碳排放交易价格影响因素分析及预测

摘要

全国碳排放交易市场建设于2017年12月19日正式启动。然而当下我国仍处于碳排放交易市场的底端，国际话语权不足，市场机制尚未完善，市场活跃度不高，属于初级建设阶段。为全面推动碳排放交易市场发展，实现节能减排以应对全球气候问题的总目标，本文从政府和企业的角度出发选取6个试点地区为研究对象，以2017年1月1日至2018年6月30的交易数据为训练集，以2018年7月1日至2018年9月30日为测试集，重点探究了国内碳排放权价格的影响因素的作用机理及短期预测问题。　　一方面本文通过Lasso回归对宏观经济、能源价格、气候环境以及国际市场四个基本面筛选了影响碳排放交易价格的重要因子，并基于筛选出的重要因子对国内6个试点地区建立了静态面板回归模型。结果表明影响因素对于各试点地区碳排放交易价格的影响具备明显的截距项差异，煤炭价格、天然气价格、极端天气以及空气质量指数对我国碳排放交易价格的影响显著；化石燃料价格对于碳排放交易价格具备负向影响，这种负向作用从煤炭价格、天然气价格到原油价格依次递减，宏观经济对于碳排放交易市场影响微弱，股市联动性弱。另一方面本文基于变量筛选后的因子建立灰色BP神经网络模型，根据碳排放交易价格自身波动情况建立ARMA新息模型和Prophet模型来预测未来一定时期的价格，对比各种预测方法，得出灰色BP神经网络模型对于短期碳交易价格的趋势和波动预测更为准确，15期内的误差值小于时间序列模型，其次Prophet模型与传统时间序列相比预测效果不相上下，且在长期预测更具稳健性。　　经实证结果分析后，我们提出如下建议：根据影响因素的作用原理得知，我们应逐步实现“煤炭主导——天然气利用——清洁能源全面展开”的发展路径，完善“化石燃料——碳交易市场”的约束机制，实现由政府主导向市场机制转变，减少频繁的市场干预。对于碳排放交易价格预测建议采用灰色BP神经网络模型进行短期预测，预测有效期可以控制在15期内，长期预测建议采用Prophet模型，其操作的便利性及模型的分解性特点可帮助研究人员深入分析单个趋势因素，对碳交易市场的研究人员进一步了解碳交易市场提供了便利。　　总的来说，本文通过Lasso回归进行变量筛选克服了主观选择重要影响因子的局限性，完成了对不同预测方法的对比，明确了各方法的优缺点，并丰富了Prophet模型在碳排放交易市场中的应用。

目录

声明

导论

一、研究背景及意义

（一）研究背景

（二）研究意义

二、国内外研究文献综述

三、研究内容与基本方法

（一）基本内容

（二）研究方法

四、本文的主要贡献

第一章 碳排放交易市场及模型简介

第一节 碳排放交易市场及其影响因素模型简介

一、碳排放交易市场含义及发展历程

二、碳排放交易价格的影响因子

三、碳排放交易价格影响因素分析模型模型简介

第二节 碳排放交易价格预测模型简介

一、自动预测方法

二、灰色BP神经网络预测方法

第二章 碳排放交易价格影响因素分析

第一节 影响因素的数据准备

一、碳交易市场运行情况分析及指标选择

二、影响因素描述性分析

三、影响因素数据处理与检验

第二节 碳排放交易价格影响因素的筛选

一、Lasso原理

二、碳交易价格影响因素的筛选

三、重要影响因素相关性检验

第三节 面板回归模型下碳交易市场影响因素分析

一、静态面板回归模型的建立

二、碳交易市场重要影响因素分析

第三章 碳排放交易价格预测分析

第一节 灰色BP神经网络模型下的碳交易价格预测

一、重要影响因素灰色预测模型构建

二、BP神经网络模型下碳交易价格预测

第二节 基于时间序列角度的碳交易价格预测

一、基于ARMA模型的碳交易价格预测

二、基于Prophet模型的碳交易价格预测

第三节 碳交易价格预测模型的结果评估

一、预测评估标准

二、碳交易价格预测模型结果对比

结论与展望

一、结论与建议

二、研究展望

参考文献

致谢