• <tr id="yyy80"></tr>
  • <sup id="yyy80"></sup>
  • <tfoot id="yyy80"><noscript id="yyy80"></noscript></tfoot>
  • 99热精品在线国产_美女午夜性视频免费_国产精品国产高清国产av_av欧美777_自拍偷自拍亚洲精品老妇_亚洲熟女精品中文字幕_www日本黄色视频网_国产精品野战在线观看 ?

    基于EMD—PSO—SVM誤差校正模型的國際碳金融市場價格預(yù)測

    2014-07-29 09:24高楊李健
    中國人口·資源與環(huán)境 2014年6期
    關(guān)鍵詞:粒子群算法支持向量機(jī)

    高楊 李健

    摘要 國際碳金融市場價格預(yù)測是制定碳金融市場政策和提高風(fēng)險管理能力的基礎(chǔ)。近年來國際碳市場價格呈現(xiàn)出非平穩(wěn)、非線性等不規(guī)律特性,傳統(tǒng)應(yīng)用于社會經(jīng)濟(jì)時間序列的統(tǒng)計模型已經(jīng)越來越難以滿足日漸復(fù)雜的社會經(jīng)濟(jì)系統(tǒng)的需要?;诖吮疚慕⒘嘶诮?jīng)驗?zāi)B(tài)分解(EMD)-粒子群算法(PSO)-支持向量機(jī)(SVM)的國際碳金融市場價格誤差校正預(yù)測模型。數(shù)據(jù)選取2008年3月-2013年9月ICE碳排放期貨交易所的CER期貨(DEC12)和EUA期貨(DEC12)的日交易結(jié)算價格作為考察樣本進(jìn)行仿真驗證。結(jié)果顯示:①引入EMD方法可以有效解決誤差序列隨機(jī)性強(qiáng)、相鄰頻帶的干擾可能造成誤差序列無法體現(xiàn)反映全部系統(tǒng)動力信息的缺陷;②校正后的預(yù)測值與誤差預(yù)測值的趨勢具有較高的一致性,預(yù)測結(jié)果滯后性和拐點誤差大的問題得到了很好的解決;③預(yù)測結(jié)果較其他常用的國際碳金融價格預(yù)測模型進(jìn)行了比較分析,預(yù)測精度有了明顯提高。本研究提出的預(yù)測模型可以為我國針對目前國際碳價格市場所呈現(xiàn)的波動特征下的碳金融市場價格預(yù)測提供新的方法和借鑒。

    關(guān)鍵詞 碳金融價格預(yù)測;誤差預(yù)測;經(jīng)驗?zāi)B(tài)分解;粒子群算法;支持向量機(jī)

    中圖分類號 TP18;F830 文獻(xiàn)標(biāo)識碼 A 文章編號 1002-2104(2014)06-0163-08 doi:103969/jissn1002-2104201406024

    我國“十二五”期間首次明確提出要建立碳排放交易市場,完善碳排放交易制度。而可靠的碳金融價格預(yù)測作為重要的決策工具可以為我國制定碳排放交易市場相關(guān)政策、提高碳市場風(fēng)險管理能力及減少碳資產(chǎn)流失提供有效的依據(jù)。2005年《京都議定書》的正式生效,標(biāo)志著利用市場機(jī)制進(jìn)行溫室氣體減排的開端,碳交易市場在全球迅速發(fā)展起來。目前,碳衍生產(chǎn)品市場的發(fā)展速度要遠(yuǎn)超碳現(xiàn)貨市場,而且碳排放現(xiàn)貨、期貨、遠(yuǎn)期、期權(quán)等碳金融產(chǎn)品已發(fā)展成為市場參與者實現(xiàn)碳排放的投資組合收益、增強(qiáng)金融風(fēng)險管理的主要金融管理工具[1]。據(jù)世界銀行統(tǒng)計并預(yù)測,2011年全球碳排放市場總交易市場規(guī)模達(dá)

    1 760億美元,交易量達(dá)103億t CO2當(dāng)量,較2010年增長11%,預(yù)計2020年將達(dá)到3.5萬億美元,將取代石油市場成為全球最大的商品交易市場[2]。目前,中國碳交易市場處于初步建設(shè)階段,尚處于碳價值鏈的末端,缺乏碳交易的議價權(quán),導(dǎo)致我國碳資產(chǎn)流失嚴(yán)重,2008年因碳價差就造成我國高達(dá)33億歐元的碳資產(chǎn)流失[3],建立自主碳交易體系、開展各類碳金融業(yè)務(wù)已成為我國參與全球國際碳金融競爭、實現(xiàn)可持續(xù)發(fā)展的當(dāng)務(wù)之急。而碳金融價格預(yù)測作為提高碳金融市場風(fēng)險防范能力和減少碳資產(chǎn)價值流失的有效途徑之一,目前已成為學(xué)術(shù)界所關(guān)注的熱點,所以探究和開發(fā)針對當(dāng)前國際碳金融市場價格波動特征下的價格預(yù)測方法是具有現(xiàn)實意義的研究課題。

