基于CEEMDAN-MR-PE-NLE多频优化组合模型的碳金融市场价格预测
发布时间：2021-09-28 07:34
鉴于碳金融市场价格预测的复杂性,遵循"分解"、"重构"、"预测"、"集成"的总体建模架构,构建了CEEMDAN-MR-PE-NLE多频优化组合预测模型.先基于CEEMDAN算法对原始碳价序列进行分解,然后采用CCI贡献度指数和E-C进化聚类算法以及Lempel-Ziv复杂度指数对分量进行重构,进而得到高频分量、低频分量和趋势分量,利用PSO-ELM粒子群优化的极限学习机预测模型对三个重构分量分别进行预测,最后采用非线性集成算法将重构分量的预测结果进行集成,得到最终的碳价预测结果.五种模型预测效果评价指标和MCS检验均表明:与基准模型相比,构建的预测模型性能最优,DM稳健性检验结果也进一步证实了构建的预测模型的稳健性.
【文章来源】：数学的实践与认识. 2020,50(03)北大核心
【文章页数】：16 页
【部分图文】：
图２?ＱＥＢＭＤＡＮ－ＭＲ－ＰＥ－ＨＬＥ模型构建流程＿??４实证分析??４．１
该序列中的周期成分越少，变化越无规??律，序列趋向于一种随机状态，所包含的频率成分越丰富；反之，数值越小，序列越有规律，周??期性越强，所贪频率成分越少．从表３中可以看出．ＴＩＭＦ１？ＩＭＦ５的复杂度较高，即前五个分请??的规律性和周期性都较弱，且ＩＭＦ１？ＩＭＦ５的复杂度之和占所有ＩＭＦ复杂度之和的８７．７７滩，??超过设定的阈值８０％＞因而，ＩＭＦ１￣ＩＭＦ５可以构成高频分ｆｔ?ＩＭＦ６４ＭＦ９构成低频分量，残??余项构构成趋势分量，也即本文的两种分量重构法结果一致，分量重构结果如图５所示．??ｏ?５?０－５??１＿尔鞣逛??５?０?５??２?２?１??？伞球额??图５分量重构结果??
崔金鑫，％基于ｉＱＢＳＭＤ?ＡＮ－Ｍ＿Ｋ－＿．ＰｆＫＮＬ＿Ｅ多频优化组食模型．的碳金融市场价格预测?１１１??３期??ＩＩＡＴＬＡＢ?２０１４％?平台完成．??图３：湖北碳排放权交易价格日度：虜到爾??表１湖北碳价格序列描述性统计??平均值??中位数??最小值??最大值??标准差??Ｊ－Ｂ?销：??ＡＤ．Ｆ检验Ｐ值??样本数??１９．９９３??１８．４２０??１０．３８０??３２．７１０??５．１４９２??７１．４３５??０．７９７２??１０００??图３给出了湖北碳排放权Ｈ度价格序列图，可以看出碳价格序列总体上呈现出典型的不??规律特征，其整体上呈现出震荡特征，从表１可以看出，碳价格数据较为离散，具有一定的序??列波动性，从Ｊ－Ｂ值可以看出碳价格序列呈现非正态分布，ＡＤＦ统计最的Ｐ值为０．７９７２，所??以碳价格序列呈现出非平稳特征；为了检验碳价序列是否具备线性特征，计算序列的ＢＤＳ统??计嫌，嵌入维数从２增加到１０，?Ｐ值均为０，表明湖北省碳交易价格序列具有典型的非线性特??征．??表２碳价格序列ＢＤＳ检验结果??维数??ＢＤＳ统计量??标准差??Ｚ值??Ｐ值??２??０．１９０４８２??０．００１３５１??１４１．０１５３??０．００００??３??０．３２４５３１??０．００２１２８??１５２．４７６５??０．００００??４??０．４１７８３２??０．００２５１１??１６６．３８３７??０．００００??５??０．４８１９０８??０．００２５９３??１８５．８７２８??０．００００??６??０．５２５３１８??０．００２４７６??２１２．１４６９??０．００００??７??０．５５４３９４??０．００２２４７??２４６
【参考文献】：
期刊论文
[1]基于非结构数据流行学习的碳价格多尺度组合预测[J]. 刘金培,郭艺,陈华友,任贺松,陶志富. 控制与决策. 2019(02)
[2]基于EMD-GA-BP与EMD-PSO-LSSVM的中国碳市场价格预测[J]. 崔焕影,窦祥胜. 运筹与管理. 2018(07)
[3]基于PSO-ELM的机器人精度补偿方法研究[J]. 冯禹铭,董秀成,金滔. 计算机应用研究. 2019(10)
[4]经济政策不确定性与我国股市波动率预测研究[J]. 雷立坤,余江,魏宇,赖晓东. 管理科学学报. 2018(06)
[5]基于二层分解技术和改进极限学习机模型的PM2.5浓度预测研究[J]. 罗宏远,王德运,刘艳玲,魏帅,林彦兵. 系统工程理论与实践. 2018(05)
[6]交叉口短时流量CEEMDAN-PE-OSELM预测模型[J]. 田秀娟,于德新,邢雪,商强,王树兴. 哈尔滨工业大学学报. 2018(03)
[7]欧盟碳市场价格走势的情景模拟分析及对中国的启示[J]. 易兰,李朝鹏,杨历,刘杰. 环境经济研究. 2017(03)
[8]基于相空间重构和最小二乘支持向量回归模型参数同步优化的碳市场价格预测[J]. 石雪涛,朱帮助. 系统科学与数学. 2017(02)
[9]基于CEEMDAN与量子粒子支持向量机的电力负荷组合预测[J]. 贾逸伦,龚庆武,李俊雄,占劲松. 电测与仪表. 2017(01)
[10]基于多频组合模型的中国区域碳市场价格预测[J]. 张晨,杨仙子. 系统工程理论与实践. 2016(12)
本文编号：3411498
【文章来源】：数学的实践与认识. 2020,50(03)北大核心
【文章页数】：16 页
【部分图文】：
图２?ＱＥＢＭＤＡＮ－ＭＲ－ＰＥ－ＨＬＥ模型构建流程＿??４实证分析??４．１
该序列中的周期成分越少，变化越无规??律，序列趋向于一种随机状态，所包含的频率成分越丰富；反之，数值越小，序列越有规律，周??期性越强，所贪频率成分越少．从表３中可以看出．ＴＩＭＦ１？ＩＭＦ５的复杂度较高，即前五个分请??的规律性和周期性都较弱，且ＩＭＦ１？ＩＭＦ５的复杂度之和占所有ＩＭＦ复杂度之和的８７．７７滩，??超过设定的阈值８０％＞因而，ＩＭＦ１￣ＩＭＦ５可以构成高频分ｆｔ?ＩＭＦ６４ＭＦ９构成低频分量，残??余项构构成趋势分量，也即本文的两种分量重构法结果一致，分量重构结果如图５所示．??ｏ?５?０－５??１＿尔鞣逛??５?０?５??２?２?１??？伞球额??图５分量重构结果??
