论文部分内容阅读
全球环境变化逐步加剧,控制二氧化碳的排放也成为世界共同的课题,由此低碳经济的发展受到很多国家重视,与之对应的碳排放权交易市场也成为各国发展与研究的热点,欧盟排放配额(EUA)期货和核证减排量(CER)期货是碳排放权交易市场中的主要标的,是项目业主规避风险和获得利润的工具。本论文用小波分析、遗传算法和神经网络等方法,对欧盟排放配额(EUA)期货和核证减排量(CER)期货的价格趋势和交易策略进行研究。本文选取了排放权交易市场中欧盟排放配额(EUA)期货和核证减排量(CER)期货的相关参数作为研究对象,数据的时间范围选取2013年1月2日至2014年12月15日,首先检验确定EUA期货和CER期货是否具有长期协整关系,然后采用Granger因果检验确定其领先滞后关系,建立遗传算法改进的运用不同小波函数的神经网络模型,对具有滞后关系的CER期货价格趋势进行预测,实验结果表明,EUA期货与CER期货价格之间具有长期的协整关系,而且EUA期货价格先导于CER期货价格,采用绝对误差,平均绝对百分比误差等四个指标度量预测结果发现,改进的模型比改进前的BP小波神经网络预测精度更高,使用遗传算法改进的Mexican hat小波神经网络模型预测效果最好,与实际的价格波动几乎一致,而使用遗传算法改进的Morlet小波模型效果稍次。将EUA期货价格由db6小波分解重构成为趋势部分和细节部分,运用选出的遗传—Mexican hat小波神经网络模型分别对它们进行学习并划定自适应交易阈,对比每日价格与自适应交易阈值选择交易策略,最后根据这种自适应交易策略在不同EUA期货市场情况下的收益情况测定自适应交易策略在不同市场中的性能。实验结果表明自适应交易策略在EUA期货市场频繁剧烈波动时收益突出,在市场价格波动较为平缓时也能获得较好收益。本文建立的遗传-Mexican hat小波神经网络模型为预测问题提供了一种有效的解决途径,提出的自适应交易策略在EUA期货市场频繁剧烈波动和较为平稳时均有较好表现,这种方法为碳排放期货市场中交易决策的制定产生了一定的参考作用,也为其他期货市场的研究提供了新的视角和研究基础。