    目前國內(nèi)外學(xué)者針對國際碳金融市場價格的預(yù)測方面進(jìn)行了大量的研究,所采用的模型和方法主要可以分為數(shù)據(jù)驅(qū)動模型和數(shù)據(jù)發(fā)掘模型兩種。數(shù)據(jù)驅(qū)動模型主要是對碳市場價格組成的時間序列進(jìn)行深層次的分析和模擬,包括利用ARMA,ARCH,GARCH、TGARCH等方法對碳金融市場價格進(jìn)行預(yù)測,如chevallier J等構(gòu)建了AR(1)-GARCH(1,1)模型對EUA現(xiàn)貨、EUA期貨和CER期貨價格波動特征進(jìn)行了預(yù)測與分析[4]。Suk Joon Byu和Hangjun Cho對比了GARCH、K近鄰算法和隱含波動率的對于碳期貨價格的波動性預(yù)測能力,研究結(jié)果表明GARCH模型要優(yōu)于K近鄰算法和隱含波動率[5]。Yudong Wang和Chongfeng Wu對比了基于單變量和多變量的GARCH族模型在能源市場中的預(yù)測效果,結(jié)果顯示多變量模型預(yù)測效果要優(yōu)于單變量模型[6]。C. G. Martos,J. Rodriguez和M. J. Sánchez建立了一個多元GARCH模型對碳排放配額價格進(jìn)行預(yù)測,結(jié)果顯示該常見的波動因素可以用于改善預(yù)測區(qū)間[7]。最近能從大量模糊的隨機(jī)數(shù)據(jù)中提取隱含的有價值信息的數(shù)據(jù)挖掘技術(shù)如混沌理論、灰色理論、神經(jīng)網(wǎng)絡(luò)以及支持向量機(jī)(Support Vector Machine, SVM)等越來越多的被引用到非平穩(wěn)、非線性時間序列的預(yù)測中來。其中,建立在統(tǒng)計學(xué)習(xí)理論基礎(chǔ)上的SVM方法在時間序列預(yù)測方面具有可以有效縮小泛化誤差區(qū)間,降低模型的結(jié)構(gòu)風(fēng)險,同時又保證樣本預(yù)測誤差最小的優(yōu)點[8]。鑒于碳金融市場價格時間序列的強(qiáng)噪聲特征,近幾年不少學(xué)者將SVM方法引入對國際能源價格和國際碳金融市場價格進(jìn)行預(yù)測和分析中,取得較好的預(yù)測結(jié)果。如Jinliang Zhang、Zhongfu Tan提出了一種基于WT、CLSSVM和EGARCH的混合預(yù)測模型,通過對西班牙電力期貨市場的節(jié)點邊際電價和市場供求平均電價進(jìn)行實證研究驗證了該模型具有較好的預(yù)測能力[9]。L.M. Saini、S.K. Aggarwal和A. Kumar構(gòu)建了一個基于GASVM的預(yù)測模型,并將該模型運(yùn)用到了澳大利亞國家電力市場(NEM)的兩個大型電力系統(tǒng)中進(jìn)行測試,結(jié)果顯示該模型具有較好的預(yù)測能力[10]。Bangzhu Zhu、Yiming Wei針對傳統(tǒng)ARIMA模型在預(yù)測非線性特征下碳期貨價格時的缺陷,構(gòu)建了ARIMALSSVM的混合模型,并對EU ETS下的兩種碳期貨價格進(jìn)行實證研究,結(jié)果驗證了該混合模型較傳統(tǒng)線性時間序列預(yù)測模型的優(yōu)越性[11]。朱幫助、魏一鳴構(gòu)建了基于GARCHPSOLSSVM的混合預(yù)測模型,并選用EU ETS下的不同到期的碳期貨合約進(jìn)行實證分析,取得了較好的預(yù)測結(jié)果[12]。這些在SVM方法基礎(chǔ)上的改進(jìn)方法使得預(yù)測精度相對于傳統(tǒng)預(yù)測方法有了較大的提高,但是現(xiàn)有方法仍未有效的解決運(yùn)用SVM方法的預(yù)測結(jié)果相對于實際值具有滯后性、拐點處誤差較大的缺陷,使得預(yù)測精度受到影響。

    針對上述問題,本文構(gòu)建了一種基于EMDPSOSVM的誤差校正預(yù)測模型。該模型是在SVM預(yù)測的基礎(chǔ)上,先運(yùn)用PSO算法對SVM模型的參數(shù)進(jìn)行優(yōu)化后對原始碳金融價格序列進(jìn)行初步預(yù)測,而后引入EMD方法將測試誤差分解為具有不同尺度特征的模態(tài)分量的疊加,并運(yùn)用PSOSVM模型對這些分量進(jìn)行訓(xùn)練并預(yù)測獲得誤差預(yù)測值后,再通過預(yù)測誤差對初步預(yù)測值的校正來解決預(yù)測滯后和拐點誤差較大的問題以提高預(yù)測精度,選取ICE碳交易所2008-2013年12月份到期的CER期貨合約和EUA期貨合約的日交易結(jié)算價格數(shù)據(jù)進(jìn)行實證模擬,最后將預(yù)測結(jié)果與其他常用預(yù)測方法的預(yù)測結(jié)果進(jìn)行了比較分析,驗證了該模型的可行性和精確性。

    1 研究方法

    1.1 EMD方法原理

    經(jīng)驗?zāi)B(tài)分解(Empirical Mode Decomposition)方法,亦稱HilbertHuang變換,是由美國國家宇航局的N E Huang在1998年提出的一種新的自適應(yīng)信號處理方法[13]。經(jīng)驗?zāi)B(tài)分解可以將信號中不同時間尺度的波動逐級分解后得到幾個具有不同尺度特征的本征模函數(shù)(Intrinsic Mode Function,IMF)和一個代表原始信號總體趨勢的剩余分量,分解結(jié)果能夠反映真實的物理過程,非常適合處理非平穩(wěn)、非線性的信號[14]。

    (DEC12)和EUA期貨日結(jié)算價格(DEC12)進(jìn)行實證分析,預(yù)測結(jié)果表明:

    (1)利用PSO算法對SVM建模中的參數(shù)進(jìn)行優(yōu)化,可以使參數(shù)的選擇更加合理,避免了人為選擇的隨機(jī)性。

    (2)將EMD方法引入對誤差的預(yù)測上來,建立了基于EMDPSOSVM方法融合的預(yù)測模型,使誤差信號中包含的信息通過各基本模態(tài)分量得以充分體現(xiàn),解決了誤差序列隨機(jī)性強(qiáng),相鄰頻帶的干擾可能造成誤差序列無法體現(xiàn)反映全部系統(tǒng)動力信息的缺陷,提高了預(yù)測數(shù)值的經(jīng)濟(jì)含義。

    (3)對本研究選取的CER期貨(DEC12)日交易結(jié)算價格和EUA期貨(DEC12)日交易結(jié)算價格進(jìn)行實證分析,結(jié)果表明該預(yù)測模型能夠有效解決預(yù)測結(jié)果滯后和拐點誤差較大的問題,并與其他碳金融領(lǐng)域常用的預(yù)測方法進(jìn)行了比較分析,提高了預(yù)測精度。

