基于复杂网络解码模态转移概率的碳价预测方法及系统
本发明涉及碳价预测,特别是涉及基于复杂网络解码模态转移概率的碳价预测方法及系统。
背景技术:
1、碳价作为碳市场资源配置的核心信号,其精准预测是保障碳市场有效运行、实现温室气体减排目标的关键前提。然而,碳价序列呈现显著的非线性、非平稳性、尖峰厚尾等特征。传统预测方法往往难以全面捕捉碳价历史信息、政策变动及多源时变风险冲击影响,导致预测精度受限、模型适应性不足。复杂网络理论可一定程度上弥补预测模型不足,其常被应用于挖掘历史信息内部固有规律,且不受限于数据属性,其与碳价预测具有较好的结合点。
2、目前,与本发明相近的技术包括《一种基于图g以及模型预测算法的碳价格预测方法及系统》(cn 120163618 a)、《一种碳价智能预测方法、系统及存储介质》(cn 118657543a)等。其中,《一种基于图g以及模型预测算法的碳价格预测方法及系统》公开了一种基于图g以及模型预测算法的碳价格预测方法及系统,其步骤包括:首先建立碳价格网络以图g的形式表示,然后引入结构方程模型捕捉网络的关键变量并将结构方程模型以矩阵形式表达,再次在结构方程模型中添加附加项,实现在复杂环境中碳价格波动的动态精准捕捉,最后,以最小化加权预测误差与政策偏离成本为目标函数,构建碳价预测模型,并采用人工蜂鸟算法添加混沌映射伯努利初始化种群方法求解模型,得出预测碳价格。《一种碳价智能预测方法、系统及存储介质》公开了一种碳价智能预测方法、系统及存储介质,其步骤包括:首先,收集目标区域的历史碳价和影响因素数据;其次,采用信号分解技术分解原始碳价序列;然后,重构成多维相空间,并判断碳价序列的混沌特性;进而,建立智能组合碳价预测模型;接着,对比分析模型的预测性能,选定目标碳市场的最适宜碳价预测模型;最后,构建碳价预测系统,并部署在存储介质中。
3、可见现有碳价预测技术中存在的传统模型难以有效捕捉碳价序列的非线性、非平稳性与尖峰厚尾特征,且在特征挖掘上多依赖静态关联分析,未能充分整合碳市场内部波动模态转换规律与外部多市场时变风险因素,导致预测精度受限、机理解释性不足等关键问题。
技术实现思路
1、鉴于此,本发明提供了基于复杂网络解码模态转移概率的碳价预测方法及系统,能够有效捕捉碳价时间序列的特征,且能充分整合碳市场内部波动模态转换规律与外部多市场时变风险因素,提高了预测精度和机理解释性。
2、为达到上述目的,本发明的技术方案包括以下步骤:
3、s1)利用lasso-var-dy基于碳价与多市场影响因素之间的静态风险溢出效应进行特征筛选,筛选出有效影响因素集合。
4、s2)构建碳价与有效影响因素的波动数据网络,提取网络拓扑特征并挖掘模态转换规律。
5、s3)基于多市场影响因素与碳价之间的动态风险溢出关系,刻画影响因素的时变风险。
6、s4)整合网络拓扑特征的多维信息与多源时变风险,运用机器学习模型xgboost对碳价进行预测。
7、进一步地,s1)具体步骤为:
8、s1.1):收集碳价及其市场影响因素的历史时间序列数据;市场影响因素涵盖能源商品市场、清洁能源商品市场、非能源商品市场、金融市场及债券市场多方面。
9、s1.2):采用lasso-var模型进行初步建模与变量选择,基于拟合的lasso-var模型,采用dy溢出指数方法,计算各市场影响因素与碳价之间的静态风险溢出效应。
10、s1.3):根据静态风险溢出效应,量化任意两个市场影响因素之间的风险传导强度,计算两两市场影响因素之间的静态风险溢出指数,设定一个合理的阈值,筛选出对碳价影响最显著的一组市场影响因素,构成有效影响因素集合。
11、进一步地,s1.1)中,收集碳价及其影响因素的历史时间序列数据,具体为在特定时刻维度为的列向量,其中第1个分量固定为碳价,其余个分量依次对应各外部市场因子的当日观测值。
