时序分析法在碳价市场预测与分析上的应用

发布时间：2017-04-27 07:13

  本文关键词：时序分析法在碳价市场预测与分析上的应用，，由笔耕文化传播整理发布。

【摘要】：随着科学技术的快速发展,时间序列分析这个研究领域已经引起了人们的广泛关注,尤其是当2003年Robert Engle教授和Clive Granger教授获得诺贝尔经济学奖之后。时间序列分析方法主要是建立在数理统计等知识的基础之上,它的用途在系统描述、系统分析、预测未来还有决策和控制等方面都是非常常见的。众所周知,二氧化碳(CO2)的排放对全球环境造成了非常严重的污染,而且这个影响会持续变大。碳交易是以国际公共法作为共同根据的温室气体(主要是CO2)排减量交易。碳交易市场的预测与研究对于全球的生产实践和社会生活具有越来越重要的意义。本硕士论文主要将利用时间序列分析的理论与技术对CER市场的碳价数据进行处理与分析,揭示数据的特征,并用来进行预测和分析。使用的方法主要有ARIMA-GARCH以及BP, RBF两种神经网络方法。本文试图说明,将神经网络应用于碳价时间序列的预测是可行的。利用EVIEWS和MATLAB这两种软件分别对碳价进行预测及仿真。最后,对比国际碳交易市场,提出建立中国碳市场的有效意见。中国应该在吸取欧洲碳交易市场的经验教训上走有中国特色的碳交易市场道路。本文研究的主要创新成果有：(1)对时间序列分析问题的基本框架进行详细的推导及阐述,构建一个基本的时间序列模型,需要充分考虑时间序列数据的特点。(2)提出神经网络时间序列模型及模型的优化,特别介绍了BP和RBF神经网络,神经网络时间序列模型能对碳价时间序列进行预测分析。(3)对最新的碳价序列进行时间序列的建模,得到了有效的短期碳价预测,并分别比较ARIMA-GARCH模型和BP、RBF两种神经网络模型的优良性及缺点。(4)对比欧洲碳交易市场,结合中国实情,提出了建设中国特色碳交易市场的展望。此次论文的研究展示了时间序列分析在碳价时间序列预测及处理中的重要应用,结合欧洲碳交易市场进行对比,对于中国建设有特色的碳市场具有较大的参考价值。
【关键词】：碳价 时间序列分析 神经网络 预测
【学位授予单位】：湖南师范大学
【学位级别】：硕士
【学位授予年份】：2015
【分类号】：X196;F224
【目录】：

• 摘要3-5
• ABSTRACT5-10
• 1 绪论10-20
• 1.1 问题的提出及意义10-11
• 1.2 文献综述11-16
• 1.2.1 时间序列研究总结11-13
• 1.2.2 神经网络综述13-15
• 1.2.3 碳价预测与分析研究现状15-16
• 1.3 研究目标和论文结构16-18
• 1.3.1 研究目标16-17
• 1.3.2 论文结构17
• 1.3.3 数据来源17
• 1.3.4 软件工具17-18
• 1.3.5 各章节布局思想18
• 1.4 本章小结18-20
• 2 时间序列分析问题的基本理论20-36
• 2.1 时间序列及统计特性20-21
• 2.2 平稳时间序列模型21-26
• 2.2.1 平稳时间序列简介21-22
• 2.2.2 ARMA模型22-26
• 2.3 非平稳时间序列模型26-30
• 2.3.1 非平稳时间序列简介26-27
• 2.3.2 单位根过程的预测27-29
• 2.3.4 ARIMA模型29-30
• 2.4 条件异方差模型30-35
• 2.4.1 ARCH模型30-32
• 2.4.2 ARCH的检验32-33
• 2.4.3 GARCH模型33-35
• 2.5 模型定阶准则35
• 2.6 本章小结35-36
• 3 神经网络时间序列模型36-52
• 3.1 神经网络概述36-38
• 3.1.1 神经网络概念36
• 3.1.2 神经元结构模型36-38
• 3.2 BP神经网络38-44
• 3.2.1 BP神经网络的结构38-39
• 3.2.2 BP算法39-40
• 3.2.3 BP算法改进40-44
• 3.3 RBF神经网络44-50
• 3.3.1 RBF神经网络的结构45-46
• 3.3.2 RBF算法46-48
• 3.3.3 RBF算法优化48-50
• 3.5 神经网络时间序列模型50
• 3.6 本章小结50-52
• 4 碳价模型实证与分析52-66
• 4.1 碳价时间序列基本框架模型52-57
• 4.1.1 ARIMA-GARCH模型预测系统流程52
• 4.1.2 ARIMA-GARCH模型实证52-57
• 4.2 BP神经网络碳价预测57-60
• 4.2.1 BP神经网络预测流程57
• 4.2.2 BP神经网络碳价预测实证57-60
• 4.3 RBF神经网络碳价预测60-62
• 4.3.1 RBF神经网络预测系统流程60
• 4.3.2 RBF神经网络碳价预测实证60-62
• 4.4 模型比较62-64
• 4.5 影响碳价因素分析64-65
• 4.6 本章小结65-66
• 5 总结与展望66-68
• 5.1 本论文研究成果66
• 5.2 中国特色碳交易市场发展与展望66-68
• 参考文献68-74
• 致谢74-75

