基于Transformer-LSTM模型的多因素碳排放权交易价格预测

碳排放权交易作为一种重要的环境政策工具在全球范围内得到了广泛应用。如何运用深度学习等技术提高碳排放权价格预测能力是一个重要问题,基于此,提出一种Transformer-LSTM多因素碳排放权交易价格预测的深度学习模型,以湖北省碳排放权交易价格为例,旨在探索运用深度学习的方法,预测湖北省碳排放权交易价格的变动趋势。输入Transformer-LSTM模型进行预测,同时运用支持向量机回归(SVR)、多层感知机(MLP)、长短时记忆网络(LSTM)、Transformer模型进行预测与对比。通过在历史数据上进行训练,实验结果表明,Transformer-LSTM模型得到的预测价格与湖北省碳排放权交易价格(HBEA)的实际价格更为吻合,在平均绝对误差(MAE)、均方误差(MSE)、均方根误差(RMSE)和评估指标上也有更佳的表现。

CEO特征与股价崩盘风险预警——基于Gradient-Boosting模型的研究

选取2010—2020年沪深A股企业样本,构建梯度提升树模型评估CEO先天特征、人生经历、认知水平与公司组织结构四个特征维度对股价崩盘风险的预警和识别效果。研究发现:CEO特征对于股价崩盘风险预测效果显著;CEO特征与股价崩盘风险之间存在多重内在预测机制;采用Kmeans聚类算法对CEO类型进行划分,“领导型”与“改革型”CEO对股价崩盘风险的影响与预测效果存在显著差异。应完善高管遴选制度与激励机制设计,提高公司治理水平,促进资本市场健康发展。

基于XGBoost和TCN-Attention的棉花价格多影响因素选择及预测

棉花价格受多种因素影响而复杂多变,通过选择合适的数据特征和预测模型可提高棉花价格预测精度.本文以棉花日现货价格数据为研究目标,采集了供需关系、国际市场、宏观经济、产业链这4个方面的9项影响因素作为特征,使用极限梯度提升(XGBoost)算法对棉花价格影响因素进行特征评估筛选,选取其中5项特征后,采用引入注意力机制(Attention)的时间卷积网络(TCN) TCN-Attention、TCN、LSTM、GRU等模型对棉花价格进行预测.通过消融实验和对比实验,结果表明:(1)经过XGBoost特征筛选后, TCN-Attention价格预测的平均绝对误差(MAE)和均方根误差(RMSE)为41.47和58.76,与未筛选相比分别降低了77.57%和76.49%.(2)与TCN、LSTM、GRU相比,本文提出的TCN-Attention模型预测结果更准确, MAE和RMSE均降低50%以上,运行时间较LSTM、GRU缩短60%.

基于超模博弈的移动边缘计算边缘服务定价研究

在移动边缘计算中,计算和存储能力有限的移动用户向边缘服务提供商购买边缘服务来完成计算密集型任务,这依赖于一个边缘服务交易环境。目前,移动边缘计算领域中缺乏对边缘服务定价的研究,这影响边缘服务交易市场的繁荣以及移动边缘计算的快速发展。针对该问题,提出一种基于超模博弈的边缘服务定价方法。该方法首先考虑边缘服务提供商同行价格竞争和移动用户需求的影响,将边缘服务提供商之间的边缘服务定价过程建模成一个博弈模型。然后,基于超模博弈理论证明了该博弈模型存在纳什均衡,即存在最优定价。最后,设计一种梯度迭代更新算法求解该博弈模型的纳什均衡,为每个边缘服务提供商找到最优定价策略。仿真结果表明,所提方法能实现快速定价,并且边缘服务提供商的收益得到显著提升。

江苏省城市地价影响因素分析与空间结构研究

本文以江苏省68个地级与县级市的城市地价为样本,运用因子分析方法对影响地价的诸多变量进行分析,发现城市集聚规模与城市经济发展水平是影响地价的重要因素。对江苏省城市地价进行地统计分析,发现江苏省城市地价明显表现出区域空间分布规律,表现为江苏省城市地价存在南北、东西两个方向上的梯度变化,运用线性回归方法求得两个方向上的梯度值;江苏省城市地价整体有一定正相关性,但局域自相关性表现不强;地价以南京、苏州为高地价点,省内地价存在沿沪宁铁路与长江的高地价条带区域。结合因子分析结果对以上规律做出解释。

梯度峰谷分时电价联合优化模型

峰谷分时电价能够起到削峰填谷的作用,但须全部负荷共同参与。由于没有考虑不同用户间的差异,影响了居民的用电舒适度。梯度电价考虑了不同用户间的差异,可满足用户基本用电不受影响,缓解能源危机,但削峰填谷作用小,且总体用电量会有所下降,不能同时保证发电侧、供电侧和用户侧的利益。梯度峰谷分时电价以缓解电力系统压力、保证居民基本用电、节约社会和电力资源为目的,兼顾发电、供电和用户的利益,将峰谷分时电价与阶梯电价结合起来,在第2与第3梯度内对负荷实行分时电价,第1梯度内负荷电价保持不变,据此构建联合优化设计模型,并通过仿真算例证明了联合优化模型的正确性以及梯度峰谷分时电价的可行性。