    國際碳金融市場是一個涉及政治、經(jīng)濟(jì)、社會、環(huán)境、科學(xué)技術(shù)等眾多因素的復(fù)雜系統(tǒng),對國際碳市場價格的預(yù)測及分析是一項非常重要的任務(wù),尤其對于中國來講,建立符合國情的碳金融市場,提高對國際碳市場價格的預(yù)測能力,對我國減少由于碳價差帶來的損失,提高對碳金融市場的風(fēng)險防范能力有著重要的意義。本研究提出的預(yù)測模型針對目前國際碳金融市場價格所呈現(xiàn)的屬性和特征,可以為我國未來碳金融市場價格預(yù)測提供新的思路和方法。限于篇幅,本研究僅對兩種主流碳貨進(jìn)行了測試,進(jìn)一步增加樣本的數(shù)量、擴(kuò)大測試范圍,在此模型基礎(chǔ)上建立多因素影響下的碳金融市場價格誤差校正預(yù)測模型是下一步的研究方向。

    (編輯:常 勇)

    參考文獻(xiàn)(References)

    [1]王蘇生, 常凱, 劉艷, 等. 碳排放便利收益與期權(quán)價值分析[J]. 系統(tǒng)管理學(xué)報, 2012, 21(4): 552-558.

    [2]王偉. 未來低碳經(jīng)濟(jì)戰(zhàn)略中需重視碳交易市場發(fā)展[DB/OL]. 中國碳排放交易網(wǎng), (2013-09-18)[2013-11-02].http://www.financialnews.com.cn/gj/gjyw/201206/t20120601_8769.html.

    [3]楊志, 郭兆暉. 低碳經(jīng)濟(jì)的由來、現(xiàn)狀與運(yùn)行機(jī)制[J]. 學(xué)習(xí)與探索, 2010, (2): 124-127.

    [4]Chevallier J. Volatility Forecasting of Carbon Prices Using Factor Models[J]. Economics Bulletin, 2010, 30(2): 1642-1660.

    [5]Byun S J, Cho H J. Forecasting Carbon Futures Volatility Using GARCH Models with Energy Volatilities[J]. Energy Economics, 2013, (40): 207-221.

    [6]Wang Y D, Wu C F. Forecasting Energy Market Volatility Using GARCH Models: Can Multivariate Models Beat Univariate Models?[J]. Energy Economics, 2012, (34): 2167-2181.

    [7]Martos C G, Rodriguez J, Sánchez M J. Modelling and Forecasting Fossil Fuels, CO2 and Electricity Prices and Their Volatilities[J]. Applied Energy, 2013, (101): 363-375.

    [8]Vapnik V. The Nature of Statistical Learning Theory[M]. New York: Springerverlag, 1999: 78-82.

    [9]Zhang J L, Tan Z F. Dayahead Electricity Price Forecasting Using WT, CLSSVM and EGARCH Model[J]. Electrical Power and Energy Systems, 2013, (45): 362-368.

    [10]Saini L M, Aggarwal S K, Kumar A. Parameter Optimisation Using Genetic Algorithm for Support Vector Machinebased Priceforecasting Model in National Electricity Market IET[J]. Gener. Transm. Distrib., 2010, 4(1): 36-49.

    [11]Zhu B Z, Wei Y M. Carbon Price Forecasting with a Novel Hybrid ARIMA and Least Squares Support Vector Machines Methodology[J]. Omega, 2013, (41): 517-524.

    [12]朱幫助, 魏一鳴. 基于GMDHPSOLSSVM的國際碳市場價格預(yù)測[J]. 系統(tǒng)工程理論與實踐, 2011, 31(12): 2264-2271.

    [13]Huang N E, Shen Z, Long S R, et al. The Empirical Mode Decomposition and the Hilbert Spectrum for Nonlinear and Nonstationary Time Series Analysis[J]. Proceedings of the Royal Society A: Mathematical, Physical and Engineering Sciences, 1998, (1971): 903-995.

    [14]謝曉陽, 喬新勇, 劉健敏. 柴油機(jī)工作不均勻性的振動檢測方法[J]. 噪聲與振動控制, 2013, 33(3): 79-83.

    [15]劉慧婷, 倪志偉, 李建洋. 經(jīng)驗?zāi)B(tài)分解方法及其實現(xiàn)[J]. 計算機(jī)工程與應(yīng)用. 2006, (32): 44-47.

    [16]Cortes C, Vapnik V. Supportvector Networks[J]. Machine Learning, 1995, (3): 273-297.

    [17]曾偉. 多子種群PSO優(yōu)化SVM的網(wǎng)絡(luò)流量預(yù)測[J]. 北京交通大學(xué)學(xué)報, 2013, 37(5): 62-66.

    [18]Kennedy J, Eberhart R C. Particle Swarm Optimization[C]//Proc IEEE Conf on Neural Networks, Perth: Piscataway 1995, (4): 1942-1948.

    [19]Liu J, Liu Z, Xiong Y. Method of Parameters Optimization in SVM Based on PSO[J]. Transactions on Computer Science and Technology, 2013, 2(1): 9-16.

    [20]石曉艷, 劉淮霞, 于水娟. 鯰魚粒子群算法優(yōu)化支持向量機(jī)的短期負(fù)荷預(yù)測[J]. 計算機(jī)工程與應(yīng)用, 2013, 49(11): 220-223.

    [21]Hassan M, Isa D, Rajkumar R, et al. Reducing Support Vector Machine Classification Error by Implementing Kalman Filter[J]. I.J. Intelligent Systems and Applications, 2013, (9): 10-18.

    [22]王玉, 郇志堅. 歐盟碳排放權(quán)交易市場的價格發(fā)現(xiàn)和波動溢出研究[J], 中國人口·資源與環(huán)境, 2012, 22(5): 244-249.

