基于分位数回归与特征选择的碳价格预测
机器学习
2023-05-08 v1 统计金融
摘要
碳期货近期已成为欧盟和中国等交易市场中的一种新型金融资产。监测碳价格走势对国家治理决策与工业制造规划均至关重要。然而,各类地缘政治、社会与经济因素会对碳价格施加实质性影响。由于其波动性与非线性,准确预测碳价格通常是一项困难任务。在本研究中,我们提出以若干新颖实践改进碳价格预测。首先,我们收集各类影响因素,包括商品价格、石油与天然气等出口量以及景气指数。随后我们筛选最显著因素并揭示其用于可解释性的最优分组。最后,我们使用稀疏分位数组 Lasso 与自适应稀疏分位数组 Lasso 进行稳健的价格预测。我们通过广泛的实验研究证明所提方法优于现有方法。此外,我们的分位数预测提供了不同水平下未来价格的完整轮廓,能更好地描述碳市场的分布。
引用
@article{arxiv.2305.03224,
title = {Carbon Price Forecasting with Quantile Regression and Feature Selection},
author = {Tianqi Pang and Kehui Tan and Chenyou Fan},
journal= {arXiv preprint arXiv:2305.03224},
year = {2023}
}