趙峰等[23]基于碳價(jià)建立了CEEMDAN-ARIMA指數(shù)平滑模型,并考慮碳價(jià)的經(jīng)濟(jì)和技術(shù)指標(biāo),建立THHO-ELM模型,實(shí)證分析驗(yàn)證了模型的可靠性。Wang et al.[24]將CEEMDAN與LSTM網(wǎng)絡(luò)相結(jié)合來(lái)預(yù)測(cè)碳價(jià)格,發(fā)現(xiàn)使用CEEMDAN分解后預(yù)測(cè)結(jié)果比EMD、EEMD、CEEMD等更準(zhǔn)確。

    綜上所述,當(dāng)前一些學(xué)者已在碳配額價(jià)格預(yù)測(cè)上取得了良好的效果,但由于其影響因素較多,以及碳配額價(jià)格數(shù)據(jù)本身具有的不穩(wěn)定性與非線性,準(zhǔn)確預(yù)測(cè)碳配額價(jià)格依舊存在諸多挑戰(zhàn)。為進(jìn)一步探尋更為準(zhǔn)確的碳配額價(jià)格預(yù)測(cè)模型,根據(jù)數(shù)據(jù)波動(dòng)特征和影響機(jī)制,本文使用信號(hào)分解模型對(duì)不同因子的高低頻分量進(jìn)行區(qū)分,并對(duì)高低頻分量中碳配額價(jià)格主要驅(qū)動(dòng)因素進(jìn)行異質(zhì)性分析,為碳配額價(jià)格預(yù)測(cè)提供了新思路。其次,為了更好地探究黑箱預(yù)測(cè)模型的內(nèi)在運(yùn)行模式,本文引入注意力機(jī)制,對(duì)每個(gè)因素的重要性進(jìn)行加權(quán),顯著提高預(yù)測(cè)性能。另外,本文還利用歸因解釋模型進(jìn)一步探究影響碳配額價(jià)格主要驅(qū)動(dòng)因素,在提高預(yù)測(cè)模型透明度的同時(shí),解決了機(jī)器學(xué)習(xí)模型缺乏經(jīng)濟(jì)意義的問(wèn)題,具有重要的現(xiàn)實(shí)意義。

    三、理論框架

    (一)基于VMD的信號(hào)分解模型

    變分模態(tài)分解(VMD)是一種完全非遞歸和自適應(yīng)的信號(hào)分解方法[25]。它不僅能夠通過(guò)迭代搜索獲得最優(yōu)解,還能有效地消除經(jīng)驗(yàn)?zāi)B(tài)分解(EMD)方法中的端點(diǎn)效應(yīng)和模態(tài)分量混疊的缺陷,使得信號(hào)分析更加簡(jiǎn)單、準(zhǔn)確,從而可以將復(fù)雜的碳配額價(jià)格序列分解成多個(gè)相對(duì)穩(wěn)定的子序列。如果將原始信號(hào)f分解成k個(gè)獨(dú)立的模態(tài),需確保每一個(gè)模態(tài)都具有一個(gè)中心頻率,并且它們的估計(jì)帶寬之和必須盡可能接近原始信號(hào),這種限制條件要求所有模態(tài)的總和必須與原始信號(hào)相同。則VMD約束變分模型如下:

    其中:y為原始時(shí)間序列,uk={u1,u2,…,uk} 為各模態(tài)函數(shù),ωk={ω1,ω2,…,ωk} 為各模態(tài)中心頻率,且*為卷積。

    接下來(lái),通過(guò)采取無(wú)約束變分方法,借助二次懲罰項(xiàng)α以及拉格朗日乘數(shù)λ有效地處理約束變分問(wèn)題,具體公式如下:

    L(uk,ωk,λ) =α||?tδ(t) +?uk(t)e-jωkt||2(2)+||yt-uk(t)||2(2)+λ( t),y(t) -uk(t)"""""" (2)

    通過(guò)迭代更新的uk、ωk和λ來(lái)求解無(wú)約束變分問(wèn)題,具體公式如下:

    γ是一種噪聲,當(dāng)信號(hào)中包含較強(qiáng)的噪聲時(shí),可以將γ設(shè)置為0以提高去噪效果。為實(shí)現(xiàn)這一目標(biāo),需要不斷地更新迭代,直至它滿足下列的迭代約束條件:

    ?

    (二)基于AWLSSVR的預(yù)測(cè)模型

    最小二乘支持向量回歸(LSSVR)是支持向量回歸(SVR)的改進(jìn)版本,其核心假設(shè)是樣本的所有變量對(duì)預(yù)測(cè)的貢獻(xiàn)相同[26]。然而,這個(gè)假設(shè)在現(xiàn)實(shí)中往往不成立,因?yàn)椴煌兞繉?duì)預(yù)測(cè)結(jié)果的影響可能存在顯著差異,所以本文采用了的加權(quán)注意力最小二乘支持向量回歸算法(AWLSS-VR),從而能夠確定每個(gè)變量的注意力權(quán)重[27]。通過(guò)Softmax函數(shù)對(duì)每個(gè)特征(變量)序列之間的余弦相似度與碳配額價(jià)格進(jìn)行歸一化處理,從而使得模型能夠更有效地關(guān)注那些對(duì)預(yù)測(cè)結(jié)果更為關(guān)鍵的變量[28]。AWLSSVR不僅能夠克服LSS-VR的局限性,還顯著提升了模型在復(fù)雜環(huán)境下的預(yù)測(cè)性能。

    訓(xùn)練數(shù)據(jù)是Ttrain={(x,yt)|x∈Rm×n,t∈{1,2,…,m},j∈{1,2,…,n}},m是訓(xùn)練集中的樣本數(shù),n是變量的數(shù)量。注意力權(quán)重ωj的計(jì)算方法如下:

    其中,Dc(j)os是X和Y的余弦相似度,ω={ω1,ω2,…,ωn}是n維權(quán)重向量。

    根據(jù)注意力權(quán)重機(jī)制,權(quán)重矩陣W是為了擴(kuò)展標(biāo)準(zhǔn)歐幾里得空間距離而構(gòu)建的。初始變量矩陣記錄為X0,將加權(quán)變量矩陣X添加到LSSVR中以構(gòu)造優(yōu)化問(wèn)題:

    其中,γ是正則化參數(shù),et是誤差值,ω是權(quán)重變量,b是線性函數(shù)的系數(shù)。

    優(yōu)化ω通常轉(zhuǎn)換為拉格朗日函數(shù):

    λt是拉格朗日乘數(shù),由輸入數(shù)據(jù)決定xt和正則化參數(shù)γ表示如下:

    鑒于拉格朗日函數(shù)的最小值是根據(jù)一階導(dǎo)數(shù)等于零的原理確定的,優(yōu)化模型的最終形式如下所示:

    隨后,選擇合適的內(nèi)核參數(shù)值來(lái)優(yōu)化模型。徑向基函數(shù)(RBF)可以保證模型的魯棒性和預(yù)測(cè)的穩(wěn)定性[29]。特征加權(quán)RBF內(nèi)核可定義為:

    AWLSSVR的性能主要受正則化參數(shù)γ和RBF內(nèi)核寬度σ的影響。內(nèi)核參數(shù)直接影響映射空間中低維樣本數(shù)據(jù)的分布復(fù)雜度,而正則化參數(shù)則關(guān)系到模型的泛化能力。

