本文關(guān)鍵詞：碳市場(chǎng)價(jià)格預(yù)測(cè)分析與風(fēng)險(xiǎn)管理研究

  更多相關(guān)文章： 碳市場(chǎng)價(jià)格 拐點(diǎn)預(yù)測(cè) 風(fēng)險(xiǎn)測(cè)度 經(jīng)驗(yàn)?zāi)B(tài)分解 Hibert譜分析 Zipf分析

【摘要】：碳市場(chǎng)是應(yīng)對(duì)氣候變化成本的有效手段。我國(guó)“十二五”規(guī)劃提出了“將逐步建立碳市場(chǎng)”,且在北京、上海、廣東等省市啟動(dòng)了地區(qū)性碳市場(chǎng)試點(diǎn),并將不斷擴(kuò)大,逐步建設(shè)成全國(guó)性的碳市場(chǎng),以期在節(jié)能減排戰(zhàn)略中發(fā)揮重大作用。因此,如何設(shè)計(jì)一個(gè)體制健全、運(yùn)作平穩(wěn)的碳市場(chǎng)成了當(dāng)前我國(guó)面臨的一項(xiàng)重要任務(wù)。近年來(lái),以歐盟碳排放交易體系(European Union Emissions Trade System,EU ETS)為代表的國(guó)際碳市場(chǎng)發(fā)展迅猛,但其市場(chǎng)價(jià)格波動(dòng)劇烈,顯著影響了減排績(jī)效。圍繞EU ETS碳市場(chǎng)價(jià)格開(kāi)展預(yù)測(cè)分析、風(fēng)險(xiǎn)測(cè)度與動(dòng)態(tài)行為研究,論文的主要?jiǎng)?chuàng)新性工作如下：1.針對(duì)碳市場(chǎng)價(jià)格多尺度特性,提出了基于改進(jìn)希爾伯特-黃變換(Hilbert-Huang transform,HHT)的碳市場(chǎng)價(jià)格多尺度分解算法。首先,引入高斯白噪聲到經(jīng)驗(yàn)?zāi)B(tài)分解(Empirical Mode Decomposition,EMD)中,建立集成EMD(Ensemble EMD,EEMD)算法來(lái)抑制EMD算法中的模態(tài)混疊現(xiàn)象；其次,針對(duì)EEMD分解過(guò)程中存在的端點(diǎn)效應(yīng)問(wèn)題,比較分析5種常用端點(diǎn)延拓方法,改進(jìn)EEMD算法,得出適合碳價(jià)多尺度分解的延拓方法；實(shí)證結(jié)果表明改進(jìn)HHT算法能顯著提高碳價(jià)分解精度,擴(kuò)大了HHT在碳價(jià)多尺度分析中的應(yīng)用范圍。2.綜合應(yīng)用改進(jìn)EEMD、統(tǒng)計(jì)分析、Hilbert譜分析、Bai-Perron結(jié)構(gòu)性斷點(diǎn)檢驗(yàn)等理論方法,探討了重大突發(fā)事件在不同尺度上對(duì)碳市場(chǎng)的影響以及不同尺度之間影響的交互情況。2008年全球金融危機(jī)和2011年歐債危機(jī)均對(duì)碳市場(chǎng)價(jià)格走勢(shì)造成了顯著影響,產(chǎn)生了結(jié)構(gòu)性斷點(diǎn)。3.利用自適應(yīng)數(shù)據(jù)分解與人工智能模型的優(yōu)勢(shì),提出了基于改進(jìn)EEMD與支持向量機(jī)(Support Vector Machine, SVM)的碳市場(chǎng)價(jià)格拐點(diǎn)預(yù)測(cè)模型。