基于BP神经网络的火电企业碳无形资产评估研究

摘要

为了应对全球气候变暖，世界各国都在推行以低碳经济为核心的新型经济模式。随着我国碳市场的建设与碳金融的发展，各行各业碳减排工作的力度都在不断地加大，迫切需要发挥碳市场对经济结构调整的积极作用，碳排放权和减排量等碳无形资产也因此成为我国企业生产经营活动中不可或缺的新型资产。对碳无形资产展开“量”与“价”的评估，已经成为市场发展的客观需求。作为电力生产企业的一种类型，火电企业一直占据着我国电力生产的主导地位，在我国经济发展中拥有举足轻重的地位。然而，我国火电企业高能耗、高碳排放的特征也决定其在短期内将面临巨大的减排压力，因此，开展对我国火电企业碳无形资产的评估研究具有较强的现实意义。
　　本文结合我国目前碳交易市场的基本情况，对我国火电企业碳无形资产的评估进行了研究。首先，对我国火电企业碳无形资产评估的现状及存在问题进行了分析，并提出了改进建议。其次，利用Lasso方法对我国火电企业碳无形资产价值的影响因素进行了分析，发现对我国火电企业碳无形资产价值有显著影响的因素包括欧盟碳排放配额价格、国内外经济、国内外石油价格、火电企业的碳减排成本、发电标准煤耗和企业总发电量。在此基础上，将影响我国火电企业碳无形资产价值的因素作为输入变量，实际成交价格作为输出变量，建立了基于BP神经网络的我国火电企业碳无形资产评估模型。通过搜集我国火电企业碳无形资产交易案例的样本数据，对BP神经网络模型进行训练和测试，并利用构建的BP神经网络模型对我国火电企业碳无形资产进行评估，提高了评估结果的准确性与可靠性。
　　本文旨在利用BP神经网络模型对我国火电企业碳无形资产价值进行评估，并为该类型资产的交易提供专业价值标尺，更好的服务于企业碳无形资产的计价。在碳排放约束背景下，能够促进火电企业准确评估碳无形资产的价值以获得经济上的收益，减少成本压力，完成碳减排目标，缓解碳减排与经济效益之间的矛盾。

目录

声明

摘要

第1章 绪论

1．1 选题背景和研究意义

1．1．1 选题背景

1．1．2 研究意义

1．2 国内外研究现状及发展动态

1．2．1 碳无形资产价格的影响因素研究

1．2．2 火电企业发展低碳经济的相关研究

1．2．3 碳无形资产评估方法的相关研究

1．2．4 BP神经网络模型的相关研究

1．2．5 国内外研究动态总结

1．3 研究目标、内容及方法

1．4 研究难点

1．5 研究结论及创新点

第2章 碳无形资产评估的相关理论基础

2．1 碳无形资产的内涵与分类

2．1．1 碳无形资产的内涵

2．1．2 碳无形资产的分类

2．2 无形资产评估的理论方法

2．2．1 重置成本法

2．2．2 收益现值法

2．2．3 市场比较法

2．2．4 实物期权法

2．3 碳交易市场相关理论

2．3．1 覆盖范围与总量设定

2．3．2 配额分配与管理研究

2．3．3 市场与价格机制分析

2．3．4 履约机制及支撑机制研究

2．4 本章小结

第3章 火电企业碳无形资产评估的现状及存在问题分析

3．1 国际碳无形资产评估的现状分析

3．1．1 国际碳无形资产评估的相关政策

3．1．2 数据的监测与核查

3．1．3 评估方法的运用

3．2 我国火电企业碳无形资产评估的现状分析

3．2．1 碳无形资产评估的相关政策

3．2．2 数据的监测与核查

3．2．3 评估方法的运用

3．3 我国火电企业碳无形资产评估存在问题分析

3．3．1 政策方面存在问题分析

3．3．2 数据质量存在问题分析

3．3．3 评估方法存在问题分析

3．4 我国火电企业碳无形资产评估的改进建议

3．5 本章小结

第4章 基于Lasso方法的火电企业碳无形资产价值影响因素分析

4．1 Lasso方法的基本原理

4．2 Lasso方法的计算过程

4．2．1 算法的选取

4．2．2 计算的程序

4．3 基于Lasso方法的火电企业碳无形资产价值影响因素分析

4．3．1 火电企业碳无形资产价值影响因素分析

4．3．2 评估指标的设计

4．3．3 数据的来源及数据的处理

4．3．4 结果分析

4．4 本章小结

第5章 基于BP神经网络的火电企业碳无形资产评估

5．1 BP神经网络的基本原理

5．2 输入变量的确定与样本数据的处理

5．2．2 样本数据的处理

5．3 BP神经网络模型的构建

5．3．1 基本函数和网络参数的确定

5．3．2 对BP神经网络模型的权值和阈值的修正

5．4 模型的训练及测试

5．4．1 模型的训练

5．4．2 模型的测试

5．5 火电企业碳无形资产评估案例分析

5．5．1 案例选取

5．5．2 输入数据的处理

5．5．3 评估结果分析

5．6 本章小结

第6章 研究成果与结论

参考文献

致谢