基于 LSTM 神经网络的碳价波动率预测研究——以上海 市为例 

王家威 

长春理工大学经济管理学院，吉林长春，130000； 

摘要：碳排放权交易价格波动率的预测对于我国碳交易市场具有重要意义，能够帮助我国监管机构采取相应的措 施来稳定碳交易市场。基于 LSTM 神经网络的优越预测性能，本文使用 LSTM 神经网络来对上海市碳价波动率进行 预测。首先，根据理论分析选取了影响上海市碳价的关键因素，并将其作为 LSTM 神经网络的输入特征；接着， 构建 LSTM 神经网络，对上海市碳价波动率进行训练，检验其模型拟合性能；最后，运用 LSTM 神经网络对上海市 未来十个交易日的碳价波动率进行了预测。预测结果表明，LSTM 神经网络在训练集上的表现良好，MAE 和 MSE 误 差分别为 0.0411 和 0.0026。基于本研究结果，提出在当前我国碳排放权交易体系基础上加快完善碳交易定价机 制，更新和优化碳价波动率预测模型，促进我国碳交易市场的稳定运行。 

关键词：碳排放权；波动率；LSTM 神经网络 

参考文献 

[1]易兰,杨历,李朝鹏,等. 欧盟碳价影响因素研究及 其对中国的启示[J]. 中国人口·资源与环境,2017,27 (6):42-48. 

[2]孟栖. 基于VEC模型的北京碳排放权交易价格影响因素研究[D]. 北京:中国石油大学(北京),2022. 

[3]马元哲. 中国碳排放权交易市场碳价影响因素研 究[D]. 黑龙江:哈尔滨工业大学,2023. 

[4]冯浩博,余杨. 上海碳市场价格波动变化分析及影 响因素研究[J]. 上海经济,2024(4):27-38. 

[5]王一宁. 中国碳交易市场价格波动特征及其影响 因素研究[D]. 吉林:吉林大学,2024. 

[6]鞠可一,戈棨琛,周德群,等. 中国碳交易市场碳价 波动分析[J]. 江苏科技大学学报（自然科学版）,201 9,33(1):78-86. 

[7]刘洋. 欧盟碳排放权市场波动率预测研究[D]. 黑 龙江:哈尔滨工程大学,2020. 

[8]施露凡,刘鹏兰. "双碳"目标背景下我国碳排放权 交易市场价格波动及风险度量研究[J]. 中国商论,20 23(10):96-99. 

[9]刘石璇. 基于深度学习模型的我国碳排放权价格 预测研究[D]. 华北电力大学,2023.

[10] 段钧陶,杨晓忠. 基于 CEEMDAN 和优化 LSTM 模型 的碳价波动率预测研究[J]. 中国科技论文在线精品 论文,2024,17(2):283-293. 

作者简介：王家威（1999.11.5—），男，汉族，河南 开封人，经济学在读全日制硕士，长春理工大学经济 管理学院金融学研究生，研究方向：证券投资与资本 市场。