新冠疫情下碳排放权期权定价及实证研究

随着低碳经济时代的到来,不论是理论研究还是实际应用方面,碳排放权的定价问题越来越受到大家的关注,尤其是研究新冠疫情下碳排放权期权定价问题。本文借助于决策树梯度提升算法(LGBM)、自适应噪声的完全经验模态分解(CEEMDAN)及AE近似熵重构算法,集机制转换的跳–扩散模型(RSJM)、径向基神经网络模型(RBF)的优点,建立了一种不同特征维度下RSJM-RBF碳排放权期权定价模型;并利用新冠疫情下欧盟EUA碳排放权期权数据进行了实证分析。实证结果表明:与基于GARCH的分数布朗运动模型(FBM)相比,本文提出的RSJM-RBF碳排放权期权定价模型具有较高的预测精度;以皮尔逊相关系数为指标,对两种模型进行了鲁棒性分析,结果显示本文所建模型的稳健性更强。

我国碳金融的可持续发展研究——基于PEST分析法

由温室气体过度排放导致的全球变暖问题使得低碳经济在世界范围内快速发展,碳金融便是低碳经济的主要表现之一,碳金融包括以温室气体为标的的股票交易和以温室气体排放权为标的的期权交易等多种形式的金融活动。我国作为世界上第二大经济体,碳金融市场广阔而且潜力巨大,但由于我国当前经济的发展模式以及碳金融在我国起步较晚等客观因素的限制,因此碳金融在我国的发展依然具有很大的局限性。本文从碳金融的发展历程入手,结合PEST分析法,从政治(Political)、经济(Economic)、社会(Social)和科技(Techonological)等方面着重分析近几十年碳金融在我国的进程及影响,指出碳金融是高效、绿色和可持续的经济发展模式,但由于我国国情依然存在发展限制,并就此提出一些政策建议。