    Abstract The price prediction of international carbon finance market is the basis for developing carbon finance market policies and improving risk management capabilities. In recent years, the carbon price showing nonstationary and nonlinear irregular features, the traditional time series statistical model used in socioeconomic has become difficult to meet the increasingly complex social and economic systems. This paper established an error correction prediction model based on empirical mode decomposition (EMD), particle swarm optimization (PSO) and Support Vector Machine (SVM) to predict international carbon finance market price. Then, taking the carbon futures prices of CER and EUA with maturity called DEC 12 respective of Intercontinental Exchange as samples, empirical results show that: ①the introduced EMD method can resolve the deficiencies effectively that error sequences have strong randomness and interference of adjacent band may cause the outcome that the error sequences can not reflect all of the system dynamic information; ②the trend of corrected predicted values and error predicted values has high consistency, and the predict hysteresis and inflection point error can be solved effectively; ③the model has better prediction precision after comparing to other models commonly used in international carbon finance price prediction. This study proposes a model used in carbon price prediction to provide a new method and reference under the fluctuation characteristics of current international carbon market price.

    Key words carbon finance price prediction; error prediction; empirical mode decomposition; particle swarm optimization; support vector machines

    [12]朱幫助, 魏一鳴. 基于GMDHPSOLSSVM的國際碳市場價格預(yù)測[J]. 系統(tǒng)工程理論與實踐, 2011, 31(12): 2264-2271.

    [13]Huang N E, Shen Z, Long S R, et al. The Empirical Mode Decomposition and the Hilbert Spectrum for Nonlinear and Nonstationary Time Series Analysis[J]. Proceedings of the Royal Society A: Mathematical, Physical and Engineering Sciences, 1998, (1971): 903-995.

    [14]謝曉陽, 喬新勇, 劉健敏. 柴油機(jī)工作不均勻性的振動檢測方法[J]. 噪聲與振動控制, 2013, 33(3): 79-83.

    [15]劉慧婷, 倪志偉, 李建洋. 經(jīng)驗?zāi)B(tài)分解方法及其實現(xiàn)[J]. 計算機(jī)工程與應(yīng)用. 2006, (32): 44-47.

    [16]Cortes C, Vapnik V. Supportvector Networks[J]. Machine Learning, 1995, (3): 273-297.

    [17]曾偉. 多子種群PSO優(yōu)化SVM的網(wǎng)絡(luò)流量預(yù)測[J]. 北京交通大學(xué)學(xué)報, 2013, 37(5): 62-66.

    [18]Kennedy J, Eberhart R C. Particle Swarm Optimization[C]//Proc IEEE Conf on Neural Networks, Perth: Piscataway 1995, (4): 1942-1948.

    [19]Liu J, Liu Z, Xiong Y. Method of Parameters Optimization in SVM Based on PSO[J]. Transactions on Computer Science and Technology, 2013, 2(1): 9-16.

    [20]石曉艷, 劉淮霞, 于水娟. 鯰魚粒子群算法優(yōu)化支持向量機(jī)的短期負(fù)荷預(yù)測[J]. 計算機(jī)工程與應(yīng)用, 2013, 49(11): 220-223.

    [21]Hassan M, Isa D, Rajkumar R, et al. Reducing Support Vector Machine Classification Error by Implementing Kalman Filter[J]. I.J. Intelligent Systems and Applications, 2013, (9): 10-18.

    [22]王玉, 郇志堅. 歐盟碳排放權(quán)交易市場的價格發(fā)現(xiàn)和波動溢出研究[J], 中國人口·資源與環(huán)境, 2012, 22(5): 244-249.

    Abstract The price prediction of international carbon finance market is the basis for developing carbon finance market policies and improving risk management capabilities. In recent years, the carbon price showing nonstationary and nonlinear irregular features, the traditional time series statistical model used in socioeconomic has become difficult to meet the increasingly complex social and economic systems. This paper established an error correction prediction model based on empirical mode decomposition (EMD), particle swarm optimization (PSO) and Support Vector Machine (SVM) to predict international carbon finance market price. Then, taking the carbon futures prices of CER and EUA with maturity called DEC 12 respective of Intercontinental Exchange as samples, empirical results show that: ①the introduced EMD method can resolve the deficiencies effectively that error sequences have strong randomness and interference of adjacent band may cause the outcome that the error sequences can not reflect all of the system dynamic information; ②the trend of corrected predicted values and error predicted values has high consistency, and the predict hysteresis and inflection point error can be solved effectively; ③the model has better prediction precision after comparing to other models commonly used in international carbon finance price prediction. This study proposes a model used in carbon price prediction to provide a new method and reference under the fluctuation characteristics of current international carbon market price.

    Key words carbon finance price prediction; error prediction; empirical mode decomposition; particle swarm optimization; support vector machines

    [12]朱幫助, 魏一鳴. 基于GMDHPSOLSSVM的國際碳市場價格預(yù)測[J]. 系統(tǒng)工程理論與實踐, 2011, 31(12): 2264-2271.

    [13]Huang N E, Shen Z, Long S R, et al. The Empirical Mode Decomposition and the Hilbert Spectrum for Nonlinear and Nonstationary Time Series Analysis[J]. Proceedings of the Royal Society A: Mathematical, Physical and Engineering Sciences, 1998, (1971): 903-995.

    [14]謝曉陽, 喬新勇, 劉健敏. 柴油機(jī)工作不均勻性的振動檢測方法[J]. 噪聲與振動控制, 2013, 33(3): 79-83.

    [15]劉慧婷, 倪志偉, 李建洋. 經(jīng)驗?zāi)B(tài)分解方法及其實現(xiàn)[J]. 計算機(jī)工程與應(yīng)用. 2006, (32): 44-47.

    [16]Cortes C, Vapnik V. Supportvector Networks[J]. Machine Learning, 1995, (3): 273-297.

    [17]曾偉. 多子種群PSO優(yōu)化SVM的網(wǎng)絡(luò)流量預(yù)測[J]. 北京交通大學(xué)學(xué)報, 2013, 37(5): 62-66.