住房价格梯度的空间互异性及影响因素——对北京城市空间结构的实证研究

基于单中心城市假设,利用特征价格模型对北京市住房价格空间梯度进行了实证研究,发现传统单中心假设由于与实际偏离较大,模型解释能力不强。纳入方向区域变量后的修正模型解释能力显著提高,住房价格梯度在各空间区域表现出显著差异,这种空间互异性主要受交通基础设施与城市空间结构的影响,与北京市的实际情况非常吻合。

基于GIS基础上的北京住房价格空间格局研究

在分析北京市2007全年的商品住房交易数据基础上,运用G IS技术对13个区的住房价格梯度和房价空间格局进行研究。研究结果表明:北京市住房价格空间格局与城市次中心及基础交通设施的分布有显著的相关性;住房价格在城市次中心附近形成岛型的价格梯度形态;大型轨道和高速公共交通的不均衡分布则加剧了住房价格的空间分异性;北京传统的单中心空间格局正在被打破,城市多中心化趋势渐显。

分布式电源并网的综合效益分析模型

分布式电源具有环境污染小、能源利用率高等优点,其并网会带来可观的经济效益。本文分析了分布式电源并网对电力系统的影响,建立了分布式电源并网的效益量化模型,定量分析了并网后线损、用户购电费、环境成本、停电损失、能源税等方面产生的变化,通过算例论证了配电网合理并入分布式电源带来的综合效益,为并网发电提供科学参考。

上海市住房价格梯度及其影响因素分析

选择从上海市中心区至宝山区的一条南北向区段,通过采集沿线内环以内、内环和中环之间、中环和外环之间以及外环以外四个区间内二手房、新房的价格样本,分析其价格梯度差,发现二手房价格一般要高于新房价格,但其价格递减速度比新房更快。根据实际情况,提取繁华程度、市场供求比例、地理区位、交通条件、人口状况、基础设施、环境质量七个影响住房价格的主要因子,运用多元回归分析方法对样本区域的房地产价格进行分析,得出了多元线性回归方程,并进行了回归分析效果检验;最后分别运用偏相关系数分析法和单项因子权重度量法来估算各因子的影响程度。结果表明,二手房市场和新房市场具有明显差异,市场供求是影响二手房价格的最主要因子,而环境质量则是影响新开楼盘价格的首要因子;繁华程度和交通条件的重要影响作用在本次回归模型中没有得到验证。

我国房地产价格影响因素分析

分析了我国受政策影响下的市场价格体系中,房屋价格构成及波动主要影响因素,然后介绍了随机梯度回归方法理论。以天津市为例,采用随机梯度回归方法,通过分析近十年天津市商品房销售价格的实际数据,阐释了影响天津市近几年商品房价格变化的主要因素及其对房产价格的影响程度。

基于农户风险厌恶的订单农业价格机制

随着我国农业现代化进程的推进和"互联网+农业"战略的实施,订单农业逐渐成为农产品流通的主导方式之一。然而,在我国"小生产、大市场"的背景下,农产品产出与需求不确定性加剧了农业风险,严重损害了农民利益,制约了订单农业发展。在此,主要基于农户风险厌恶特征,将预期收益下的风险最小化作为决策目标,提出阶梯式量价收购合约设计思路,以缓解农业生产不确定性,实现订单农业生产经营的持续与稳定。

川渝地区居民用气推行阶梯价格探析

为了缓解天然气供需矛盾,体现效率与公平,在城市燃气领域逐步建立能客观反映资源稀缺性和供需关系的价格机制,对促进资源的优化配置和环境的协调发展具有重大意义。为此,从川渝地区城市燃气市场严重供不应求的现状以及区域内居民消费水平出发,借鉴居民用水、用电实施阶梯价格的经验,分析了在川渝地区实施阶梯气价的可能性;提出了川渝地区推行居民用气阶梯价格需遵循以民生优先、兼顾环保、公开公平公正的原则,通过科学编制基本生活需求用气、正常家庭生活用气和奢侈型用气3个档次用气定额和气价标准,强化关键技术支撑等措施,充分考虑区域经济与地理环境的差别、天然气供应峰谷成本以及利润分配等因素,积极稳妥推行居民阶梯气价,从而促进国家能源价格改革,合理配置天然气资源,激励全民节能减排意识,保护环境,对构建节约型和谐社会起到积极作用。