    (三)基于PSOALS粒子群優(yōu)化模型

    本文采用具有自適應(yīng)學(xué)習(xí)策略的新型粒子群PSO算法(PSOALS)[30]。首先,通過(guò)快速搜索聚類方法,將群體自適應(yīng)地分組為若干子群體,其中粒子被分為普通粒子和局部最佳粒子。其次,對(duì)于每個(gè)亞群中的普通粒子,在學(xué)習(xí)策略中考慮其局部最佳粒子,而非全局最佳粒子,以增強(qiáng)種群多樣性。當(dāng)找到全局最優(yōu)值或滿足終止條件時(shí),搜索過(guò)程即停止。

    中心粒子被局部密度較低的相鄰粒子包圍,并且與局部密度較高的其他粒子相距相對(duì)較遠(yuǎn)。每個(gè)粒子被定義了兩個(gè)變量:局部密度ρi和距離δi,局部密度ρi表示粒子i在一定距離內(nèi)的粒子數(shù)量。定義如下:

    其中,dij是粒子i和粒子j之間的歐幾里得距離,dc是截止距離的參數(shù)。

    在確定所有子群的中心粒子后,剩余的每個(gè)粒子被分配到與其密度較高的最近鄰相同的子群。

    ω是慣性權(quán)重,c1和c2是加速度系數(shù),rand1(d)和rand2(d)是介于0和1之間兩個(gè)均勻分布的隨機(jī)數(shù),cgBestc(d)是子群中局部最佳粒子c,并且pBesti(d)是粒子的歷史最佳值。

    局部最佳粒子的學(xué)習(xí)策略如下:

    C是子群的數(shù)量,考慮到局部最佳粒子(包括全局最佳粒子)是最有可能找到最優(yōu)解的粒子,因此,它們的平均值可以為最優(yōu)解提供有價(jià)值的指導(dǎo)。具體而言,cgBestc采用來(lái)自所有子群粒子來(lái)指導(dǎo)局部最佳粒子的更新,再通過(guò)比較所有局部最佳粒子的適應(yīng)度值來(lái)獲得全局最佳值。

    (四)基于SHAP的特征解釋模型

    SHAP法是一種經(jīng)典的事后解釋算法,結(jié)合博弈論和局部解釋來(lái)評(píng)估每個(gè)特征對(duì)預(yù)測(cè)結(jié)果的貢獻(xiàn)[31]。此方法從博弈論的角度分析了數(shù)據(jù)集中的每個(gè)特征變量,衡量了它對(duì)最終預(yù)測(cè)的貢獻(xiàn)程度。作為一種模型解釋工具,SHAP法可以量化每個(gè)特征對(duì)預(yù)測(cè)的貢獻(xiàn)程度,并顯示每個(gè)特征的具體值與預(yù)測(cè)結(jié)果。由于指數(shù)級(jí)的時(shí)間復(fù)雜度,計(jì)算精確的SHAP值是一個(gè)挑戰(zhàn),本文應(yīng)用了該模型的近似方法(kernel SHAP)來(lái)近似計(jì)算SHAP值。

    kernel SHAP法的目的是找到一個(gè)低復(fù)雜度的函數(shù)g,位于預(yù)測(cè)模型f給定點(diǎn)的附近。輸入g是zj(′)∈{0,1}n,j∈{1,2,3,…n}。zj(′)是輸入要素的可解釋組合,{x}n是輸入要素的數(shù)量。如果feature的值j是已知的,則zj(′)=0;否則zj(′)=1。

    使用(?x)j表示zj(′),如果zj(′)=1,則(?x)j=xj;如果zj(′)=0,則(?x)j設(shè)置為中位數(shù)或平均值的常數(shù)。接下來(lái)計(jì)算加權(quán)內(nèi)核πx(zj(′)):

    ?è|zj(′)||zj(′)|(n-|zj(′)|)"""" """"""""""(18)

    隨后,加入新的解釋模型g(zj(′)),其中,g(zj(′)) ≈f(?x(zj(′))) ,且g(zj(′)) =?0+Σi(n)=1?j zj(′)。SHAP值最終可以通過(guò)求解以下加權(quán)最小二乘問(wèn)題來(lái)獲得:

    argminΣzj(′)∈Ttrain f(?x(-)1(zj(′))) -g(zj(′))2πx′(zj(′))"" (19)

    SHAP值法不僅有效降低了計(jì)算復(fù)雜度,還幫助我們從新的視角了解碳配額價(jià)格與其影響因素之間的相互作用,從而為管理實(shí)踐提供了重要的參考意見(jiàn)。

    四、數(shù)據(jù)與評(píng)估標(biāo)準(zhǔn)

    (一)數(shù)據(jù)來(lái)源

    歐盟排放交易體系作為世界上最大的碳市場(chǎng),已經(jīng)歷了三個(gè)階段(第一階段:2005—2007年;第二階段:2008—2012年;第三階段:2013—2020年),并于2021年進(jìn)入第四階段。我國(guó)碳排放交易體系總體上分為三個(gè)階段:第一階段(2011—2013年)為地方試點(diǎn)啟動(dòng)階段;第二階段(2014—2019年)為全國(guó)統(tǒng)一碳市場(chǎng)準(zhǔn)備階段;第三階段(2020年至今)為全國(guó)統(tǒng)一碳市場(chǎng)發(fā)展逐步成熟階段。本研究以歐盟體系的第三(2018.01.02—2021.07.16)、第四階段(2021.07.19—2024.04.26)兩個(gè)時(shí)期以及中國(guó)體系的第三階段(2021.07.19—2024.04.26)的碳配額價(jià)格為樣本,分別表示為EUA-T1、EUA-T2和CEA。由于歐洲氣候交易所不支持碳現(xiàn)貨交易,價(jià)格的預(yù)測(cè)依賴每日EUA期貨結(jié)算價(jià)。指標(biāo)說(shuō)明如表1所示,每個(gè)數(shù)據(jù)集分為三個(gè)部分:80%用于訓(xùn)練集,10%用于驗(yàn)證集,10%用于測(cè)試集。

    (二)數(shù)據(jù)分析

    表2展示了對(duì)EUA-T1、EUA-T2和CEA碳配額價(jià)格的描述性統(tǒng)計(jì)分析。EUA-T1的價(jià)格水平均值低,數(shù)據(jù)波動(dòng)性相對(duì)較小,中位數(shù)接近平均值,價(jià)格分布相對(duì)對(duì)稱。EUA-T2的平均值為76.82,顯著高于EUA-T1,波動(dòng)也較大,中位數(shù)高于平均值,表明價(jià)格分布略有右偏。CEA相比于EUA-T1波動(dòng)性較大,但小于EUA-T2的波動(dòng)性,中位數(shù)為58,低于平均值60.90,表明價(jià)格分布略有左偏。

