控制与决策

作者：刘金培,郭艺,陈华友,任贺松,陶志富

单位：安徽大学商学院，合肥230601;北卡罗来纳州立大学工业与系统工程系，美国罗利27695,,安徽大学商学院，合肥230601;东南大学经济管理学院，南京211189,,安徽大学数学科学学院，合肥230601,,安徽大学商学院，合肥230601;西安交通大学管理学院，西安710049,,安徽大学经济学院，合肥230601,

关键词：多尺度预测;碳价格;非结构数据;流行学习;自回归积分滑动平均模型;经验模态分解

基金：国家自然科学基金项目(71501002, 61502003, 71771001, 71701001)；安徽省自然科学基金项目(1608085 QF133,1508085QG149)；安徽省高校省级自然科学研究重点项目(KJ2017A026).

碳交易价格的有效预测对制定符合国情的碳金融市场政策以及碳金融市场的风险管理都具有重要意义.对此,提出一种基于非结构数据流行学习的碳价格多尺度组合预测方法.首先,利用网络搜索指数提取碳价格相关的非结构化数据,基于等度量映射流行学习对其进行降维;然后,对降维后的非结构化数据、其他影响因素结构化数据、碳交易价格分别进行经验模态分解(Empirical mode decomposition,EMD),得到不同个数的本征模函数(Intrinsic mode function,IMF),并采用Fine-to-coarse方法对IMF进行重构,得到高频序列、低频序列和趋势项;最后,利用自回归积分滑动平均模型(Autoregressive integrated moving average model,ARIMA)、偏最小二乘(Partial least squares,PLS)回归和神经网络对高频数据、低频数据和趋势项进行预测,将3种预测结果进行集成,得到最终预测值.仿真实验结果表明,所提出的方法可以有效利用多源信息,具有较高的预测精度和良好的适用性.

来源：2019年第2期

《控制与决策》期刊编辑部

查看控制与决策杂志2019年第2期