基于梯度提升回归模型的生猪价格预测

研究生猪价格的准确预测问题,传统预测模型存在速度慢、陷入局部极小值、核函数的选择等问题,预测效果不佳。为此,首先筛选出生猪价格的显著因素,接着利用Python数据分析分别建立贝叶斯岭回归、普通线性回归、弹性网络和支持向量机模型,将这4个回归模型作为梯度提升回归模型的训练集,对生猪价格进行预测。结果表明,综合集成的梯度提升回归模型的均方差(MSE)为0.056,平均绝对误差(MAE)为0.18,判定系数为0.994,比前面单一模型预测效果好。最后,利用梯度提升回归模型对2017年2月至2017年11月的生猪价格预测,发现输出的预测值与真实值比较接近,最大相对误差为3.495%,梯度提升回归模型具有较高的预测精度。

西安市住房价格梯度差异规律和影响因素研究

在西安市选择一条过市中心的南北向带状区域,分析沿线市中心、二环以内、二三环之间以及三环以外四个区间内新建住房和二手房的价格梯度差,发现各样本区域新建住房价格一般要高于二手房价格,价格递减速度比二手房要快,并且北方向的两类住房价格递减都要快于南方向,波动性也较大。根据实际情况,提取繁华程度、交通便捷度、人口状况、区域环境、基础设施、地理区位、市场供求七个影响住房价格的主要因子,运用多种数理统计分析方法对其进行分析研究。结果表明:新建住房市场和二手房市场虽有差异,但主导因子基本保持一致。繁华程度、区域环境和基础设施是影响两类住房价格的最主要因子,人口因子对新建住房价格影响较大,而二手房则受地理区位影响较大。市场供求和交通条件的重要影响作用在本次回归模型中没有得到验证。

技术壁垒对出口产品价格梯度影响的模型构建与实证分析

技术壁垒一旦形成并且实施,壁垒对进口产品就产生了明显的数量控制机制和价格控制机制的双重作用。即它既具有配额的数量控制作用,又形成了一种特殊的价格调节作用,其作用类似于关税但有其特殊性,是一种复合机制。本文研究分析了技术壁垒引致出口产品价格变化的空间梯度场模型,并根据模型实证分析了技术壁垒对我国出口产品价格梯度的影响,提出了积极应对这种技术壁垒,提高我国出口产品国际竞争力的措施。

一种基于浮动电价的销售电价定价策略

针对可再生能源发电并网的随机性和波动性问题,结合负荷率的变化情况,提出了一种计及可再生能源发电和需求侧响应的配电网实时销售电价定价策略。首先将电价分为基础电价和浮动电价2个部分,基础电价取为固定值。依据短时负荷预测、风电出力预测、光伏出力预测,采用单向梯度法制定实时可再生能源浮动电价;根据需求侧响应曲线的特征,考虑用户价格弹性系数,建立价格弹性矩阵,调动需求侧响应,制定负荷浮动电价。最后,通过实际算例进行分析验证,结果表明该定价策略能够有效地削峰填谷,并且降低用户购电成本,有利于调动用户参与需求侧响应的积极性。

Lévy过程驱动非高斯OU随机波动率下的期权定价

考虑金融时间序列发生的跳跃、随机波动率和"杠杆效应",建立由不同Lévy过程驱动的非高斯OU随机波动模型.通过结构保持等价鞅测度变换和FFT技术,对不同Lévy过程驱动下的非高斯OU(non-Gaussian Ornstein-Uhlenbeck process)期权定价问题进行研究.同时,在结构保持等价鞅测度下,推导出不同Lévy过程驱动下BNS模型离散化表达形式,并构建了基于SMC(sequential Monte Carlo)的极大似然估计、联合样本估计、梯度-SMC估计的非高斯OU期权定价模型参数估计方法.实证研究中,采用近470万个S&P500期权价格数据,从样本内拟合效果、样本外预测、模型稳定性、综合矫正风险几个方面,对不同Lévy过程驱动的非高斯OU期权定价模型、参数估计方法以及期权定价效果进行全面系统研究.实证研究表明,所有模型对实值期权的定价效果要优于虚值期权.本文基于联合样本估计和梯度-SMC估计的非高斯OU期权定价模型具有明显的优势.

城市房地产价格空间结构研究前沿动态——基于城市经济学的视角

本文从城市经济学的视角出发,梳理了城市房地产价格空间结构的理论演进脉络和实证研究,为国内开展房地产价格空间结构研究提供借鉴。研究指出城市房地产价格空间结构通常是通过估算价格梯度(竞租曲线斜率)来衡量的。国外城市经济学者在三类假设(单中心假设、多中心假设、对城市空间结构不事先假设)三大方法(早期的负指数函数模型、特征价格模型和改进的重复销售模型)下展开价格梯度估算研究。最后对国内的研究进行了评论和展望。

道路收费和通行能力的联合最优控制理论模型

在可变需求网络中考虑交通流分配的非均衡演化过程,建立一个时变拥挤收费和道路通行能力的联合最优控制理论模型,旨在使系统的全期总收益最大.利用极大值原理分析了模型的最优性条件,并设计了结合梯度算法的近似迭代算法.数值计算结果满意地解释和支持了提出的模型和算法.