基于BOCD-PCMCI-GAM的上海碳权交易价的因果发现与预测

摘要

构建BOCD-PCMCI-GAM模型，对2016年1月4日至2024年6月13日上海碳排放权交易价格进行预测研究。该模型采用贝叶斯在线变点检测(BOCD)识别非平稳碳排放权交易数据的结构突变点，通过PCMCI(Perter-Clark Mementary Conditional Independence)算法准确发现变量间的因果结构和关系，并将发现的因果结构嵌入广义可加模型(GAM)进行滚动预测。将该BOCD-PCMCI-GAM模型与ARIMA、VAR和LSTM模型进行对比实验，结果表明，在综合考虑宏观经济、气候变化、能源指数和国际汇率等多维影响因素的建模框架下，BOCD-PCMCI-GAM模型具有最小的预测误差和最高的决定系数，展现出显著的预测优势。

关键词

碳排放权交易价格 / 贝叶斯在线变点检测 / PCMCI因果发现 / 广义可加模型

基金资助

教育部重点实验室开放课题(KLATASDS2008); 湖州师范学院研究生科研创新项目(2025KYCX51)