    歐盟與我國(guó)碳配額價(jià)格趨勢(shì)如圖1所示,EUA和CEA數(shù)據(jù)顯示出極大的非平穩(wěn)性與非線性。EUA-T1價(jià)格雖有所波動(dòng),但整體趨勢(shì)仍為上升,表明歐盟碳市場(chǎng)改革整體向好。EUA-T2顯示出較大的波動(dòng)性,2022年歐盟碳配額價(jià)格發(fā)生急劇下降,其背后原因可能是俄烏戰(zhàn)爭(zhēng)導(dǎo)致歐洲出現(xiàn)能源危機(jī),能源價(jià)格飆升,投資者出售碳配額以應(yīng)對(duì)成本上升的挑戰(zhàn)。2021年我國(guó)碳排放權(quán)交易市場(chǎng)開市之初,正逢新冠疫情,同時(shí)又受到來(lái)自歐盟碳市場(chǎng)的風(fēng)險(xiǎn)溢出效應(yīng)影響,不可避免地對(duì)我國(guó)碳市場(chǎng)帶來(lái)沖擊,呈現(xiàn)短期下降趨勢(shì),但疫情結(jié)束后經(jīng)濟(jì)迅速?gòu)?fù)蘇,CEA整體呈現(xiàn)上升趨勢(shì),顯示出我國(guó)碳市場(chǎng)逐漸成熟和穩(wěn)定。總體來(lái)看,歐盟和我國(guó)的碳排放配額價(jià)格都顯示出上升趨勢(shì),反映出全球范圍內(nèi)碳市場(chǎng)對(duì)減排目標(biāo)的重視和政策驅(qū)動(dòng)的效果。碳配額價(jià)格波動(dòng)作為碳市場(chǎng)對(duì)政策和經(jīng)濟(jì)環(huán)境變化反應(yīng)的重要因素,體現(xiàn)了作為環(huán)境經(jīng)濟(jì)政策工具的重要性和復(fù)雜性。

    (三)評(píng)估標(biāo)準(zhǔn)的確立與說(shuō)明

    本文選取五個(gè)常用指標(biāo)來(lái)對(duì)評(píng)估結(jié)果準(zhǔn)確性進(jìn)行評(píng)定,即均值絕對(duì)誤差(MAE)、均方誤差(MSE)、均方根誤差(RMSE)、決定系數(shù)(R2)和平均絕對(duì)百分比誤差(MAPE)來(lái)判定上述預(yù)測(cè)模型的適用性和準(zhǔn)確性。其中,MAE計(jì)算實(shí)際值與預(yù)測(cè)值之間的絕對(duì)誤差的平均值,MSE則將誤差平方化后求平均,RMSE是MSE的平方根,用以消除平方誤差的影響。這些指標(biāo)是用來(lái)評(píng)估機(jī)器學(xué)習(xí)模型預(yù)測(cè)準(zhǔn)確性的重要工具。

    五、實(shí)證分析與結(jié)果

    (一)數(shù)據(jù)分解

    原始碳配額價(jià)格時(shí)間序列數(shù)據(jù)通常包含多種頻率成分和復(fù)雜的波動(dòng)模式,具有非線性和非平穩(wěn)性的特征。VDM將原始序列噪聲和有用信號(hào)分離,分解為多個(gè)近似平穩(wěn)的本征模態(tài)函數(shù)(IMF),分解后的IMF可以更準(zhǔn)確地反映不同頻率成分的特征。分解效果則是取決于懲罰因子α和合適的IMF數(shù)量(即參數(shù)k)。

    本研究采用中心頻率法分別對(duì)不同數(shù)量的IMF進(jìn)行驗(yàn)證,以確定最佳分解數(shù)k。如圖2,各分解分量的中心頻率從高頻IMF(HF)到低頻IMF(LF)依次降低,差異相對(duì)較小的低頻分量的中心頻率顯示,當(dāng)k=9時(shí),三個(gè)數(shù)據(jù)集曲線端點(diǎn)接近水平線,且分解后的IMF能夠有效地覆蓋信號(hào)的主要頻率成分。

    本研究采用平均包絡(luò)熵法確定最佳懲罰因子α,通過(guò)網(wǎng)格搜索法對(duì)懲罰因子α進(jìn)行優(yōu)化,以平均包絡(luò)熵(MEE)作為適應(yīng)度函數(shù),選取平均包絡(luò)熵最小值作為最優(yōu)參數(shù),較低的MEE值表示信號(hào)的復(fù)雜性較低,有助于提高VDM分解效果。接下來(lái),本研究對(duì)歐盟碳配額價(jià)格(EUA)和我國(guó)碳配額價(jià)格(CEA)的網(wǎng)格搜索范圍進(jìn)行如下配置:對(duì)于EUA-T1和EUA-T2數(shù)據(jù)集,懲罰因子α的搜索范圍設(shè)置為1,000到1,500,步長(zhǎng)為50。對(duì)于CEA數(shù)據(jù)集,懲罰因子α的搜索范圍設(shè)置為200到700,步長(zhǎng)為50。圖3描繪了三個(gè)數(shù)據(jù)集不同懲罰因子對(duì)應(yīng)的MEE值,三個(gè)數(shù)據(jù)集的最優(yōu)懲罰因子α分別為1250、1000和250。

    為了識(shí)別VDM分解后IMF的高低頻,本研究采用Lempel-Ziv(LZ)復(fù)雜度算法計(jì)算各IMF的LZ值并實(shí)現(xiàn)自動(dòng)識(shí)別高低頻。通過(guò)將時(shí)間序列轉(zhuǎn)換為二進(jìn)制序列以降低新字符識(shí)別的計(jì)算成本,序列的中位數(shù)被設(shè)置為閾值,IMF的LZ值超過(guò)臨界值λ0即被視為高頻(HF),否則視為低頻(LF)。如圖4所示,三個(gè)數(shù)據(jù)集的臨界值λ0分別為0.44、0.54和0.58。因此,IMF1-IMF3被確定為高頻,而IMF4-IMF9被確定為低頻。

    (二)預(yù)測(cè)結(jié)果

    本研究通過(guò)選取的能源價(jià)格、宏觀經(jīng)濟(jì)等外生變量,以及歐盟與我國(guó)碳配額價(jià)格的滯后值對(duì)碳配額價(jià)格高頻和低頻信號(hào)的預(yù)測(cè)。使用加權(quán)最小二乘支持向量回歸AWLSSVR模型中R2的平均值作為適應(yīng)度函數(shù),以指導(dǎo)粒子群的更新。隨后,粒子群優(yōu)化自適應(yīng)學(xué)習(xí)策略進(jìn)行輸入變量分析和參數(shù)優(yōu)化設(shè)置過(guò)程。慣性權(quán)重ω從0.9線性減少到0.4,以平衡全局搜索和局部搜索的能力。用于調(diào)節(jié)粒子的速度和位置更新的加速度系數(shù)設(shè)置為c1=c2=2,粒子群數(shù)量為240個(gè),分為6個(gè)子群,每個(gè)子群包含40個(gè)粒子。迭代次數(shù)設(shè)置為80次,通過(guò)大量實(shí)驗(yàn)驗(yàn)證這種設(shè)置可以實(shí)現(xiàn)模型收斂。

    歐盟碳配額價(jià)格序列與我國(guó)碳配額價(jià)格序列分解預(yù)測(cè)過(guò)程一致。如表3所示,歐盟碳配額價(jià)格EUA各IMF分量預(yù)測(cè)結(jié)果的MSE均接近零,IMF5、IMF7、IMF8和IMF9的MSE值非常低,分別為0.0020、0.0022、0.0017和0.0019,表明這些IMF的預(yù)測(cè)誤差非常小。IMF1和IMF2的MSE分別為0.2064和0.2407,相比于其他分量的均方誤差較大,可能是因?yàn)樵继寂漕~價(jià)格波動(dòng)較大,IMF1和IMF2包含較多的噪聲和高頻波動(dòng),一定程度上會(huì)影響模型預(yù)測(cè)性能,但這一誤差是在合理范圍內(nèi)。

    由于選取的四個(gè)評(píng)估指標(biāo)在AWLSSVR模型優(yōu)化中表現(xiàn)出的一致性,本文選取了R2作為代表性指標(biāo),繪制了EUA預(yù)測(cè)性能擬合度曲線圖,如圖5所示,各IMF擬合度都高于0.9,表明模型對(duì)這些IMF的預(yù)測(cè)效果非常好。