    [18]Kennedy J, Eberhart R C. Particle Swarm Optimization[C]//Proc IEEE Conf on Neural Networks, Perth: Piscataway 1995, (4): 1942-1948.

    [19]Liu J, Liu Z, Xiong Y. Method of Parameters Optimization in SVM Based on PSO[J]. Transactions on Computer Science and Technology, 2013, 2(1): 9-16.

    [20]石曉艷, 劉淮霞, 于水娟. 鯰魚粒子群算法優(yōu)化支持向量機(jī)的短期負(fù)荷預(yù)測[J]. 計算機(jī)工程與應(yīng)用, 2013, 49(11): 220-223.

    [21]Hassan M, Isa D, Rajkumar R, et al. Reducing Support Vector Machine Classification Error by Implementing Kalman Filter[J]. I.J. Intelligent Systems and Applications, 2013, (9): 10-18.

    [22]王玉, 郇志堅. 歐盟碳排放權(quán)交易市場的價格發(fā)現(xiàn)和波動溢出研究[J], 中國人口·資源與環(huán)境, 2012, 22(5): 244-249.

    Abstract The price prediction of international carbon finance market is the basis for developing carbon finance market policies and improving risk management capabilities. In recent years, the carbon price showing nonstationary and nonlinear irregular features, the traditional time series statistical model used in socioeconomic has become difficult to meet the increasingly complex social and economic systems. This paper established an error correction prediction model based on empirical mode decomposition (EMD), particle swarm optimization (PSO) and Support Vector Machine (SVM) to predict international carbon finance market price. Then, taking the carbon futures prices of CER and EUA with maturity called DEC 12 respective of Intercontinental Exchange as samples, empirical results show that: ①the introduced EMD method can resolve the deficiencies effectively that error sequences have strong randomness and interference of adjacent band may cause the outcome that the error sequences can not reflect all of the system dynamic information; ②the trend of corrected predicted values and error predicted values has high consistency, and the predict hysteresis and inflection point error can be solved effectively; ③the model has better prediction precision after comparing to other models commonly used in international carbon finance price prediction. This study proposes a model used in carbon price prediction to provide a new method and reference under the fluctuation characteristics of current international carbon market price.

    Key words carbon finance price prediction; error prediction; empirical mode decomposition; particle swarm optimization; support vector machines