【相似文献】

中国期刊全文数据库 前10条

1 雷明,李作清,陈志祥,吴雅,杨叔子;神经网络在预报控制中的应用[J];机床;1993年11期

2 杨自厚;神经网络技术及其在钢铁工业中的应用第8讲人工神经网络在钢铁工业中的应用(下)[J];冶金自动化;1997年05期

3 李润生,李延辉,胡学军,刘壮,王守俭;神经网络在冶金中的应用[J];钢铁研究;1998年02期

4 刘海玲,刘树深,尹情胜,夏之宁,易忠胜;线性神经网络及在多组分分析中的初步应用[J];计算机与应用化学;2000年Z1期

5 王继宗,王西娟;用神经网络确定梁上裂纹位置的研究[J];煤炭学报;2000年S1期

6 赵学庆,袁景淇,周又玲,贺松;生物发酵过程神经网络状态预报器的验证[J];无锡轻工大学学报;2000年06期

7 李智,姚驻斌,张望兴,贺超武;基于神经网络的混匀配料优化方法[J];钢铁研究;2000年04期

8 胡敏艺,马荣骏;神经网络在冶金工业中的应用[J];湖南有色金属;2000年05期

9 倪建军,邵琳;利用神经网络进行观测数据的分析与处理[J];连云港化工高等专科学校学报;2000年04期

10 裴浩东,苏宏业,褚健;材料工程中基于神经网络的稳态优化策略[J];材料科学与工程;2001年02期

中国重要会议论文全文数据库 前10条

1 徐春玉;;基于泛集的神经网络的混沌性[A];1996中国控制与决策学术年会论文集[C];1996年

2 周树德;王岩;孙增圻;孙富春;;量子神经网络[A];2003年中国智能自动化会议论文集（上册）[C];2003年

3 罗山;张琳;范文新;;基于神经网络和简单规划的识别融合算法[A];2009系统仿真技术及其应用学术会议论文集[C];2009年

4 郭爱克;马尽文;丁康;;序言(二)[A];1999年中国神经网络与信号处理学术会议论文集[C];1999年

5 钟义信;;知识论:神经网络的新机遇——纪念中国神经网络10周年[A];1999年中国神经网络与信号处理学术会议论文集[C];1999年

6 许进;保铮;;神经网络与图论[A];1999年中国神经网络与信号处理学术会议论文集[C];1999年

7 金龙;朱诗武;赵成志;陈宁;;数值预报产品的神经网络释用预报应用[A];1999年中国神经网络与信号处理学术会议论文集[C];1999年

8 田金亭;;神经网络在中学生创造力评估中的应用[A];第十二届全国心理学学术大会论文摘要集[C];2009年

9 唐墨;王科俊;;自发展神经网络的混沌特性研究[A];2009年中国智能自动化会议论文集（第七分册）[南京理工大学学报（增刊）][C];2009年

10 张广远;万强;曹海源;田方涛;;基于遗传算法优化神经网络的故障诊断方法研究[A];第十二届全国设备故障诊断学术会议论文集[C];2010年

中国重要报纸全文数据库 前10条

1 美国明尼苏达大学社会学博士 密西西比州立大学国家战略规划与分析研究中心资深助理研究员 陈心想;维护好创新的“神经网络硬件”[N];中国教师报;2014年

2 卢业忠;脑控电脑 惊世骇俗[N];计算机世界;2001年

3 葛一鸣 路边文;人工神经网络将大显身手[N];中国纺织报;2003年

4 中国科技大学计算机系　邢方亮;神经网络挑战人类大脑[N];计算机世界;2003年

5 记者 孙刚;“神经网络”：打开复杂工艺“黑箱”[N];解放日报;2007年

6 本报记者 刘霞;美用DNA制造出首个人造神经网络[N];科技日报;2011年

7 健康时报特约记者　 张献怀;干细胞移植：修复受损的神经网络[N];健康时报;2006年

8 刘力;我半导体神经网络技术及应用研究达国际先进水平[N];中国电子报;2001年

9 ;神经网络和模糊逻辑[N];世界金属导报;2002年

10 邹丽梅 陈耀群;江苏科大神经网络应用研究通过鉴定[N];中国船舶报;2006年

中国博士学位论文全文数据库 前10条

1 杨旭华;神经网络及其在控制中的应用研究[D];浙江大学;2004年

2 李素芳;基于神经网络的无线通信算法研究[D];山东大学;2015年

3 石艳超;忆阻神经网络的混沌性及几类时滞神经网络的同步研究[D];电子科技大学;2014年

4 王新迎;基于随机映射神经网络的多元时间序列预测方法研究[D];大连理工大学;2015年

5 付爱民;极速学习机的训练残差、稳定性及泛化能力研究[D];中国农业大学;2015年

6 李辉;基于粒计算的神经网络及集成方法研究[D];中国矿业大学;2015年

7 王卫苹;复杂网络几类同步控制策略研究及稳定性分析[D];北京邮电大学;2015年

8 张海军;基于云计算的神经网络并行实现及其学习方法研究[D];华南理工大学;2015年

9 李艳晴;风速时间序列预测算法研究[D];北京科技大学;2016年

10 曾U喺

本文编号：330161