    (三)影響因素分析

    本研究除了使用機(jī)器學(xué)習(xí)模型準(zhǔn)確預(yù)測(cè)碳配額價(jià)格,實(shí)現(xiàn)了具有競(jìng)爭(zhēng)力的預(yù)測(cè)性能之外,旨在評(píng)估歷史碳配額價(jià)格、能源價(jià)格和宏觀經(jīng)濟(jì)指標(biāo)等各影響因素對(duì)各IMF預(yù)測(cè)的貢獻(xiàn)。本節(jié)選取了代表宏觀經(jīng)濟(jì)的歐洲STOXX600價(jià)格指數(shù)(STOXX600)和標(biāo)準(zhǔn)普爾500指數(shù)(SPX500),動(dòng)力煤歐洲ARA港期貨收盤價(jià)(ARA)、布倫特原油期貨結(jié)算價(jià)(Brent)和IPE英國(guó)天然氣期貨收盤價(jià)(IPE)則是代表能源價(jià)格。除此之外,本研究還將EUA碳配額價(jià)格滯后項(xiàng)(X-order lag)作為內(nèi)生影響因素納入影響變量之中。從而探討多因素在多尺度預(yù)測(cè)中的重要性程度,更加深入理解模型所含的經(jīng)濟(jì)意義,有助于市場(chǎng)參與者根據(jù)市場(chǎng)情況評(píng)估碳配額價(jià)格變化趨勢(shì)。

    本節(jié)采用SHAP方法行歸因解釋,并通過(guò)K-means聚類簡(jiǎn)化計(jì)算過(guò)程,設(shè)定聚類數(shù)為20,分別對(duì)每個(gè)IMF的影響變量和原始碳配額價(jià)格進(jìn)行了分析,SHAP值說(shuō)明了每個(gè)變量對(duì)每個(gè)樣本的預(yù)測(cè)結(jié)果的貢獻(xiàn)。如圖6所示,對(duì)于代表碳配額價(jià)格短期波動(dòng)的高頻子序列而言,SPX500、STOXX600以及Brent這類代表短期經(jīng)濟(jì)和能源市場(chǎng)的指標(biāo)SHAP值分布較寬,顯示出更為直接和顯著的影響。在最為波動(dòng)的IMF1樣本集中,SPX500和STOXX600的高值對(duì)碳配額價(jià)格產(chǎn)生負(fù)向影響。SPX500和STOXX600指數(shù)上漲反映了歐美經(jīng)濟(jì)整體向好,經(jīng)濟(jì)增長(zhǎng)往往伴隨著能源需求的增加。然而綠色低碳轉(zhuǎn)型要求企業(yè)在經(jīng)濟(jì)增長(zhǎng)的同時(shí)減少碳排放。這促使企業(yè)采取更嚴(yán)格的節(jié)能減排措施,減少對(duì)碳配額的需求,從而壓低碳配額價(jià)格。碳配額歷史價(jià)格對(duì)預(yù)測(cè)結(jié)果均有正向影響,滯后一階(First-order lag)和兩階(Second-order lag)的碳配額歷史價(jià)格相比于三到五階,對(duì)模型輸出的貢獻(xiàn)更大。

    低頻子序列SHAP值如圖7所示,外生變量中代表能源價(jià)格的IPE、ARA和Brent對(duì)碳配額價(jià)格具有顯著負(fù)向影響。其中,天然氣價(jià)格(IPE)對(duì)碳配額價(jià)格的消極影響最為顯著?!栋屠鑵f(xié)定》簽署后,清潔能源開始快速發(fā)展,電力企業(yè)獲得使用清潔能源補(bǔ)貼。因此,天然氣價(jià)格的上漲可能導(dǎo)致核能、可再生能源等清潔能源的消費(fèi)增加,從而減少碳排放,進(jìn)而壓低碳配額價(jià)格。從石油中提取的能量在燃燒過(guò)程中產(chǎn)生的碳排放量最高,并且是用途最廣泛的。若原油價(jià)格(Brent)上漲,企業(yè)可能會(huì)尋找替代能源和更高效的生產(chǎn)方式,碳排放量會(huì)因此減少,從而對(duì)碳配額價(jià)格產(chǎn)生負(fù)面影響。

    六、結(jié)論

    本文以碳配額價(jià)格為主要研究對(duì)象,以歐盟體系第三、四階和中國(guó)碳市場(chǎng)第三階段碳配額價(jià)格為樣本,提出了一種用于碳配額價(jià)格預(yù)測(cè)的可解釋、多尺度的差異化機(jī)器學(xué)習(xí)方法——VMD-AWLSSVR-PSOALS-SHAP模型。為反映碳配額價(jià)格的長(zhǎng)短期波動(dòng)特點(diǎn),本文采用VMD將原始碳配額價(jià)格分解為九個(gè)不同的穩(wěn)態(tài)分量,結(jié)果表明我國(guó)碳市場(chǎng)相較于歐盟碳市場(chǎng)更為波動(dòng),IMF復(fù)雜度與中心頻率都較高。運(yùn)用AWLSSVR模型對(duì)碳配額價(jià)格進(jìn)行預(yù)測(cè),采用PSOALS對(duì)AWLSSVR的超參數(shù)進(jìn)行優(yōu)化,從而提高模型預(yù)測(cè)精度,突出了信號(hào)混合預(yù)測(cè)模型在碳配額價(jià)格預(yù)測(cè)領(lǐng)域的優(yōu)越性。為了更好的理解黑箱預(yù)測(cè)模型的內(nèi)在運(yùn)行機(jī)制,本文使用Kernel SHAP值法進(jìn)行事后解釋研究,結(jié)果表明碳配額價(jià)格的影響因素因時(shí)間尺度而異:對(duì)于受短期波動(dòng)影響較大的高頻序列而言,經(jīng)濟(jì)指標(biāo)對(duì)碳配額價(jià)格具有顯著的消極影響,而碳配額歷史價(jià)格對(duì)預(yù)測(cè)結(jié)果均有正向影響,滯后一到二階的碳配額歷史價(jià)格正向貢獻(xiàn)更大;受長(zhǎng)期波動(dòng)影響的低頻分量對(duì)能源價(jià)格更為敏感,煤炭、石油以及天然氣價(jià)格對(duì)碳配額價(jià)格產(chǎn)生顯著的消極影響。研究結(jié)果為政策制定者了解碳配額價(jià)格變化趨勢(shì)提供了可靠的依據(jù),有助于制定合理有效的碳定價(jià)機(jī)制,以促進(jìn)數(shù)字變革新時(shí)代下我國(guó)碳交易市場(chǎng)的良性穩(wěn)定發(fā)展。

    參考文獻(xiàn):

    [1]習(xí)近平在第七十五屆聯(lián)合國(guó)大會(huì)一般性辯論上發(fā)表重要講話[N].人民日?qǐng)?bào),2020-09-23(1).

    [2]新華網(wǎng).習(xí)近平:高舉中國(guó)特色社會(huì)主義偉大旗幟為全面建設(shè)社會(huì)主義現(xiàn)代化國(guó)家而團(tuán)結(jié)奮斗——在中國(guó)共產(chǎn)黨第二十次全國(guó)代表大會(huì)上的報(bào)告[N/OL].(2022-10-25)[2024-08-03].http://www.news.cn/politics/leaders/2022-10/25/c_1129079429.htm.

    [3]新華網(wǎng).中國(guó)共產(chǎn)黨第二十屆中央委員會(huì)第三次全體會(huì)議公報(bào)[N/OL].(2024-07-18)[2024-08-03].http://www.news.cn/politics/leaders/20240718/a41ada3016874e358d5 064bba05eba98/c.html.

