作者
摘要
低碳发展是全球气候变化下的必然选择,碳市场也应运而生。碳价格预测是碳减排战略研究的一个重要方面。传统的预测方法大多集中于点值时间序列,信息量有限,导致点预测失去了波动性信息。这些局限性突出了提出精确的区间值时间序列预测系统的重要性。为了解决这个问题,我们从碳价格波动的不确定性角度出发,提出了一个基于概率密度递归网络和区间多层感知器(MLPI)的碳价格区间预测框架。首先,我们使用核密度估计将原始数据转换为概率密度序列,然后构建网络。为了提取有效信息并排除碳价格样本数据中的异常数据,我们使用网络拓扑和链接预测理论对数据进行了清理;然后,使用MLPI模型进行区间预测。为了验证该方法的预测性能,我们使用欧盟碳市场的实际区间值碳期货价格数据进行了实证分析,并将其预测精度与相同条件下的其他模型进行了比较。结果表明,本文提出的碳价格区间预测框架在预测精度方面优于传统方法。
建议引用
朱梦瑞、徐华、王明、田明刚、李欣,2024。"基于概率密度递归网络和区间多层感知器的碳价格区间预测方法,"物理学A:统计力学及其应用爱思唯尔,第636(C)卷。手柄:RePEc:eee:phsmap:v:636:y:2024:i:c:s0378437124000517
内政部:10.1016/j.physa.2024.129543
从出版商下载全文
由于此文档的访问受到限制,您可能希望搜索换一个不同的版本。
更正
本网站上的所有材料均由各自的出版商和作者提供。您可以帮助纠正错误和遗漏。请求更正时,请提及此项目的句柄:RePEc:eee:phsmap:v:636:y:2024:i:c:s0378437124000517。请参阅一般信息关于如何更正RePEc中的材料。
如果您编写了此项目,但尚未在RePEc注册,我们鼓励您这样做在这里。这允许将您的个人资料链接到此项目。它还允许您接受我们不确定的该项目的潜在引用。
我们没有这个项目的参考书目。您可以使用这个表格.
如果你知道引用这一条的缺失条目,你可以通过以与上述相同的方式为每个引用条目添加相关引用来帮助我们创建这些链接。如果您是此项目的注册作者,您可能还需要检查您的RePEc作者服务个人资料,因为可能有一些引文等待确认。
有关本项目的技术问题,或更正作者、标题、摘要、参考书目或下载信息,请联系:Catherine Liu(电子邮件地址如下)。供应商的一般联系方式:http://www.journals.elsevier.com/physica-a-statistical-mechapplications网站/.
请注意,更正可能需要几周时间才能筛选出来各种RePEc服务。