12、所述s1.2)中,采用lasso-var模型进行初步建模与变量选择,该lasso-var模型通过在标准向量自回归模型的目标函数中加入l1范数惩罚项,将整个时间跨度内的列向量按照时间轴横向拼接,形成维度为k的输入矩阵;接着,将矩阵自身沿时间轴分别向后推移1至个周期进行纵向堆叠,衍生构建出维度为且包含历史滞后信息的解释变量矩阵;带入目标函数具体公式如下:
13、
14、其中,表示矩阵a的frobenius范数,是一个k维矩阵,k为收集的潜在影响因素与碳价的变量总数,t为历史时间序列的总观察周期数,该矩阵包含维时间序列的所有周期观测值,t为具体的时间刻度;是一个维参数矩阵,其中包含各个自回归滞后系数矩阵,p为向量自回归模型的滞后阶数;表示维矩阵,包含参数矩阵所有滞后值对应的矩阵维度信息,其中滞后时间列向量的转置项包含从当前时刻向后滞后第个周期的历史观测值;为惩罚项,是待估参数的惩罚系数,惩罚系数越大,对系数的压缩程度越高,自由度则相应降低;惩罚系数通过网络搜索法与滚动交叉验证进行优化选取。
15、通过对目标函数进行最小化求解,矩阵中对应无关因子的整行或整列系数将被压缩为0,从而自动剔除多源外部市场的噪声干扰并完成核心特征筛选。
16、进一步地,s1.3)中,在构建了静态风险溢出效应之后,为了消除分析结果对输入顺序的可能依赖,进行方差分解。
17、利用kpss方差分解的波动率贡献,构建一个总波动率溢出指数,总溢出指数衡量类别波动冲击的溢出效应对总预测误差方差的贡献,公式如下:
18、
19、其中,为当前预测步长下的系统总波动率溢出指数;为行归一化后的预测误差分解贡献率,k为自回归模型系统中所包含的关联特征及目标变量的总个数,h为前向预测的步长周期数。
20、进而计算定向溢出指数,其中包括to指数和from指数,具体公式如下:
21、
22、上述方程定义为to指数,用以衡量不同市场因素对碳市场的风险溢出水平,该数值越大表明影响程度越高。
23、类似地,from指数定义如下:
24、
25、为from指数,指数越高表明来自不同市场的因素更容易受到碳价波动影响。
26、精确量化任意两个市场之间的风险传导强度,计算两两溢出指数,具体公式如下:
27、
28、其中,为在给定的时刻下,市场对市场的成对定向风险溢出值,基于广义向量自回归框架,方差分解矩阵中的每个元素通过归一化处理获得,公式如下:
29、
30、此处该矩阵同样满足全体元素之和等于当前子系统的变量个数,且任意单行元素之和等于一的特性;此处的变量个数特指参与当前两两阶段对齐计算的局部子系统变量数。
31、进一步地,s2)具体步骤为:
32、s2.1)通过相空间重构确立时间序列表示拓扑信息的理论部分,将重构的时间序列转化为符号序列,然后将符号序列映射为一个有向加权网络,即为数据波动网络。
33、s2.2)在构建了数据波动网络之后,随着时间序列不断地引入,网络结构也随之变化,通过图理论知识根据当前的图网络来生成空间拓扑特征,包括:图的平均聚类系数、节点的聚类系数、节点的平均领域度、节点的度中心性、节点的入度中心性、节点的出度中心性和h-index;基于数据波动网络边权重矩阵,计算模态转移概率,构建转移概率矩阵,解码波动的记忆效应与路径依赖性。
34、进一步地,s3),具体流程为:
35、s3.1):采用lasso-var-dy模型置于滚动时间窗口框架下运行,针对s1)步骤筛选出的有效影响因素集合,计算每一有效影响因素与碳价间的成对风险溢出强度。
36、s3.2):定义动态风险权重,其中为有效影响因素的标准化值,为在当前滚动窗口时间框架下该有效影响因素对目标碳价的实时动态风险溢出强度;采用动态风险权重使模型能动态聚焦于当前最为重要的有效影响因素。