首先,應(yīng)用改進(jìn)EEMD算法對(duì)去季節(jié)后碳價(jià)序列進(jìn)行多尺度分解；其次,應(yīng)用序列重構(gòu)法識(shí)別出碳價(jià)循環(huán)項(xiàng),并據(jù)此采用BB(Bry-Boschan)法確定碳價(jià)拐點(diǎn)：接著利用相空間重構(gòu)法確認(rèn)SVM建模中的輸入變量,應(yīng)用基于K-CV(K-fold Cross Validation)思想的網(wǎng)格搜索(grid search)法優(yōu)化SVM模型參數(shù),然后以訓(xùn)練好的SVM模型預(yù)測(cè)測(cè)試樣本；最后,實(shí)證分析驗(yàn)證了模型的有效性。4.以碳市場(chǎng)異質(zhì)性假設(shè)為前提,提出了基于改進(jìn)EEMD與條件在險(xiǎn)值(Conditional Value at Risk, CVaR)的碳市場(chǎng)價(jià)格多尺度風(fēng)險(xiǎn)測(cè)度模型。首先采用改進(jìn)EEMD算法分解碳價(jià)收益率序列；其次,針對(duì)不同尺度的本征模擬函數(shù)(intrinsic mode function, IMF)和殘差項(xiàng)分別采用廣義自回歸條件異方差(Generalized Auto Regressive Conditional Heteroskedasticity,GARCH)模型建模；再次,應(yīng)用迭代累積平方和(Iterated Cumulative Sums of Squares,ICSS)斷點(diǎn)檢測(cè)法識(shí)別出極端事件窗口,并針對(duì)極端事件窗口內(nèi)的各尺度分量分別獨(dú)立采用指數(shù)加權(quán)移動(dòng)平均(Exponentially Weighted Moving Average,EWMA)建模；最后,提出基于多尺度GARCH+EWMA模型對(duì)碳價(jià)收益率的時(shí)變條件方差進(jìn)行測(cè)度,改進(jìn)傳統(tǒng)CVaR對(duì)方差的估計(jì),實(shí)證結(jié)果顯示基于多尺度EWMA+GARCH的CVaR明顯優(yōu)于傳統(tǒng)方差-協(xié)方差方法的CVaR。5.基于Zipf分析技術(shù),將碳價(jià)τ-收益率序列映射成為絕對(duì)頻率和相對(duì)頻率,探討了投資時(shí)間尺度τ和收益預(yù)期ε對(duì)碳價(jià)行為的影響。實(shí)證結(jié)果表明：EUETS碳價(jià)長(zhǎng)期看跌概率大于長(zhǎng)期看漲概率；碳價(jià)行為受到了τ和ε的雙重影響；ε在一定范圍內(nèi)會(huì)扭曲碳價(jià)行為。
【關(guān)鍵詞】：碳市場(chǎng)價(jià)格 拐點(diǎn)預(yù)測(cè) 風(fēng)險(xiǎn)測(cè)度 經(jīng)驗(yàn)?zāi)B(tài)分解 Hibert譜分析 Zipf分析
【學(xué)位授予單位】：五邑大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2015
【分類(lèi)號(hào)】：X196;F831.5
【目錄】：