崔金鑫，％基于ｉＱＢＳＭＤ?ＡＮ－Ｍ＿Ｋ－＿．ＰｆＫＮＬ＿Ｅ多频优化组食模型．的碳金融市场价格预测?１１１??３期??ＩＩＡＴＬＡＢ?２０１４％?平台完成．??图３：湖北碳排放权交易价格日度：虜到爾??表１湖北碳价格序列描述性统计??平均值??中位数??最小值??最大值??标准差??Ｊ－Ｂ?销：??ＡＤ．Ｆ检验Ｐ值??样本数??１９．９９３??１８．４２０??１０．３８０??３２．７１０??５．１４９２??７１．４３５??０．７９７２??１０００??图３给出了湖北碳排放权Ｈ度价格序列图，可以看出碳价格序列总体上呈现出典型的不??规律特征，其整体上呈现出震荡特征，从表１可以看出，碳价格数据较为离散，具有一定的序??列波动性，从Ｊ－Ｂ值可以看出碳价格序列呈现非正态分布，ＡＤＦ统计最的Ｐ值为０．７９７２，所??以碳价格序列呈现出非平稳特征；为了检验碳价序列是否具备线性特征，计算序列的ＢＤＳ统??计嫌，嵌入维数从２增加到１０，?Ｐ值均为０，表明湖北省碳交易价格序列具有典型的非线性特??征．??表２碳价格序列ＢＤＳ检验结果??维数??ＢＤＳ统计量??标准差??Ｚ值??Ｐ值??２??０．１９０４８２??０．００１３５１??１４１．０１５３??０．００００??３??０．３２４５３１??０．００２１２８??１５２．４７６５??０．００００??４??０．４１７８３２??０．００２５１１??１６６．３８３７??０．００００??５??０．４８１９０８??０．００２５９３??１８５．８７２８??０．００００??６??０．５２５３１８??０．００２４７６??２１２．１４６９??０．００００??７??０．５５４３９４??０．００２２４７??２４６
【参考文献】：
期刊论文
[1]基于非结构数据流行学习的碳价格多尺度组合预测[J]. 刘金培,郭艺,陈华友,任贺松,陶志富. 控制与决策. 2019(02)
[2]基于EMD-GA-BP与EMD-PSO-LSSVM的中国碳市场价格预测[J]. 崔焕影,窦祥胜. 运筹与管理. 2018(07)
[3]基于PSO-ELM的机器人精度补偿方法研究[J]. 冯禹铭,董秀成,金滔. 计算机应用研究. 2019(10)
[4]经济政策不确定性与我国股市波动率预测研究[J]. 雷立坤,余江,魏宇,赖晓东. 管理科学学报. 2018(06)
[5]基于二层分解技术和改进极限学习机模型的PM2.5浓度预测研究[J]. 罗宏远,王德运,刘艳玲,魏帅,林彦兵. 系统工程理论与实践. 2018(05)
[6]交叉口短时流量CEEMDAN-PE-OSELM预测模型[J]. 田秀娟,于德新,邢雪,商强,王树兴. 哈尔滨工业大学学报. 2018(03)
[7]欧盟碳市场价格走势的情景模拟分析及对中国的启示[J]. 易兰,李朝鹏,杨历,刘杰. 环境经济研究. 2017(03)
[8]基于相空间重构和最小二乘支持向量回归模型参数同步优化的碳市场价格预测[J]. 石雪涛,朱帮助. 系统科学与数学. 2017(02)
[9]基于CEEMDAN与量子粒子支持向量机的电力负荷组合预测[J]. 贾逸伦,龚庆武,李俊雄,占劲松. 电测与仪表. 2017(01)
[10]基于多频组合模型的中国区域碳市场价格预测[J]. 张晨,杨仙子. 系统工程理论与实践. 2016(12)
本文编号：3411498
本文链接：https://www.wllwen.com/weiguanjingjilunwen/3411498.html
