一种基于自适应神经模糊推理系统的碳市场交易价格影响因素分析方法及系统与流程

本发明涉及碳交易价格影响因素分析领域，具体涉及一种基于自适应神经模糊推理系统的碳市场交易价格影响因素分析方法及系统。

背景技术：

1、碳交易市场作为以市场化机制运行的减排工具，具有价格发现功能，又有碳减排成本不确定性的特征。相较于碳税收等减排工具，碳市场具有更高的政治接受度，因此以碳市场推进节能减排的举措已被全球多个国家和地区所运用。

2、碳市场交易价格的波动会通过供应链传导至其他传统实体市场，并且导致相关产业价格指数产生不确定性。

3、政策导向的调整和碳交易市场的各方参与主体的行动对于碳交易市场的运行有着重要意义，但在现有技术中并没有成体系的针对碳市场交易价格波动的影响因素分析方法或分析模型，无法精准地对不同时段碳市场交易价格序列波动的驱动因素进行分析。

技术实现思路

1、发明目的：本发明的目的是提供一种准确的、可直接应用的基于自适应神经模糊推理系统模型的碳市场交易价格影响因素分析方法及系统。

2、技术方案：本发明所述的一种基于自适应神经模糊推理系统模型的碳市场交易价格影响因素分析方法，具体包括以下步骤：

3、s1、获取碳市场交易收盘价及碳市场交易价格影响因素的系列实例数据；

4、s2、根据s1中获取的实例数据建立碳市场交易价格影响因素指标体系，得到碳市场交易价格影响因素指标的数据列；

5、s3、为探究碳市场交易价格的波动性，对碳市场交易价格序列进行描述性统计；

6、s4、基于s3中碳市场交易价格序列的波动特性，运用自适应噪声的完全集成经验模态分解方法得到碳市场交易价格的各分解序列；

7、s5、基于s4中碳市场交易价格的分解序列及s2中碳市场交易价格影响因素指标的数据列，建立自适应神经模糊推理系统模型；

8、s6、基于均方误差对s5中建立的自适应神经模糊推理系统模型进行性能测试；

9、s7、根据s5中建立的自适应神经模糊推理系统模型对s4中得到的各碳市场交易价格分解序列分别进行影响因素分析；

10、s8、基于趋势分析法确定s7中不同碳市场交易价格分解序列的影响因素。

11、具体地，步骤s2中所述碳市场交易价格影响因素指标体系包括能源价格、宏观经济冲击、国际碳期货价格、金融变量、天气状况。

12、具体地，所述能源价格包括能源类大宗商品价格指数、天然气期货收盘价格、动力煤指数、布伦特原油价格。

13、具体地，所述宏观经济冲击包括沪深300指数、上证综合指数、高等级绿色债券指数、中国绿色债券指数、中债综合指数、欧洲斯托克50价格指数。

14、具体地，所述国际碳期货价格包括欧洲碳排放配额价格；所述金融变量包括美元对人民币汇率；所述天气状况包括空气质量指数和天气期货制热日指数。

15、具体地，步骤s3中碳市场交易价格序列进行描述性统计的计算方法为：

16、对碳市场交易价格序列采用adf检验，计算公式为：

17、

18、式中：pt为t时刻碳市场交易价格；α为常数项；β为趋势项；θ表示pt-1的系数；表示差分项；εt为随机误差项。

19、其核心是对θ进行假设检验，即检验θ是否等于1。如果θ＝1，则不能拒绝原假设即时间序列数据具有单位根，表示数据不稳定存在随机漂移；如果θ＜1，则可以拒绝原假设即时间序列数据不具有单位根，表示数据趋于稳定。

20、具体地，步骤s4中所述运用自适应噪声的完全集成经验模态分解方法得到碳市场交易价格的各分解序列的具体步骤包括：

21、s401、添加白噪声得到新的时间序列：

22、fi(t)＝f(t)+ε0ωi(t)，i＝1,2,...,n.

