本文是一篇新经济学论文，本文分析了国内外关于碳价格预测的研究进展，并发现神经网络模型在处理非线性和非平稳时间序列方面表现良好。在这种情况下，结合了多种算法优势的混合预测模型显示出其显著的优势，并已成为碳排放权交易价格预测研究的主流趋势。
1 绪论
1.1 研究背景
自前工业时代以来，人类活动造成的温室气体（GHG）排放量大幅增加[1]。这是引发全球范围内的气候变化的重要原因之一。2021年IPCC在《第六次评估报告中》提出，气候变化正影响世界各地，其影响通过极端天气和森林大火等自然灾害让人们日益感受到气候变化的影响[2]。目前，如何缓解气候变化和发展低碳经济是各个国家共同面对的重要议题。因此，为应对气候变化全球范围内颁布了许多气候政策。
《联合国气候变化框架公约》与《京都议定书》对全球气候变化政策产生了深远影响[3]。这两个国际协议催生了碳金融这一新理念。随后，在2015年，《巴黎协定》得到《联合国气候变化框架公约》缔约方的通过，并设定了将全球温度升高限制在比工业化前水平高出的2℃以内，并力求进一步降至1.5℃的目标[4,5]。2016年，在二十国集团杭州峰会期间，包括中美在内的主要排放国批准了《巴黎协定》，开启了全球碳排放管理的新篇章。众多国家纷纷加入碳中和的行列以对抗气候变化[6]。2021年的《联合国气候变化框架公约》第26次缔约方大会（COP26）解决了《巴黎协定》实施遗留问题，为其实施全面有效性奠定了基础，并且至会议结束后，有超过100个国家提出了更新的气候承诺[7]。这一系列事件凸显了紧迫性，表明各国发展低碳经济的重要性愈发凸显。
为了应对全球气候变化，各国纷纷开始采取积极的措施。其中，为了降低实现排放目标的总成本，设立了包括联合履行机制（JI）、清洁发展机制（CDM）和排放交易机制（ET）在内的三项灵活制度。与此同时，全球各个国家碳市场开始纷纷建立起来。欧盟在2005年率先实施了排放交易体系（EU-ETS），并进行了为期三年的试点运行。事实上，EU-ETS是世界上参与过最多、规模最大、最成熟的碳排放权交易市场。2008年，新西兰建立了碳排放交易系统并于四年后正式启动交易。尽管美国和澳大利亚最初并没有批准《京都议定书》，但美国曾试图建立全国统一的碳排放交易制度，目前以发展区域碳市场为主。澳大利亚在2007年成为签署国，并且在参与碳排放交易计划。2010年，日本建立了碳排放交易体系，五年后韩国正式启动碳市场等等。截至2022年，全球共有68种碳定价机制，36种碳税和32种碳排放交易体系，供给覆盖全球23%的温室气体[8]。随着实现碳达峰和碳中和目标的重要性日益凸显，碳金融、碳市场、碳排放交易再次成为诸多学者关注的热点话题。
1.2 研究目的
随着全球对碳排放问题的日益关注，碳排放权市场的稳定运行变得越来越重要。准确预测碳排放权交易价格对于了解碳排放权市场动态和实现国家减排目标具有重要作用。碳排放权交易价格受多种因素影响，使得碳排放权交易价格预测成为复杂而具有挑战性的时间序列预测问题。近年来，机器学习方法在处理非线性时间序列数据中具有较高的非线性拟合能力和预测精度，在碳排放权交易价格预测中得到了广泛地应用。本文目的在于深入研究影响碳排放权交易价格的因素并提出基于机器学习的碳排放权交易价格预测模型和方法，以期提高碳排放权交易价格预测的精度，完善碳排放权交易价格预测方法及其理论体系。
2 相关概念界定及理论基础
2.1 碳排放权交易价格相关概念界定
本小节主要介绍碳排放权交易的概念和机制、碳排放权交易市场的概念与分类，以及碳排放权交易价格的概念和形成机制。
2.1.1 碳排放权交易
2.1.1.1 碳排放权交易概
碳排放权，作为排放权的关键部分，是指授权主体根据法律规定向大气排放温室气体的权利。“碳排放权”中的“碳”，是一系列温室气体的总称，主要以二氧化碳为主。从对碳排放权的理论探讨和实践发展来看，碳排放权具有法律和经济双重属性。具体来讲，法律属性是指碳排放权是由政府权力部门确定或明确、具体规定控排主体的权利和义务，并由国家公权力加以控制实施。它不仅是碳排放权市场的立法基础，也是碳排放权市场有序运行的重要保障；经济属性是指在一定的法律规范和制度安排后，碳排放权表现出有限性和稀缺性，并被允许进入市场交易，这意味着控排主体的自由排放行为不再是无偿的，向大气中过量排放需要付出一定的经济代价。
自1992年《联合国气候变化框架公约》和1997年《京都议定书》颁布之后，碳排放权交易成为一种重要的活动。这种交易被视为减缓气候变化的有效手段，它通过市场机制促进全球温室气体减排和减少二氧化碳的排放。碳排放权交易的本质是将碳排放权作为一种商品，买方向卖方支付费用以获得温室气体排放许可证，从而形成碳交易。
2.2 碳排放权交易价格预测相关理论基础
2.2.1 碳排放权交易形成理论基础