    [4]張躍軍,魏一鳴.化石能源市場(chǎng)對(duì)國(guó)際碳市場(chǎng)的動(dòng)態(tài)影響實(shí)證研究[J].管理評(píng)論,2010,22(6):34-41.

    [5]Chevallier J.Carbon Future Sand Macro Economic Risk Factors:Aview from the EUETS[J].Energy Economics,2009(4):614-625.

    [6]Wang L,Yin K,Cao Y,et al.A New Grey Relational Anal-ysis Model Based on the Characteristic of Inscribed Core(IC-GRA)and Its Application on Seven-Pilot CarbonTrading Markets of China[J].International journal of envi-ronmental research and public health,2019,16(1):99.

    [7]燕志鵬,于澤民,顧新蓮.我國(guó)碳排放價(jià)格與煤炭期貨價(jià)格的傳導(dǎo)機(jī)制研究[J].經(jīng)濟(jì)問(wèn)題,2022(6):67-74.

    [8]熊萍萍,王亞琦.中國(guó)煤炭?jī)r(jià)格與碳排放權(quán)交易價(jià)格的傳導(dǎo)路徑研究[J].價(jià)格月刊,2024(2):11-20.

    [9]Friedrich M,F(xiàn)ries S,Pahle M,et al.Rules vs.Discretion in Cap-and-Trade Programs:Evidence from the EU Emis-sion Trading System[J/OL].CESifo Working Paper Series,2020.https://www.cesifo.org/DocDL/cesifo1_wp8637.pdf.

    [10]Dimos S,Evangelatou E,F(xiàn)otakis D,et al.On the Im-pacts of Allowance Banking and the Financial Sector on the EU Emissions Trading System[J].Euro-Mediterra-nean Journal for Environmental Integration,2020,5(2):427-431.

    [11]呂靖燁,范欣雅,吳浩楠.中國(guó)碳排放權(quán)價(jià)格影響因素的參數(shù)靈敏度分析[J].軟科學(xué),2021(5):123-130.

    [12]Koch N,F(xiàn)uss S,Grosjean G,et al.Causes of the EU ETS Price Drop:Recession,CDM,Renewable Policies or a bit of Everything?—New evidence[J].Energy Poli-cy,2014,73:676–685.

    [13]金林,馬忠蕓,王紅紅.基于灰色BP神經(jīng)網(wǎng)絡(luò)碳排放交易價(jià)格預(yù)測(cè)[J].河北環(huán)境工程學(xué)院學(xué)報(bào),2020,30(1):27-32.

    [14]郭文軍.中國(guó)區(qū)域碳排放配額價(jià)格影響因素的研究:基于自適應(yīng)Lasso方法[J].中國(guó)人口·資源與環(huán)境,2015(S1):305-310.

    [15]劉靜一,朱正康,蔡一凡.中國(guó)碳市場(chǎng)排放權(quán)交易價(jià)格影響因素研究[J].當(dāng)代經(jīng)濟(jì),2024,41(1):61-73.

    [16]彭曉潔,鐘永馨.碳排放權(quán)交易價(jià)格的影響因素及策略研究[J].價(jià)格月刊,2021(12):25-31.

    [17]洪涓,陳靜.我國(guó)碳交易市場(chǎng)價(jià)格影響因素分析[J].價(jià)格理論與實(shí)踐,2009(12):65-66.

    [18]應(yīng)尚軍,虞雀,馮體一.碳排放權(quán)價(jià)格的驅(qū)動(dòng)因素研究:來(lái)自廣州碳排放權(quán)交易市場(chǎng)的證據(jù)[J].環(huán)境與發(fā)展,2020,32(7):6-10.

    [19]Sanin M E,Violante F,Mansanet-Bataller M.Under-standing volatility dynamics in the EU-EST market[J].Energy Policy,2015,(82):321-331.

    [20]姚藝千,洪儒,劉奇韻.基于BP-LSTM混合神經(jīng)網(wǎng)絡(luò)的碳價(jià)預(yù)測(cè)研究[J].環(huán)境科學(xué)與管理,2023,48(9):71-76.

    [21]郭宇辰,加鶴萍,余濤,等.基于CNN-LSTM組合模型的碳價(jià)預(yù)測(cè)方法[J].科技管理研究,2023,43(11):200-206.

    [22]呼雪芳.基于CEEMDAN分解的碳交易價(jià)格組合預(yù)測(cè)模型研究[D].廣州:華南理工大學(xué),2021.

    [23]趙峰,徐丹華.改進(jìn)HHO算法的碳交易價(jià)格組合預(yù)測(cè)研究[J],西安理工大學(xué)學(xué)報(bào),2023,39(3):330-338.

    [24]Wang J,Sun X,Cheng Q,et al.An Innovative RandomForest-Based Nonlinear Ensemble Paradigm of Im-proved Feature Extraction and Deep Learning for Car-bon Price Forecasting[J/OL].Science of the Total Envi-ronment,2021,762.https://doi.org/10.1016/j.scitotenv.2020.143099.

    [25]Dragomiretskiy K,Zosso D.Variational Mode Decompo-sition[J].The Institute of Electrical and Electronics Engi-neers Trans.Signal Process.2013,62(3):531-544.

    [26]Vapnik V.The Nature of Statistical Learning Theory[M].New York:Springer,1995.

    [27]Chen L,Zhao X.A Multiscale and Multivariable Differ-entiated Learning for Carbon Price Forecasting[J/OL].Energy Economics,2024,131.https://doi.org/10.1016/j.eneco.2024.107353.

    [28]Wang X,Yang Z,Yan X.Novel Particle Swarm Optimi-zation-Based Variational Mode Decomposition Method for the Fault Diagnosis of Complex Rotating Machinery[J].The Institute of Electrical and Electronics Engineers Transactions on Mechatronics,2018,23(1):68-79.

    [29]Chen H.Fuzzy Optimization Strategy for the Implemen-tation of RBF LSSVR Model in Vis–NIR Analysis of Pomelo Maturity[J].IEEE Transactions on Industrial In-formatics,2019,15(11):5971-5979.

    [30]Zhang Y,Liu X,Bao F,et al.Particle Swarm Optimiza-tion with Adaptive Learning Strategy[J/OL].Knowledge-Based Systems,2020,196.https://doi.org/10.1016/j.kno-sys.2020.105789.

    [31]Lundberg S M,Lee S I.Scott M,Su-In L.A Unified Ap-proach to Interpreting Model Predictions[J].Advances in Neural Information Processing Systems,2017,30:4765-4774.

    Carbon Allowance Price Forecasting in the Era of Digital SocialTransformation:a Multi-scale,Interpretable Differentiated LearningApproach

    XU Shan,HU Chengchun,TIAN Hao,LIU Ruiqiao,WEN Xiaozhe

    (Chongqing University of Technology,Banan Chongqing,400054,China)

    Abstract:With the official launch of China's carbon emission trading market,China's carbon market has ushered in a new milestone.Accurate forecasting of carbon allowance prices is crucial for policy-making and corporate de-cision-making in the era of digital social transformation.However,the instability and nonlinearity pose significant challenges for accurate market price forecasting.Therefore,this paper constructs a differentiated learning approach that integrates interpretability and multi-scale analysis,the VMD-AWLSSVR-PSOALS-SHAP hybrid prediction model.The forecasting framework not only comprehensively considers the potential factors affecting the price of carbon allowances,but also incorporates key steps such as signal decomposition,efficient feature selection,accu-rate value forecasting and model interpretability research,aiming to improve the accuracy and comprehensibility of carbon allowance price forecasting to better cope with the complexity and uncertainty of the carbon market.The re-sults show that the hybrid prediction model achieves high accuracy in predicting the price of carbon allowances and is interpretable to the price influencing factors.The influencing factors of carbon allowance prices vary with time scales,and the high-frequency series are sensitive to short-term economic and historical prices,while the low-frequency series are more susceptible to the impact of energy prices.