    猜你喜歡
    粒子群算法支持向量機(jī)
    蟻群算法的運(yùn)用及其優(yōu)化分析
    基于改進(jìn)支持向量機(jī)的船舶縱搖預(yù)報模型
    電力市場交易背景下水電站優(yōu)化調(diào)度研究
    基于粒子群算法的產(chǎn)業(yè)技術(shù)創(chuàng)新生態(tài)系統(tǒng)運(yùn)行穩(wěn)定性組合評價研究
    基于SVM的煙草銷售量預(yù)測
    動態(tài)場景中的視覺目標(biāo)識別方法分析
    論提高裝備故障預(yù)測準(zhǔn)確度的方法途徑
    基于熵技術(shù)的公共事業(yè)費最優(yōu)組合預(yù)測
    基于支持向量機(jī)的金融數(shù)據(jù)分析研究
    無線傳感器網(wǎng)絡(luò)聯(lián)盟初始結(jié)構(gòu)生成研究
    xxxhd国产人妻xxx| 丝袜在线中文字幕| 午夜免费男女啪啪视频观看| 大话2 男鬼变身卡| av又黄又爽大尺度在线免费看| 久久 成人 亚洲| 侵犯人妻中文字幕一二三四区| 国产亚洲av片在线观看秒播厂| 日本黄色日本黄色录像| 久久99精品国语久久久| 亚洲国产精品一区三区| 精品国产超薄肉色丝袜足j| 久久国产精品男人的天堂亚洲| 午夜福利在线免费观看网站| 桃花免费在线播放| 看免费av毛片| 婷婷色av中文字幕| 久久久久精品人妻al黑| 日韩伦理黄色片| 久久综合国产亚洲精品| 久久久精品区二区三区| 热99久久久久精品小说推荐| 1024视频免费在线观看| 国产人伦9x9x在线观看 | 国产精品二区激情视频| 超色免费av| 一级毛片电影观看| 99热全是精品| 中文字幕人妻丝袜一区二区 | 欧美成人午夜精品| 蜜桃在线观看..| 成人毛片a级毛片在线播放| 亚洲成国产人片在线观看| 精品国产国语对白av| 久久久久久人人人人人| 免费大片黄手机在线观看| 欧美精品一区二区免费开放| 亚洲精品久久午夜乱码| 国产欧美日韩一区二区三区在线| 伦精品一区二区三区| 日产精品乱码卡一卡2卡三| 免费av中文字幕在线| 男人爽女人下面视频在线观看| 午夜福利视频在线观看免费| 亚洲成人av在线免费| 日韩精品有码人妻一区| 午夜老司机福利剧场| 久久精品国产亚洲av天美| 亚洲久久久国产精品| 91国产中文字幕| 亚洲国产精品一区三区| 女人被躁到高潮嗷嗷叫费观| 久久久国产精品麻豆| 最黄视频免费看| 亚洲精品久久午夜乱码| 亚洲精品国产av蜜桃| 日韩,欧美,国产一区二区三区| 成人手机av| 丰满迷人的少妇在线观看| 亚洲精品成人av观看孕妇| 午夜福利一区二区在线看| 亚洲欧美精品自产自拍| 色哟哟·www| 国产精品久久久久久精品电影小说| 日本欧美视频一区| 91午夜精品亚洲一区二区三区| 有码 亚洲区| 亚洲国产色片| 午夜免费观看性视频| 中文天堂在线官网| 久久午夜综合久久蜜桃| 18禁动态无遮挡网站| 久久久久国产网址| 日韩制服丝袜自拍偷拍| 91精品三级在线观看| 男人操女人黄网站| 好男人视频免费观看在线| 高清在线视频一区二区三区| 高清黄色对白视频在线免费看| av网站在线播放免费| 中文乱码字字幕精品一区二区三区| 日本欧美视频一区| 国产精品偷伦视频观看了| 亚洲情色 制服丝袜| 激情视频va一区二区三区| 欧美老熟妇乱子伦牲交| 只有这里有精品99| 国产 一区精品| 日本av手机在线免费观看| 婷婷成人精品国产| 欧美日韩综合久久久久久| 亚洲精品乱久久久久久| 欧美成人午夜精品| 女性生殖器流出的白浆| 高清av免费在线| 一二三四在线观看免费中文在| 久久久欧美国产精品| 2022亚洲国产成人精品| 在线观看美女被高潮喷水网站| 黄色 视频免费看| 国产成人精品福利久久| 国产精品秋霞免费鲁丝片| 国产免费一区二区三区四区乱码| 美女午夜性视频免费| 中文天堂在线官网| 看免费av毛片| 精品亚洲乱码少妇综合久久| 大话2 男鬼变身卡| 国产一区二区 视频在线| 超碰97精品在线观看| 久久鲁丝午夜福利片| 最新中文字幕久久久久| 一区二区三区乱码不卡18| 91成人精品电影| 制服丝袜香蕉在线| 国产成人av激情在线播放| 久热久热在线精品观看| 日本-黄色视频高清免费观看| 国产男人的电影天堂91| 久久精品夜色国产| 90打野战视频偷拍视频| www.精华液| 99热全是精品| 久久国产精品大桥未久av| 亚洲精品乱久久久久久| 精品一品国产午夜福利视频| 久久99精品国语久久久| 国产免费视频播放在线视频| 国产免费又黄又爽又色| 日本av免费视频播放| 国产av国产精品国产| 日日啪夜夜爽| 国产精品国产三级专区第一集| 日本爱情动作片www.在线观看| 999久久久国产精品视频| 亚洲人成77777在线视频| 七月丁香在线播放| 一级黄片播放器| 99re6热这里在线精品视频| 国产国语露脸激情在线看| 午夜福利影视在线免费观看| 熟女av电影| 婷婷色综合大香蕉| 精品少妇内射三级| 美女午夜性视频免费| 亚洲一区二区三区欧美精品| 日日爽夜夜爽网站| 国产免费又黄又爽又色| 午夜av观看不卡| 免费观看无遮挡的男女| 成年动漫av网址| 在线观看免费日韩欧美大片| 亚洲色图综合在线观看| 免费少妇av软件| 男女边摸边吃奶| 久久热在线av| 在线观看人妻少妇| 久久精品亚洲av国产电影网| 啦啦啦在线免费观看视频4| 国产亚洲精品第一综合不卡| 欧美精品一区二区免费开放| 老司机亚洲免费影院| 国产成人午夜福利电影在线观看| 69精品国产乱码久久久| 国产精品久久久久成人av| 两个人免费观看高清视频| 日本av免费视频播放| 欧美日韩国产mv在线观看视频| 日韩视频在线欧美| 日韩中字成人| 最近的中文字幕免费完整| 日韩,欧美,国产一区二区三区| 日韩大片免费观看网站| 妹子高潮喷水视频| 亚洲人成77777在线视频| www.