37、进一步地,s4)具体步骤为:
38、s4.1):将s2)步骤中提取的网络拓扑特征向量、模态转移概率向量与s3)计算出的动态风险权重向量进行融合,形成一个涵盖系统结构动态与外部时变风险的综合特征向量。
39、s4.2):将上述综合特征向量作为输入,到选定的机器学习模型中进行训练,训练后进行碳价预测。
40、本发明另外一个方面还提供了基于复杂网络解码模态转移概率的碳价预测系统,用于执行上述基于复杂网络解码模态转移概率的碳价预测方法,包括:
41、因素筛选模块,用于利用lasso-var-dy基于碳价与多市场影响因素之间的静态风险溢出效应进行特征筛选,筛选出有效影响因素集合;
42、特征提取模块,用于构建碳价与有效特征的波动数据网络,提取网络拓扑特征并挖掘模态转换规律;
43、风险刻画模块,用于基于多市场影响因素与碳价之间的动态风险溢出关系,刻画影响因素的时变风险;
44、预测模块,用于整合网络拓扑特征的多维信息与多源时变风险,运用机器学习模型xgboost对碳价进行预测。
45、有益效果:
46、本发明提供的一种基于复杂网络解码模态转移概率的碳价预测方法,旨在解决现有碳价预测技术中存在的传统模型难以有效捕捉碳价序列的非线性、非平稳性与尖峰厚尾特征,且在特征挖掘上多依赖静态关联分析,未能充分整合碳市场内部波动模态转换规律与外部多市场时变风险因素,导致预测精度受限、机理解释性不足等关键问题。本发明基于复杂网络揭示碳价波动的内部模态转移规律以反映其长期趋势,并融入多市场时变风险因素,提出一种适应碳价波动特征的混合预测模型(fmdp),通过分析碳价与多市场影响因素之间的风险传导关系,实现关键特征识别与时变风险刻画;其次,将有效特征和碳价的时间序列数据映射到空间维度,构建波动网络,提取网络拓扑特征以挖掘模态转移规律,进而表征碳价波动的传导性和涨跌趋势;最后,将内部模态转换规律与外部时变风险作为输入,利用xgboost进行碳价预测。与传统方法相比,本发明具备如下具体有益效果:
47、1、与传统方法相比,本发明不仅从因素间风险溢出角度进行特征筛选,更核心的是能够刻画能源、金融等多市场因素对碳价的时变影响。这使得模型能够实时响应诸如时事冲突事件导致的风险强度的变化,为预测提供动态演变的输入特征,一定程度上解决了传统静态特征在面对复杂市场时适应性不足这一问题。
48、2、传统方法及对比技术均局限于对时序数据在时间轴上的分析,本发明突破性地将碳价及关键因素的时间序列,通过相空间重构和粗粒度化映射到空间维度,构建出数据波动网络。通过提取网络的聚类系数、中心性等拓扑特征,解码碳价波动的内在“记忆性”、趋势转换规律,通过复杂网络边权重刻画模态转移概率,使其能够从系统性的视角理解碳价波动的内在模态及其转换机制。
49、3、现有技术缺乏对碳价固有演化规律与外部风险冲击之间协同的关注,本发明提出双重驱动效应预测框架,有机地整合了内部驱动与外部冲击,不仅能够感知外部因素的影响,更能理解市场内部的状态如何与这些因素相互作用,实现了对碳价形成机理更全面的刻画,显著提升了模型的可解释性以及在复杂市场环境下的决策支持能力。
版权声明:本站专利文献数据主要来源于国家知识产权局等公开渠道,由 技术新讯 进行整理汇编。页面设计及数据汇编的著作权归本站所有。全部内容仅供个人学习、科研评估与技术交流参考,严禁用于任何商业用途(包括但不限于直接生产制造、技术转让、倒卖数据等)。
免责条款:专利技术具有时效性,本站不对资料的绝对准确性、完整性和可实施性提供任何明示或暗示的担保。因参考本站内容造成的直接或间接损失,本站不承担相关法律责任。若您认为本站内容有侵权问题,请及时提供权属证明与我们联系,本站将在核实后依法处理。反馈意见:yyfuon@163.com