    Keywords:digital social transformation;machine learning;carbon allowance price forecasting;interpretable fore-casting model

    (責(zé)任編輯:劉睿智)

    猜你喜歡
    機(jī)器學(xué)習(xí)
    基于詞典與機(jī)器學(xué)習(xí)的中文微博情感分析
    基于網(wǎng)絡(luò)搜索數(shù)據(jù)的平遙旅游客流量預(yù)測(cè)分析
    前綴字母為特征在維吾爾語(yǔ)文本情感分類中的研究
    下一代廣播電視網(wǎng)中“人工智能”的應(yīng)用
    活力(2016年8期)2016-11-12 17:30:08
    基于支持向量機(jī)的金融數(shù)據(jù)分析研究
    基于Spark的大數(shù)據(jù)計(jì)算模型
    基于樸素貝葉斯算法的垃圾短信智能識(shí)別系統(tǒng)
    基于圖的半監(jiān)督學(xué)習(xí)方法綜述
    機(jī)器學(xué)習(xí)理論在高中自主學(xué)習(xí)中的應(yīng)用
    極限學(xué)習(xí)機(jī)在圖像分割中的應(yīng)用
    欧美黑人欧美精品刺激| 他把我摸到了高潮在线观看| 欧美潮喷喷水| 精品久久久久久久久久免费视频| 亚洲在线自拍视频| 亚洲av中文字字幕乱码综合| 真人做人爱边吃奶动态| 国产av麻豆久久久久久久| 国产色爽女视频免费观看| 亚洲精品乱码久久久v下载方式| 色av中文字幕| 色尼玛亚洲综合影院| 日本在线视频免费播放| 中文字幕人妻熟人妻熟丝袜美| 99热精品在线国产| 丁香六月欧美| 色综合婷婷激情| 在线观看舔阴道视频| 99国产精品一区二区三区| 欧美日韩瑟瑟在线播放| 亚洲va日本ⅴa欧美va伊人久久| 婷婷亚洲欧美| 在线观看免费视频日本深夜| 999久久久精品免费观看国产| 日韩免费av在线播放| 99国产极品粉嫩在线观看| 免费看a级黄色片| 国产野战对白在线观看| 成人三级黄色视频| 精品国产三级普通话版| 久久久久久久久大av| 有码 亚洲区| a级毛片a级免费在线| 成人特级av手机在线观看| 少妇裸体淫交视频免费看高清| 国内毛片毛片毛片毛片毛片| 99国产综合亚洲精品| 极品教师在线免费播放| 老鸭窝网址在线观看| 一个人观看的视频www高清免费观看| 国产精品久久视频播放| 久久性视频一级片| 成人av在线播放网站| 午夜激情欧美在线| 两人在一起打扑克的视频| 美女高潮的动态| 欧洲精品卡2卡3卡4卡5卡区| 国产综合懂色| 真人做人爱边吃奶动态| 欧美激情久久久久久爽电影| 久久精品91蜜桃| 中文字幕av成人在线电影| 一a级毛片在线观看| 他把我摸到了高潮在线观看| 琪琪午夜伦伦电影理论片6080| 日韩欧美免费精品| 精品久久久久久久末码| 亚洲欧美日韩高清专用| x7x7x7水蜜桃| 蜜桃久久精品国产亚洲av| 免费在线观看日本一区| 国产精品不卡视频一区二区 | 免费高清视频大片| 淫秽高清视频在线观看| 亚洲黑人精品在线| 在线免费观看不下载黄p国产 | 国产大屁股一区二区在线视频| 精品国内亚洲2022精品成人| 日韩欧美在线乱码| 人妻制服诱惑在线中文字幕| 久久香蕉精品热| 久久国产乱子伦精品免费另类| 91麻豆精品激情在线观看国产| 黄色视频,在线免费观看| 毛片一级片免费看久久久久 | 一个人免费在线观看的高清视频| 日韩欧美免费精品| 午夜老司机福利剧场| 1024手机看黄色片| 午夜激情欧美在线| 免费黄网站久久成人精品 | 丰满乱子伦码专区| 精品久久久久久久末码| 亚洲av五月六月丁香网| 12—13女人毛片做爰片一| 少妇人妻一区二区三区视频| 日韩欧美三级三区| 亚洲性夜色夜夜综合| 老鸭窝网址在线观看| 亚洲人成伊人成综合网2020| 精品人妻一区二区三区麻豆 | 久久人人爽人人爽人人片va | 亚洲人成网站在线播| 可以在线观看毛片的网站| 国内精品一区二区在线观看| 日韩免费av在线播放| 99久久精品热视频| 国产一区二区三区在线臀色熟女| 久久午夜福利片| 精品人妻熟女av久视频| 国产成人欧美在线观看| 久久久久精品国产欧美久久久| 高清在线国产一区| 成熟少妇高潮喷水视频| 一级黄片播放器| 女人被狂操c到高潮| 午夜久久久久精精品| 91在线观看av| 亚洲av二区三区四区| 在线观看av片永久免费下载| 3wmmmm亚洲av在线观看| 久久人人爽人人爽人人片va | 精品久久久久久成人av| 美女被艹到高潮喷水动态| 伦理电影大哥的女人| av在线蜜桃| 男女做爰动态图高潮gif福利片| 淫秽高清视频在线观看| 中亚洲国语对白在线视频| 亚洲欧美激情综合另类| 高清在线国产一区| 成人永久免费在线观看视频| 中文亚洲av片在线观看爽| 国产午夜精品久久久久久一区二区三区 | 欧美在线黄色| 国产黄a三级三级三级人| 久久久久久久精品吃奶| 一级作爱视频免费观看| 久久精品国产亚洲av天美| 赤兔流量卡办理| 精品不卡国产一区二区三区| 精品人妻1区二区| 欧美黑人欧美精品刺激| 久久久久久久精品吃奶| 免费在线观看亚洲国产| 精品人妻一区二区三区麻豆 | 99在线人妻在线中文字幕| 色播亚洲综合网| 国产成人av教育| 精品久久久久久久久久久久久| 日日夜夜操网爽| 麻豆成人av在线观看| 大型黄色视频在线免费观看| 久久这里只有精品中国| 亚洲无线在线观看| 精品久久久久久久末码| 国产成人欧美在线观看| 日日摸夜夜添夜夜添小说| 欧美精品啪啪一区二区三区| 日韩欧美 国产精品| 久久精品国产清高在天天线| 性色av乱码一区二区三区2| 亚洲国产色片| 国产精品永久免费网站| 韩国av一区二区三区四区| 国产精品久久久久久久电影| 亚洲欧美日韩无卡精品| 九色成人免费人妻av| 男女视频在线观看网站免费| 热99re8久久精品国产| 午夜久久久久精精品| 又黄又爽又免费观看的视频| 国产三级中文精品| 日韩欧美一区二区三区在线观看| 久久久久久大精品| 久久性视频一级片| 内地一区二区视频在线| 91狼人影院| 国产一级毛片七仙女欲春2| 一a级毛片在线观看| 嫩草影院精品99| 毛片女人毛片| 日韩欧美在线二视频| 国产探花在线观看一区二区| 日本成人三级电影网站| av国产免费在线观看| 国产成人福利小说| 国模一区二区三区四区视频| 男人狂女人下面高潮的视频| 日日摸夜夜添夜夜添小说| 久久国产精品影院| 麻豆久久精品国产亚洲av| 宅男免费午夜| 两个人视频免费观看高清| 欧美日韩福利视频一区二区| 国产在视频线在精品| 亚洲国产精品合色在线| 国产精品久久久久久亚洲av鲁大| 欧美黄色片欧美黄色片| 欧美zozozo另类| 色视频www国产| 欧美潮喷喷水| 国产成人a区在线观看| 国产精品1区2区在线观看.