精华液| 香蕉精品网在线| 一级毛片黄色毛片免费观看视频| 久久久久久久久免费视频了| 免费少妇av软件| 大香蕉久久成人网| 亚洲av免费高清在线观看| 18+在线观看网站| 26uuu在线亚洲综合色| 久久国内精品自在自线图片| 精品少妇一区二区三区视频日本电影 | 丰满乱子伦码专区| 精品99又大又爽又粗少妇毛片| 国产有黄有色有爽视频| 日韩成人av中文字幕在线观看| 高清在线视频一区二区三区| 91国产中文字幕| 久久午夜福利片| 一区二区日韩欧美中文字幕| 一级毛片黄色毛片免费观看视频| 亚洲精品久久午夜乱码| 久久久精品免费免费高清| 久久精品久久久久久噜噜老黄| 人妻人人澡人人爽人人| 99国产精品免费福利视频| av免费在线看不卡| 老汉色∧v一级毛片| 中文字幕人妻丝袜制服| 久久影院123| 涩涩av久久男人的天堂| 哪个播放器可以免费观看大片| 亚洲综合精品二区| 看免费成人av毛片| 91久久精品国产一区二区三区| 丝瓜视频免费看黄片| 黄频高清免费视频| 一区二区三区四区激情视频| 一区福利在线观看| 精品国产乱码久久久久久小说| 欧美国产精品va在线观看不卡| 久久av网站| 中文字幕色久视频| 自线自在国产av| 男女边摸边吃奶| 久久午夜福利片| 国产国语露脸激情在线看| 黄色视频在线播放观看不卡| 最近中文字幕2019免费版| 国产亚洲午夜精品一区二区久久| 精品99又大又爽又粗少妇毛片| 中文天堂在线官网| 久久国产亚洲av麻豆专区| av在线app专区| 大香蕉久久成人网| 777久久人妻少妇嫩草av网站| 黄色配什么色好看| 国产精品一区二区在线不卡| 青春草视频在线免费观看| 日本午夜av视频| 久久久久精品性色| 国产精品av久久久久免费| 国产精品一区二区在线不卡| 国产精品麻豆人妻色哟哟久久| 国产精品无大码| 天天躁日日躁夜夜躁夜夜| 欧美变态另类bdsm刘玥| 中文字幕色久视频| 亚洲少妇的诱惑av| 精品国产乱码久久久久久小说| 国产成人aa在线观看| 久久久久久久久久人人人人人人| 亚洲精品久久午夜乱码| 欧美老熟妇乱子伦牲交| 国产亚洲午夜精品一区二区久久| 在线观看一区二区三区激情| 国产欧美日韩综合在线一区二区| 不卡av一区二区三区| 欧美人与善性xxx| 精品午夜福利在线看| 欧美亚洲日本最大视频资源| 在线天堂最新版资源| 欧美日韩视频高清一区二区三区二| 国产精品麻豆人妻色哟哟久久| 少妇被粗大猛烈的视频| 国产亚洲一区二区精品| 欧美xxⅹ黑人| 日韩免费高清中文字幕av| 十八禁网站网址无遮挡| 国产精品一区二区在线不卡| 人妻 亚洲 视频| 又大又黄又爽视频免费| 国产一级毛片在线| 久久久亚洲精品成人影院| 午夜91福利影院| 高清视频免费观看一区二区| av天堂久久9| 日本欧美视频一区| 各种免费的搞黄视频| 亚洲国产成人一精品久久久| 大香蕉久久成人网| 少妇熟女欧美另类| 国产精品成人在线| 秋霞在线观看毛片| 亚洲精品视频女| 中文字幕精品免费在线观看视频| 五月开心婷婷网| 国产精品一区二区在线不卡| 午夜免费男女啪啪视频观看| 黑人猛操日本美女一级片| av在线app专区| 欧美日韩一级在线毛片| 国产无遮挡羞羞视频在线观看| 永久免费av网站大全| 亚洲婷婷狠狠爱综合网| 成人亚洲精品一区在线观看| 校园人妻丝袜中文字幕| 国产伦理片在线播放av一区| 国产精品免费大片| 精品一区二区三卡| 亚洲av成人精品一二三区| 国产精品国产三级国产专区5o| 在线天堂最新版资源| 亚洲 欧美一区二区三区| 国产又色又爽无遮挡免| 亚洲欧洲日产国产| 亚洲国产看品久久| 精品久久蜜臀av无| 日本91视频免费播放| 26uuu在线亚洲综合色| 激情视频va一区二区三区| 伊人亚洲综合成人网| 性色avwww在线观看| 成人免费观看视频高清| 一区二区三区四区激情视频| 人妻一区二区av| 男女边吃奶边做爰视频| 精品人妻在线不人妻| 亚洲成国产人片在线观看| 国产深夜福利视频在线观看| 国产极品粉嫩免费观看在线| 男人舔女人的私密视频| 看非洲黑人一级黄片| 亚洲欧美精品综合一区二区三区 | 一区二区三区四区激情视频| 亚洲国产日韩一区二区| 日日爽夜夜爽网站| 女性生殖器流出的白浆| 国产片内射在线| 丝瓜视频免费看黄片| 最近最新中文字幕大全免费视频 | 精品国产超薄肉色丝袜足j| 日韩视频在线欧美| 亚洲美女黄色视频免费看| 一二三四中文在线观看免费高清| 亚洲国产欧美日韩在线播放| 男女午夜视频在线观看| 欧美成人午夜精品| 十八禁网站网址无遮挡| 国产精品秋霞免费鲁丝片| 久久午夜福利片| 青春草国产在线视频| 老汉色av国产亚洲站长工具| 搡女人真爽免费视频火全软件| 亚洲精品国产av成人精品| 午夜免费观看性视频| 最黄视频免费看| 夜夜骑夜夜射夜夜干| 少妇被粗大的猛进出69影院| 亚洲美女黄色视频免费看| 亚洲婷婷狠狠爱综合网| 日韩精品免费视频一区二区三区| 国产精品成人在线| 色播在线永久视频| 亚洲精品在线美女| 国产成人精品福利久久| 亚洲综合色惰| av卡一久久| 国产淫语在线视频| av免费观看日本| 亚洲四区av| 国产成人精品福利久久| 激情五月婷婷亚洲| 91成人精品电影| 中文欧美无线码| 曰老女人黄片| 免费高清在线观看日韩| 黄色怎么调成土黄色| 午夜免费观看性视频| 桃花免费在线播放| 午夜精品国产一区二区电影| 老鸭窝网址在线观看| 午夜福利视频精品| 国产淫语在线视频| 人人妻人人澡人人看| 亚洲五月色婷婷综合| 国产精品av久久久久免费| 一区二区三区四区激情视频| 精品人妻在线不人妻| 中文精品一卡2卡3卡4更新| 纯流量卡能插随身wifi吗| 满18在线观看网站| 91在线精品国自产拍蜜月| 欧美精品高潮呻吟av久久| 五月伊人婷婷丁香| 国产老妇伦熟女老妇高清| 高清视频免费观看一区二区| 久久久久国产一级毛片高清牌| 激情视频va一区二区三区| 久久精品国产亚洲av高清一级| 亚洲av免费高清在线观看| 国产av码专区亚洲av| 少妇猛男粗大的猛烈进出视频| 亚洲精品美女久久av网站| 9色porny在线观看| 国产午夜精品一二区理论片| 欧美另类一区| 黄片小视频在线播放| av天堂久久9| 国产精品国产av在线观看| 国产精品欧美亚洲77777| 久久久欧美国产精品| 免费av中文字幕在线| 考比视频在线观看| 综合色丁香网| 