基于CEEMDAN和优化LSTM模型的碳价波动率预测研究

本文以北京碳配额交易价格实际波动率为研究对象,构建以自适应噪声完备集合经验模态分解(complete ensemble empirical mode decomposition with adaptive noise,CEEMDAN)和长短期记忆网络(long short-term memory networks,LSTM)为基础的混合预测模型,采用粒子群优化算法(particle swarm optimization,PSO)确定模型结构参数。实验结果证明:该模型具备提取多尺度复杂时间序列波动趋势和有效处理金融时间序列的优点,粒子群算法对预测模型结构参数的优化避免了因参数选取不当导致的拟合问题,该模型在碳价波动率预测方面具备较高的准确性和稳定性。

欧盟碳排放权市场重大公告事件对碳价格的影响

随着全球气候变化问题不断突出,建立碳排放权交易市场成为各国政府应对气候变化、控制温室气体排放的重要措施。作为新生市场,碳市场价格容易受到制度类重大公告事件的较大冲击。文章通过在传统AR-GARCH模型的均值方程和波动方程中加入双边修正虚拟变量,提出双边修正虚拟变量的事件研究方法;以欧盟碳市场国家配额分配计划(NAP)公告和核证排放量公告(VEA)事件为例,分析了重要公告的发布对碳价格的潜在影响。实证结果表明,双边修正虚拟变量方法可以有效捕捉公告事件对碳价收益率和波动性的事前、事后影响过程。国家配额分配计划公告对碳价收益产生了显著的正向影响,且表现出较长的事前影响。核证排放量公告在碳市场第一阶段对碳价收益产生了显著的事后负向影响,在第二和第三阶段对碳价收益产生了显著的事前和事后正向影响,且在两阶段对碳价波动性都没有显著影响。第一阶段的核证排放量信息为市场预期提供了准确参考,使第二和第三阶段的核证排放公告对碳市场的影响减弱。

炼化企业CCUS决策及激励政策研究——以合成尿素为例

目前二氧化碳捕集、利用与封存(CCUS)项目大多以煤电厂作为碳源、以驱油为主要利用方式。随着CCUS技术不断发展,二氧化碳的工业应用范围也将不断扩大。研究以炼化厂烟气为碳源、以“合成尿素+驱油”为利用方式的CCUS投资决策,基于实物期权理论和最小二乘法蒙特卡洛模拟计算出给定参数条件下的最佳投资时机和最大投资价值,并对一些参数进行了敏感性分析。研究结果表明:当初始碳价水平≥130元/t时,将会触发立即投资条件,高碳价是激励企业进行CCUS投资的重要因素。碳价波动率对炼化企业的CCUS投资决策同样有显著影响,稳定的碳价环境有助于激励投资。驱油补贴≥150元/桶时,能够有效刺激炼化企业进行投资,最佳投资时机提前至2026年,显示出政府政策在推动CCUS项目上的重要性。初始设备投资补贴也能够刺激投资,但效果并不十分显著,可能需要更多政策支持来激励企业投资。基于研究结果提出政策建议,以期能够助力CCUS发展及应用推广。