| 美女大奶头视频| 国产一区二区激情短视频| 桃红色精品国产亚洲av| 色尼玛亚洲综合影院| 久久精品国产亚洲av涩爱 | 欧美成人a在线观看| 国产日本99.免费观看| 啦啦啦韩国在线观看视频| 九九在线视频观看精品| 日韩欧美精品v在线| 成人特级av手机在线观看| 国产亚洲av嫩草精品影院| 国内久久婷婷六月综合欲色啪| 国产精品乱码一区二三区的特点| 久久欧美精品欧美久久欧美| 亚洲18禁久久av| 亚洲五月婷婷丁香| 国产久久久一区二区三区| 国产黄片美女视频| 午夜影院日韩av| 亚洲无线在线观看| 99riav亚洲国产免费| 亚洲av不卡在线观看| 韩国av一区二区三区四区| 两个人的视频大全免费| 日韩欧美三级三区| 国模一区二区三区四区视频| 精品日产1卡2卡| 国产伦在线观看视频一区| 国产av在哪里看| 成年女人永久免费观看视频| 国产精品嫩草影院av在线观看 | 欧美成狂野欧美在线观看| 国产av一区在线观看免费| 两性午夜刺激爽爽歪歪视频在线观看| av中文乱码字幕在线| 欧美一区二区国产精品久久精品| 亚洲欧美日韩高清专用| 国产aⅴ精品一区二区三区波| 亚洲av二区三区四区| 国产精品久久久久久精品电影| 嫩草影院入口| 国产精品永久免费网站| 老熟妇乱子伦视频在线观看| 亚洲精品成人久久久久久| 欧美日韩乱码在线| 国产亚洲欧美98| 韩国av一区二区三区四区| 国产av在哪里看| 嫩草影院精品99| 两人在一起打扑克的视频| 赤兔流量卡办理| 99久久久亚洲精品蜜臀av| 变态另类丝袜制服| 一级作爱视频免费观看| 免费观看精品视频网站| 成人特级黄色片久久久久久久| 一区福利在线观看| 亚洲欧美日韩卡通动漫| 老司机午夜福利在线观看视频| 91狼人影院| 深夜a级毛片| 深爱激情五月婷婷| bbb黄色大片| 国产在线男女| 午夜福利高清视频| 一二三四社区在线视频社区8| 麻豆成人午夜福利视频| 免费在线观看日本一区| 每晚都被弄得嗷嗷叫到高潮| 国产成年人精品一区二区| 午夜免费激情av| 九色国产91popny在线| 在线天堂最新版资源| 美女黄网站色视频| 亚洲欧美清纯卡通| 国产综合懂色| 麻豆久久精品国产亚洲av| 麻豆国产97在线/欧美| 一级作爱视频免费观看| 天堂av国产一区二区熟女人妻| 久久热精品热| a级毛片a级免费在线| 一级黄片播放器| 色5月婷婷丁香| 国产老妇女一区| 中文字幕人成人乱码亚洲影| 丰满乱子伦码专区| 女人十人毛片免费观看3o分钟| 欧美日韩亚洲国产一区二区在线观看| 久久精品国产亚洲av涩爱 | 女生性感内裤真人,穿戴方法视频| 别揉我奶头~嗯~啊~动态视频| 国产激情偷乱视频一区二区| ponron亚洲| 国产亚洲欧美在线一区二区| 99热这里只有是精品在线观看 | 国产精品自产拍在线观看55亚洲| 最新在线观看一区二区三区| 亚洲国产精品合色在线| 国产伦精品一区二区三区视频9| 一本久久中文字幕| 啦啦啦观看免费观看视频高清| 亚洲专区中文字幕在线| 亚洲性夜色夜夜综合| 色综合欧美亚洲国产小说| 成人高潮视频无遮挡免费网站| 婷婷色综合大香蕉| 成人无遮挡网站| 国产精品一区二区免费欧美| 身体一侧抽搐| 国产一区二区亚洲精品在线观看| 两人在一起打扑克的视频| 欧美激情国产日韩精品一区| 久久国产乱子免费精品| 欧美在线一区亚洲| 亚洲天堂国产精品一区在线| 亚洲精品在线美女| 美女黄网站色视频| 三级毛片av免费| 国产伦在线观看视频一区| 欧美不卡视频在线免费观看| 18禁黄网站禁片免费观看直播| 欧美日韩乱码在线| 国产久久久一区二区三区| 国产老妇女一区| 国产高清视频在线观看网站| 免费在线观看亚洲国产| 久久久久久久久久成人| 少妇人妻一区二区三区视频| 夜夜爽天天搞| 国产在视频线在精品| 一区二区三区高清视频在线| 亚洲性夜色夜夜综合| 亚洲avbb在线观看| 一级黄色大片毛片| 国产亚洲欧美在线一区二区| 老司机午夜福利在线观看视频| 精品不卡国产一区二区三区| 国产成人福利小说| 免费看日本二区| 亚洲av二区三区四区| 亚洲av成人av| 国产视频内射| 国产黄片美女视频| 天堂√8在线中文| 日本撒尿小便嘘嘘汇集6| 久久久久国产精品人妻aⅴ院| 亚洲av.av天堂| 欧美色欧美亚洲另类二区| 欧美日韩国产亚洲二区| 国产一区二区三区视频了| 亚洲,欧美精品.| 亚洲最大成人手机在线| 久久久国产成人精品二区| av福利片在线观看| 国产精品三级大全| 亚洲av不卡在线观看| 三级国产精品欧美在线观看| 听说在线观看完整版免费高清| 校园春色视频在线观看| 一区二区三区激情视频| 亚洲最大成人av| 亚洲不卡免费看| 一进一出抽搐gif免费好疼| а√天堂www在线а√下载| 又爽又黄a免费视频| 此物有八面人人有两片| 免费大片18禁| 乱码一卡2卡4卡精品| 嫩草影视91久久| 69人妻影院| 又黄又爽又刺激的免费视频.