2.2.1.1 碳排放权交易理论
“外部经济”这一概念最早由阿尔弗雷德·马歇尔在其1890年的著作《经济学原理》中提出，标志着外部性理论的诞生。马歇尔认为外部经济是由于外部因素导致企业生产成本的降低。后续的经济学家通过逻辑推理形成了“外部不经济”的概念，即外部因素导致企业生产成本的增加。阿瑟·塞西尔·庇古，作为马歇尔的门生，在1920年发表了《福利经济学》，这是首次从福利经济学的视角对外部性进行系统研究。庇古不仅扩大了“外部不经济”的定义，包括了对其他企业或居民的影响，还在1928年首次提出了针对环境污染问题的庇古税方案。利用庇古税解释温室气体排放的负外部性主要指由于某一企业的环境污染，导致另一企业产生一定的损失，造成环境污染的企业应该承担一定的税收使得企业的私人成本等于社会成本，从而使受损企业得到补偿。庇古税在经济活动中应用非常广泛，在环境保护的领域中的具体应用表现为“谁污染，谁治理”的政策。
罗纳德·科斯，新制度经济学的创始人，于1960年发表了其经典著作《社会成本问题》，并在1991年荣获诺贝尔经济学奖。《社会成本问题》的研究基础是对庇古税的批判。科斯对庇古税的批判主要集中在三个方面：首先，外部效应是双向的，涉及双方相互作用，而非单方面的利益损失（例如，化工厂对居民区的污染可能是因为居民区先于化工厂存在，因此不能单方面对化工厂征税）；其次，在交易成本为零的理想情况下，庇古税是不必要的（例如，如果化工厂和居民区能够自行协商达成最佳污染控制水平，政府无需介入）；最后，在存在交易成本的现实世界中，应权衡政策成本与收益，以实现外部效应的内部化，避免低效的制度安排。通过明确产权分配和拍卖等手段，优化碳排放权的产权制度安排，清晰界定产权，并利用碳排放权的价格机制进行资源配置，是有效实现环境污染外部性内部化的方法。
3 我国碳排放权市场的交易运行现状 ............................. 20
3.1 我国碳排放权市场的总体交易现状 ............................... 20
3.2 试点碳排放权市场的交易现状 .................................... 22
4 基于LSTM-Informer的碳价格预测 ............................... 26
4.1 Informer模型设计 ................................. 26
4.1.1 Informer模型简介 ............................ 26
4.1.2 模型网络结构设计 .............................. 28
5 基于Autoformer的多因素碳价格预测 ................................ 41
5.1 模型构建 ........................................... 41
5.1.1 XGBoost模型 ........................................ 41
5.1.2 Autoformer模型 ............................ 42
5 基于Autoformer的多因素碳价格预测
5.1 模型构建
5.1.1 XGBoost模型
5.1.1.1 XGBoost模型原理
XGBoost在2016年由Chen 和 Guestrin[78]提出的改进版机器学习算法，建立在梯度提升机（GBDT）之上。此算法通过二阶泰勒展开损失函数提升了模型的准确性，并引入了正则化项到目标函数中，以此控制模型的复杂性，减少偏差并避免过拟合。该方法在学习效果和训练效率上均表现出色，在数据科学竞赛中表现卓越。XGBoost作为boosting技术的一个典型实例，其构建过程始于对原始数据集训练得到的第一个简单预测器。该技术会计算预测输出与真实值之间的差异，即残差，然后将这些残差用作构建下一个预测器的训练数据。每个后续的弱预测器旨在进一步缩小预测值与实际值之间的差距。XGBoost的运作机制如图5-1所示。
6 结论与展望
6.1 主要结论
准确预测碳价不仅可以有效控制和减少温室气体排放，还有助于深入了解我国碳交易价格变化规律，为投资者进行投资决策提供依据。本文分析了国内外关于碳价格预测的研究进展，并发现神经网络模型在处理非线性和非平稳时间序列方面表现良好。在这种情况下，结合了多种算法优势的混合预测模型显示出其显著的优势，并已成为碳排放权交易价格预测研究的主流趋势。尽管如此，现行的碳价格预测模型仍面临一些挑战，如模型收敛速度较慢、不能很好地并行化处理数据、计算成本高以及捕获长距离能力较弱等问题，因此本文基于历史数据的角度
