基于EMD―PSO―SVM误差校正模型国际碳金融市场价格预测.docVIP

基于EMD―PSO―SVM误差校正模型国际碳金融市场价格预测 　　摘要 国际碳金融市场价格预测是制定碳金融市场政策和提高风险管理能力的基础。近年来国际碳市场价格呈现出非平稳、非线性等不规律特性，传统应用于社会经济时间序列的统计模型已经越来越难以满足日渐复杂的社会经济系统的需要。基于此本文建立了基于经验模态分解（EMD）-粒子群算法（PSO）-支持向量机（SVM）的国际碳金融市场价格误差校正预测模型。数据选取2008年3月-2013年9月ICE碳排放期货交易所的CER期货（DEC12）和EUA期货（DEC12）的日交易结算价格作为考察样本进行仿真验证。结果显示：①引入EMD方法可以有效解决误差序列随机性强、相邻频带的干扰可能造成误差序列无法体现反映全部系统动力信息的缺陷；②校正后的预测值与误差预测值的趋势具有较高的一致性，预测结果滞后性和拐点误差大的问题得到了很好的解决；③预测结果较其他常用的国际碳金融价格预测模型进行了比较分析，预测精度有了明显提高。本研究提出的预测模型可以为我国针对目前国际碳价格市场所呈现的波动特征下的碳金融市场价格预测提供新的方法和借鉴。 　　关键词 碳金融价格预测；误差预测；经验模态分解；粒子群算法；支持向量机 　　中图分类号 TP18；F830 文献标识码 A 文章编号 1002-2104（2014）06-0163-08 doi：103969/jissn1002-2104201406024 　　我国“十二五”期间首次明确提出要建立碳排放交易市场，完善碳排放交易制度。而可靠的碳金融价格预测作为重要的决策工具可以为我国制定碳排放交易市场相关政策、提高碳市场风险管理能力及减少碳资产流失提供有效的依据。2005年《京都议定书》的正式生效，标志着利用市场机制进行温室气体减排的开端，碳交易市场在全球迅速发展起来。目前，碳衍生产品市场的发展速度要远超碳现货市场，而且碳排放现货、期货、远期、期权等碳金融产品已发展成为市场参与者实现碳排放的投资组合收益、增强金融风险管理的主要金融管理工具[1]。据世界银行统计并预测，2011年全球碳排放市场总交易市场规模达 　　1 760亿美元，交易量达103亿t CO2当量，较2010年增长11%，预计2020年将达到3.5万亿美元，将取代石油市场成为全球最大的商品交易市场[2]。目前，中国碳交易市场处于初步建设阶段，尚处于碳价值链的末端，缺乏碳交易的议价权，导致我国碳资产流失严重，2008年因碳价差就造成我国高达33亿欧元的碳资产流失[3]，建立自主碳交易体系、开展各类碳金融业务已成为我国参与全球国际碳金融竞争、实现可持续发展的当务之急。而碳金融价格预测作为提高碳金融市场风险防范能力和减少碳资产价值流失的有效途径之一，目前已成为学术界所关注的热点，所以探究和开发针对当前国际碳金融市场价格波动特征下的价格预测方法是具有现实意义的研究课题。 　　目前国内外学者针对国际碳金融市场价格的预测方面进行了大量的研究，所采用的模型和方法主要可以分为数据驱动模型和数据发掘模型两种。数据驱动模型主要是对碳市场价格组成的时间序列进行深层次的分析和模拟，包括利用ARMA，ARCH，GARCH、TGARCH等方法对碳金融市场价格进行预测，如chevallier J等构建了AR（1）-GARCH（1，1）模型对EUA现货、EUA期货和CER期货价格波动特征进行了预测与分析[4]。Suk Joon Byu和Hangjun Cho对比了GARCH、K近邻算法和隐含波动率的对于碳期货价格的波动性预测能力，研究结果表明GARCH模型要优于K近邻算法和隐含波动率[5]。Yudong Wang和Chongfeng Wu对比了基于单变量和多变量的GARCH族模型在能源市场中的预测效果，结果显示多变量模型预测效果要优于单变量模型[6]。C. G. Martos，J. Rodriguez和M. J. Sánchez建立了一个多元GARCH模型对碳排放配额价格进行预测，结果显示该常见的波动因素可以用于改善预测区间[7]。最近能从大量模糊的随机数据中提取隐含的有价值信息的数据挖掘技术如混沌理论、灰色理论、神经网络以及支持向量机（Support Vector Machine， SVM）等越来越多的被引用到非平稳、非线性时间序列的预测中来。其中，建立在统计学习理论基础上的SVM方法在时间序列预测方面具有可以有效缩小泛化误差区间，降低模型的结构风险，同时又保证样本预测误差最小的优点[8]。鉴于碳金融市场价格时间序列的强噪声特征，近几年不少学者将SVM方法引入对国际能源价格和国际碳金融市场价格进行预测和分析中，取得较好的预测结果。如Jinliang Zhang、Zhongfu Tan提出了一种基于WT、CLSSVM和EGAR