| 日韩精品青青久久久久久| 女人十人毛片免费观看3o分钟| 欧美一级a爱片免费观看看| 国产午夜精品久久久久久一区二区三区 | 亚洲欧美日韩卡通动漫| 黄色丝袜av网址大全| 神马国产精品三级电影在线观看| 亚洲av熟女| 99热精品在线国产| av在线蜜桃| 亚洲欧美日韩卡通动漫| 精品国内亚洲2022精品成人| 日韩中字成人| 国产亚洲精品久久久com| 国产伦一二天堂av在线观看| 亚洲av美国av| 又爽又黄无遮挡网站| 日本黄大片高清| 69人妻影院| 国产高清三级在线| 亚洲精品一区av在线观看| 欧美成人a在线观看| 免费一级毛片在线播放高清视频| 久久精品国产自在天天线| 久久午夜亚洲精品久久| 99国产精品一区二区三区| 亚州av有码| 特大巨黑吊av在线直播| 一区二区三区激情视频| 听说在线观看完整版免费高清| 精品99又大又爽又粗少妇毛片 | 亚洲专区中文字幕在线| 成人午夜高清在线视频| 免费一级毛片在线播放高清视频| 亚洲综合色惰| 国产69精品久久久久777片| 日本黄色视频三级网站网址| 免费大片18禁| 夜夜躁狠狠躁天天躁| av国产免费在线观看| 99热6这里只有精品| 全区人妻精品视频| 国产精品自产拍在线观看55亚洲| 国产精品一区二区免费欧美| 国产不卡一卡二| 真人一进一出gif抽搐免费| 国产精品一区二区三区四区免费观看 | 99精品久久久久人妻精品| 亚洲色图av天堂| 国产一区二区激情短视频| 久久精品国产亚洲av天美| 精品人妻1区二区| 亚洲人与动物交配视频| 女同久久另类99精品国产91| 一级毛片久久久久久久久女| 人妻丰满熟妇av一区二区三区| 男女做爰动态图高潮gif福利片| 夜夜夜夜夜久久久久| 亚洲一区二区三区色噜噜| 国产伦人伦偷精品视频| 国产精品人妻久久久久久| 十八禁网站免费在线| 欧美国产日韩亚洲一区| 午夜免费成人在线视频| 日韩高清综合在线| 欧美日韩瑟瑟在线播放| 国产三级黄色录像| 日本三级黄在线观看| 久久久久久九九精品二区国产| 日韩高清综合在线| 久久久久国产精品人妻aⅴ院| 色综合站精品国产| 日韩欧美国产在线观看| 精品久久久久久久久亚洲 | 欧美黄色淫秽网站| 一进一出抽搐gif免费好疼| 十八禁人妻一区二区| 白带黄色成豆腐渣| 一级毛片久久久久久久久女| 欧美最黄视频在线播放免费| 亚洲片人在线观看| 免费在线观看成人毛片| 麻豆成人av在线观看| 亚洲最大成人中文| 国产主播在线观看一区二区| 最近最新免费中文字幕在线| 老司机深夜福利视频在线观看| 色哟哟·www| 国产aⅴ精品一区二区三区波| 国产一区二区在线观看日韩| 三级毛片av免费| 国产极品精品免费视频能看的| 欧美激情在线99| 亚洲国产日韩欧美精品在线观看| АⅤ资源中文在线天堂| 精品99又大又爽又粗少妇毛片 | 丁香六月欧美| 亚洲精品色激情综合| 成年女人毛片免费观看观看9| 亚洲专区中文字幕在线| 欧美成狂野欧美在线观看| 国产精品98久久久久久宅男小说| 欧美日韩乱码在线| 免费av观看视频| 女生性感内裤真人,穿戴方法视频| 成人美女网站在线观看视频| av欧美777| 极品教师在线视频| 亚洲乱码一区二区免费版| 18禁黄网站禁片午夜丰满| 色哟哟哟哟哟哟| 成人无遮挡网站| 天天一区二区日本电影三级| 精品久久久久久久久av| 久久久久久久亚洲中文字幕 | 亚洲avbb在线观看| av在线观看视频网站免费| 日韩 亚洲 欧美在线| 精品一区二区三区人妻视频| 97热精品久久久久久| 免费无遮挡裸体视频| 嫩草影院精品99| 看片在线看免费视频| 亚州av有码| 亚洲天堂国产精品一区在线| 国产一区二区在线观看日韩| 在线看三级毛片| 久久久久亚洲av毛片大全| 亚洲国产色片| 欧美日韩综合久久久久久 | 色吧在线观看| 欧美国产日韩亚洲一区| 中文字幕人成人乱码亚洲影| 日本撒尿小便嘘嘘汇集6| 大型黄色视频在线免费观看| 男人和女人高潮做爰伦理| 久久香蕉精品热| 国产精品久久视频播放| 搡老熟女国产l中国老女人| or卡值多少钱| 国产欧美日韩精品一区二区| 黄片小视频在线播放| 欧美国产日韩亚洲一区| 一区福利在线观看| 亚洲欧美精品综合久久99| 97人妻精品一区二区三区麻豆| 非洲黑人性xxxx精品又粗又长| 成人毛片a级毛片在线播放| 国产精品美女特级片免费视频播放器| 成年女人看的毛片在线观看| 午夜免费激情av| 国产午夜福利久久久久久| 日本一二三区视频观看| 婷婷精品国产亚洲av| 最近最新免费中文字幕在线| 网址你懂的国产日韩在线| 日日干狠狠操夜夜爽| 国产成+人综合+亚洲专区| 一个人免费在线观看电影| 欧美乱色亚洲激情| 日韩欧美免费精品| 日韩国内少妇激情av| 美女xxoo啪啪120秒动态图 | 久久精品影院6| 国产av麻豆久久久久久久| 变态另类丝袜制服| 欧美最黄视频在线播放免费| 长腿黑丝高跟| 怎么达到女性高潮| 国产黄a三级三级三级人| av专区在线播放| 天堂√8在线中文| 免费一级毛片在线播放高清视频| 变态另类丝袜制服| 人妻丰满熟妇av一区二区三区| 精品午夜福利在线看| 脱女人内裤的视频| 精品午夜福利在线看| 人妻丰满熟妇av一区二区三区| 九色成人免费人妻av| 美女被艹到高潮喷水动态| 丰满乱子伦码专区| 国产亚洲精品av在线| 国产精品自产拍在线观看55亚洲| 国产亚洲精品av在线| 亚洲性夜色夜夜综合| 亚洲,欧美,日韩| 欧美zozozo另类| 欧美日韩综合久久久久久 | 日韩大尺度精品在线看网址| 美女黄网站色视频| 99热这里只有是精品50| 国产高清视频在线观看网站| 啦啦啦韩国在线观看视频| 亚洲av成人av| 99久久99久久久精品蜜桃| 一个人免费在线观看电影| 亚洲av五月六月丁香网| 午夜福利在线观看吧| 小说图片视频综合网站| 国产成人影院久久av| 三级国产精品欧美在线观看| 欧美日韩福利视频一区二区| 99国产极品粉嫩在线观看| 亚洲精品456在线播放app | 亚洲国产欧洲综合997久久,| 亚洲欧美日韩高清在线视频| 亚洲无线在线观看| 国产探花极品一区二区| 99久久无色码亚洲精品果冻| 黄色一级大片看看| 99国产精品一区二区蜜桃av| 伦理电影大哥的女人| 禁无遮挡网站| 国产精品综合久久久久久久免费| 简卡轻食公司| 2021天堂中文幕一二区在线观| 一级av片app| 一区福利在线观看| 久久人妻av系列| 十八禁网站免费在线| 国产综合懂色| 少妇的逼好多水| 欧美日本视频| 日本免费a在线| 欧美最新免费一区二区三区 | 观看免费一级毛片| 床上黄色一级片| 国产伦一二天堂av在线观看| 亚洲av熟女| 日本黄色视频三级网站网址| 51国产日韩欧美| eeuss影院久久| 国产成人a区在线观看| 亚洲无线在线观看| 欧美精品啪啪一区二区三区| 亚洲精品久久国产高清桃花| 欧美一区二区精品小视频在线| 亚洲成a人片在线一区二区| 中文字幕人成人乱码亚洲影| 久久久久精品国产欧美久久久| 天堂动漫精品| 国产精品人妻久久久久久| 欧美zozozo另类| 国产一级毛片七仙女欲春2| aaaaa片日本免费| 日本 av在线| 国产探花在线观看一区二区|