文摘碳价是碳市场的核心要素,碳价波动受到众多因素及其时滞效应的影响。为精准预测全国碳市场碳排放配额(Chinese emission allowances,CEA)价格,从关联碳市场、经济发展、国外能源、国内能源和人民币汇率五个维度选取结构化影响因素,从经济政策、环境影响和用户意愿三个维度爬取来自百度搜索引擎的非结构化影响因素,然后引入MIV-BP模型筛选主要的影响因素,并基于最大信息系数(maximum information coefficient,MIC)对碳价以及多源影响因素进行时滞估计。在此基础上,构建融合多源信息的碳价时滞组合预测模型MIC-LSTM-BP,并和基准模型LSTM、BP、LSTM-BP以及时滞基准模型MIC-LSTM、MIC-BP、MIC-LSTM-GBDT进行对比分析,以验证新模型的有效性。结果表明,时滞信息的引入有助于提升模型的预测精度;相较于基准模型和时滞基准模型,MICLSTM-BP模型预测CEA价格精度最高,价格波动追随能力最好。