在线天堂中文资源库| 亚洲精品av麻豆狂野| 精品酒店卫生间| 日日爽夜夜爽网站| 国产男女超爽视频在线观看| 中文字幕精品免费在线观看视频| 黄频高清免费视频| 最近2019中文字幕mv第一页| 免费高清在线观看视频在线观看| 激情视频va一区二区三区| 哪个播放器可以免费观看大片| 啦啦啦啦在线视频资源| 亚洲美女黄色视频免费看| 中文字幕制服av| 少妇被粗大猛烈的视频| 伊人久久国产一区二区| 爱豆传媒免费全集在线观看| 成年女人在线观看亚洲视频| 国产精品 欧美亚洲| 熟女av电影| 我的亚洲天堂| 岛国毛片在线播放| 亚洲欧美一区二区三区久久| 日本免费在线观看一区| 超碰成人久久| 日韩一本色道免费dvd| 一区二区三区激情视频| 亚洲天堂av无毛| 国产爽快片一区二区三区| 国产麻豆69| 亚洲国产毛片av蜜桃av| 国产亚洲午夜精品一区二区久久| 高清视频免费观看一区二区| 午夜日韩欧美国产| 国产成人精品久久二区二区91 | 亚洲av免费高清在线观看| 精品人妻偷拍中文字幕| 丰满饥渴人妻一区二区三| 日本色播在线视频| 久久久久久久国产电影| 中文字幕色久视频| 国产不卡av网站在线观看| 天堂8中文在线网| 国产在线免费精品| av不卡在线播放| 黄片播放在线免费| 大香蕉久久网| 春色校园在线视频观看| a级毛片在线看网站| 免费看av在线观看网站| 美女国产视频在线观看| 免费黄频网站在线观看国产| 国产成人av激情在线播放| 宅男免费午夜| 久久久久人妻精品一区果冻| 亚洲精品美女久久久久99蜜臀 | 黑人猛操日本美女一级片| a级片在线免费高清观看视频| 在线观看国产h片| 亚洲久久久国产精品| 国产av国产精品国产| 成人亚洲精品一区在线观看| 男人爽女人下面视频在线观看| 亚洲av中文av极速乱| 超碰97精品在线观看| 国产麻豆69| 在线观看一区二区三区激情| √禁漫天堂资源中文www| 尾随美女入室| 久久 成人 亚洲| 国产熟女欧美一区二区| 亚洲欧美精品综合一区二区三区 | 人妻少妇偷人精品九色| 婷婷色麻豆天堂久久| 亚洲三区欧美一区| 欧美日韩视频精品一区| 久久久久久人妻| 国产一区二区在线观看av| 亚洲国产看品久久| 在线观看国产h片| 精品酒店卫生间| 不卡av一区二区三区| 母亲3免费完整高清在线观看 | 免费观看在线日韩| 亚洲欧美精品综合一区二区三区 | 国产黄色视频一区二区在线观看| 国产精品无大码| 男人舔女人的私密视频| 日韩av免费高清视频| 亚洲精华国产精华液的使用体验| 中文字幕av电影在线播放| 中文字幕人妻丝袜制服| 最近2019中文字幕mv第一页| 又大又黄又爽视频免费| 国产精品久久久av美女十八| 成人18禁高潮啪啪吃奶动态图| 国产免费现黄频在线看| 美女国产高潮福利片在线看| av免费观看日本| 亚洲精品一区蜜桃| 国产亚洲欧美精品永久| 99re6热这里在线精品视频| 午夜福利视频精品| av.在线天堂| 一区二区三区激情视频| 日本vs欧美在线观看视频| 一区二区日韩欧美中文字幕| 国产av国产精品国产| 精品国产一区二区三区久久久樱花| 久久久久国产精品人妻一区二区| 五月伊人婷婷丁香| 男人添女人高潮全过程视频| 天美传媒精品一区二区| 一级毛片黄色毛片免费观看视频| 天堂俺去俺来也www色官网| 日韩伦理黄色片| 亚洲三级黄色毛片| 亚洲色图综合在线观看| 国产免费福利视频在线观看| 热re99久久精品国产66热6| 一区二区av电影网| 日韩一区二区视频免费看| 综合色丁香网| 亚洲国产精品一区二区三区在线| 国产精品久久久久久精品古装| 国产成人免费观看mmmm| 亚洲,欧美精品.| 男男h啪啪无遮挡| 久久久久久久久久久久大奶| 亚洲国产成人一精品久久久| 国产男女内射视频| 免费大片黄手机在线观看| 国产老妇伦熟女老妇高清| 日本av免费视频播放| 亚洲欧美色中文字幕在线| 亚洲国产精品一区三区| 狠狠婷婷综合久久久久久88av| 少妇人妻精品综合一区二区| 一区二区av电影网| 国产av一区二区精品久久| 中文字幕av电影在线播放| 满18在线观看网站| 三上悠亚av全集在线观看| 啦啦啦在线观看免费高清www| 欧美+日韩+精品| 一本久久精品| 两性夫妻黄色片| 亚洲第一av免费看| 精品少妇久久久久久888优播| 免费观看在线日韩| 亚洲av综合色区一区| 中文精品一卡2卡3卡4更新| 精品少妇黑人巨大在线播放| 亚洲av免费高清在线观看| 国产精品无大码| 国产又爽黄色视频| 黄色毛片三级朝国网站| 精品福利永久在线观看| 天天躁夜夜躁狠狠躁躁| 一边亲一边摸免费视频| 岛国毛片在线播放| a 毛片基地| 成人国产麻豆网| 久久久欧美国产精品| 9191精品国产免费久久| 国产精品偷伦视频观看了| av在线老鸭窝| 国产av国产精品国产| 成人毛片a级毛片在线播放| 韩国精品一区二区三区| 制服人妻中文乱码| 欧美激情高清一区二区三区 | 久久久久精品人妻al黑| 在线 av 中文字幕| 搡女人真爽免费视频火全软件| 亚洲精华国产精华液的使用体验| 人妻人人澡人人爽人人| 亚洲天堂av无毛| 美女中出高潮动态图| 一二三四中文在线观看免费高清| 久久免费观看电影| 丁香六月天网| 精品少妇久久久久久888优播| 亚洲一码二码三码区别大吗| 日韩制服丝袜自拍偷拍| 成人影院久久| 久久人妻熟女aⅴ| 香蕉精品网在线| 国产精品 欧美亚洲| 精品国产露脸久久av麻豆| 久久久精品区二区三区| 一边亲一边摸免费视频| 国产男女超爽视频在线观看| 建设人人有责人人尽责人人享有的| 18禁裸乳无遮挡动漫免费视频| 在线天堂中文资源库| 国产 精品1| 亚洲伊人久久精品综合| 亚洲在久久综合| 亚洲欧美中文字幕日韩二区| 日本wwww免费看| 国产成人午夜福利电影在线观看| 久久国内精品自在自线图片| 最新中文字幕久久久久| 国产不卡av网站在线观看| 亚洲四区av| 国产精品秋霞免费鲁丝片| 亚洲第一青青草原| 在现免费观看毛片| 99热国产这里只有精品6| 国产精品不卡视频一区二区| 亚洲四区av| 又大又黄又爽视频免费| 午夜福利,免费看| 人妻少妇偷人精品九色| 国产成人91sexporn|