• 摘要4-6
• Abstract6-10
• 第一章 緒論10-15
• 1.1 研究背景及意義10-11
• 1.2 國(guó)內(nèi)外研究現(xiàn)狀分析11-13
• 1.3 論文架構(gòu)與研究?jī)?nèi)容13-15
• 第二章 基于改進(jìn)希爾伯特-黃變換算法的碳市場(chǎng)價(jià)格多尺度分解15-26
• 2.1 引言15-16
• 2.2 改進(jìn)HHT的多尺度分解方法16-19
• 2.2.1 EMD算法16-17
• 2.2.2 EEMD算法17-18
• 2.2.3 Hilbert變換18-19
• 2.3 實(shí)證分析19-24
• 2.3.1 數(shù)據(jù)19
• 2.3.2 EEMD抑制模態(tài)混疊19-22
• 2.3.3 端點(diǎn)延拓改進(jìn)EEMD抑制端點(diǎn)效應(yīng)22-24
• 2.4 本章小結(jié)24-26
• 第三章 基于多尺度分析的重大突發(fā)事件對(duì)碳市場(chǎng)價(jià)格的影響26-38
• 3.1 引言26-27
• 3.2 改進(jìn)EEMD的事件分析方法27-29
• 3.3 實(shí)證分析29-37
• 3.3.1 2008年全球金融危機(jī)對(duì)碳市場(chǎng)價(jià)格的影響分析29-34
• 3.3.2 2011年歐洲債務(wù)危機(jī)對(duì)碳市場(chǎng)價(jià)格的影響分析34-36
• 3.3.3 兩次危機(jī)的比較分析36-37
• 3.4 本章小結(jié)37-38
• 第四章 基于多尺度分析的碳市場(chǎng)價(jià)格拐點(diǎn)預(yù)測(cè)38-50
• 4.1 引言38-39
• 4.2 改進(jìn)EEMD-SVM的拐點(diǎn)預(yù)測(cè)方法39-40
• 4.3 實(shí)證分析40-49
• 4.3.1 數(shù)據(jù)40-41
• 4.3.2 改進(jìn)EEMD分解41
• 4.3.3 循環(huán)項(xiàng)C識(shí)別41-43
• 4.3.4 循環(huán)項(xiàng)C拐點(diǎn)識(shí)別43-44
• 4.3.5 SVM拐點(diǎn)預(yù)測(cè)44-47
• 4.3.6 SVM拐點(diǎn)預(yù)測(cè)模型驗(yàn)證47-49
• 4.4 本章小結(jié)49-50
• 第五章 基于改進(jìn)EEMD-CVaR模型的碳市場(chǎng)價(jià)格風(fēng)險(xiǎn)測(cè)度50-62
• 5.1 引言50-51
• 5.2 研究方法51-53
• 5.2.1 VaR與CVaR51
• 5.2.2 CVaR的計(jì)算方法51-52
• 5.2.3 GARCH+EWMA-CVaR模型52-53
• 5.2.4 CVaR值的準(zhǔn)確性檢驗(yàn)53
• 5.3 實(shí)證分析53-61
• 5.3.1 數(shù)據(jù)53-54
• 5.3.2 收益序列的多尺度分解與數(shù)據(jù)特征分析54-55
• 5.3.3 多尺度GARCH+EWMA-CVaR模型的CVaR55-58
• 5.3.4 多尺度GARCH+EWMA-總體CVaR模型的CVaR58-60
• 5.3.5 CVaR值測(cè)度的準(zhǔn)確性比較60-61
• 5.4 本章小結(jié)61-62
• 第六章 基于Zipf的碳市場(chǎng)價(jià)格行為特征62-74
• 6.1 引言62
• 6.2 模型與方法62-64
• 6.2.1 Zipf技術(shù)62-63
• 6.2.2 參數(shù)τ和ε的經(jīng)濟(jì)意義以及模型的假設(shè)63-64
• 6.3 實(shí)證分析64-72
• 6.3.1 數(shù)據(jù)來(lái)源和預(yù)處理64-65
• 6.3.2 τ和ε對(duì)預(yù)期收益率的影響65-66
• 6.3.3 參數(shù)ε和投資者類(lèi)型劃分66-68
• 6.3.4 碳價(jià)漲落的絕對(duì)變化頻率68-70
• 6.3.5 碳價(jià)漲落的相對(duì)變化頻率70-72
• 6.4 本章小結(jié)72-74
• 總結(jié)與展望74-76
• 參考文獻(xiàn)76-80
• 攻讀學(xué)位期間發(fā)表論文及參與科研項(xiàng)目80-81
• 致謝81

【參考文獻(xiàn)】

中國(guó)期刊全文數(shù)據(jù)庫(kù) 前2條

1 莊德棟;;碳排放權(quán)交易的多尺度VaR計(jì)算——基于小波變換和GARCH模型[J];財(cái)會(huì)月刊;2012年12期

2 楊德昌;C.Rehtanz;李勇;唐巍;屈瑞謙;;基于改進(jìn)希爾伯特 黃變換算法的電力系統(tǒng)低頻振蕩分析[J];中國(guó)電機(jī)工程學(xué)報(bào);2011年10期

，

本文編號(hào)：1108236