23、式中：fi(t)为新的序列，f(t)为碳市场交易价格原始数据序列；ωi(t)为符合标准正态分布的高斯白噪声；ε0为初始标量系数；

24、s402、使用经验模态分解分解fi(t)序列n次，计算平均值得到ceemdan算法的第1个本征模函数序列：

25、

26、

27、式中：是第1个本征模函数序列，emd1(·)代表通过emd分解得到的第1个imf序列；r1(t)为第1个残差；

28、s403：将自适应噪声项加入得到新的时间序列：

29、

30、

31、式中：是第2个本征模函数序列；r2(t)为第2个残差；ε1为第1标量系数；

32、s404：将新的自适应噪声项添加到具有白噪声的新残差中：

33、

34、k＝2，3，...，k.

35、

36、式中：是第k个本征模函数序列；rk-1(t)为第k-1个残差；rk(t)为第k个残差；

37、s405：最后，当残差不超过两个极值点，即成为单调信号，不能继续分解时，ceemdan算法终止，分解得到k个imf序列：

38、

39、式中：r(t)为最后分解得到的残差项。

40、具体地，步骤s5所述建立自适应神经模糊推理系统模型的具体步骤包括：

41、s501：在第一层中，根据模糊集的隶属度对输入变量进行模糊化并输出，该层中的每个节点k都是具有节点函数的自适应节点：

42、p1，k＝μak(ε)，k＝1，2，…，n

43、式中：p1，k为模糊集的隶属度；μak为成员函数；ε是输入变量，即步骤s2中碳市场交易价格影响因素指标的数据列及步骤s4中碳市场交易价格的分解序列；k是根据实际情况选择的具体成员函数和形式的数量；

44、s502：第二层实现所有的输入信号操作，该层中的每个节点都是一个固定节点，其输出是所有输入信号的代数乘积：

45、p2，k＝ωk＝μak(ε)·μbk(ε)，k＝1，2，…，n

46、式中：ωk及p2，k为规则适用度；

47、s503：第三层规范了每个规则的激励强度，该层中的节点也是固定节点：

48、

49、式中：p3，k及为归一化的适用度；

50、s504：第四层是去模糊，即计算每个规则的输出，该层中的每个节点k都是具有节点函数的自适应节点：

51、

52、式中，p4，k为输出层；γk代表规则；

53、s505：第五层是单个节点，该节点计算所有输入信号之和的总输出：

54、

55、式中：p5，k为对s504中输出层求和得到的总输出。

56、具体地，所述步骤s6中对步骤s5中建立的自适应神经模糊推理系统模型进行性能测试采用的是均方误差(mse)：

57、

58、式中：mse是均方误差，n是测量的数量，yt是第k个测量值，是模型估计的第k个值。

59、具体地，所述步骤s7中对各碳市场交易价格分解序列，指将步骤s4中得到的碳市场交易价格的各分解序列分别输入步骤s5中构建的自适应神经模糊推理系统模型。

60、一种应用基于自适应神经模糊推理系统模型的碳市场交易价格影响因素分析方法构建的碳市场交易价格影响因素分析系统。

61、有益效果：与现有技术相比，本发明的显著效果是：

62、1.本发明通过梳理得出五类指标，对每类指标下的实例数据进行筛选处理，构建碳市场交易价格影响因素指标体系，提高了影响因素分析的准确性和针对性。

63、2.本发明采用描述性统计方法对碳市场交易价格原始数据序列进行处理，刻画出碳市场交易价格原始序列的波动特性，有效地解决了大多数研究中常见的线性方法对价格序列分析效果误差较大的问题。

64、3.本发明在对碳市场交易价格原始序列的波动特性进行分析后，采用自适应噪声的完全集成经验模态分解方法对碳价格原始序列进行分解，有效地降低了噪声。

65、4.本发明最终建立的自适应神经模糊推理系统模型可以直接用于不同时段的碳市场交易价格影响因素分析。