文献类型：期刊文章

作　　者：王小燕[1] 周思敏[1] 徐晓莉[2] 周四军[1]

WANG Xiao-yan;ZHOU Si-min;XU Xiao-li;ZHOU Si-jun(School of Finance and Statistics,Hunan University,Changsha 410012,China;School of Mathematics,Sun Yat-sen University,Guangzhou 510000,China)

机构地区：[1]湖南大学金融与统计学院,湖南长沙410012 [2]中山大学数学学院,广东广州510000

出　　处：《统计与信息论坛》

基　　金：国家社会科学基金重点项目“中国能源高质量发展的统计监测研究”(19ATJ007);湖南省社会科学成果评审委员会资助项目“数据融合视角的高维机器学习方法及其应用研究”(XSP22YBZ003)。

年　　份：2022

卷　　号：37

期　　号：4

起止页码：73-83

语　　种：中文

收录情况：BDHX、BDHX2020、CSSCI、CSSCI2021_2022、NSSD、RCCSE、RWSKHX、ZGKJHX、核心刊

摘　　要：碳交易作为实现低碳经济的一种途径,既具有环境效益,又具有经济效益。为了研究碳排放权价格的影响因素,选取广州碳排放权交易所的碳配额价格收盘价(GDEA)为研究对象,从6个维度构建了24个指标:国际碳价、国内外经济指标、国外能源指标、国内能源指标、气候环境和宏观政策,并将指标间复杂的相关关系纳入模型来改进指标筛选效果。首先基于复杂网络理论构建了24个指标的图结构,表示它们的复杂联动关系,再建立图结构自适应Lasso方法(G-AdLasso)进行影响因素识别。研究发现:指标之间存在无可忽视的中等或高度相关,依据两两相关关系建立图结构时,上述24个指标可被分为6个团体,体现了指标的内部关系。同时G-AdLasso选择出了10个因素,其中欧盟核证减排量收盘价影响最为显著,欧盟EUA收盘价、迪拜原油现货价、美元兑人民币中间价4个因素对GDEA有正向影响;欧盟CER收盘价、NYMEX天然气期货收盘价、欧洲三港DES ARA动力煤指数、广州工业天然气市场价、广州日最高气温、银行间7日同业拆借平均利率、欧元兑人民币中间价7个因素对GDEA有负向作用;这些因素在上述6个维度上均有涉及,且它们在图结构中具有较高的度,说明G-AdLasso可识别出图结构中较重要的指标。对比不带图结构的自适应Lasso和Lasso方法,G-AdLasso方法选择更少的指标,说明该方法可优化和精简模型。

关 键 词：碳排放权价格  变量选择  Lasso  复杂网络 低碳经济

分 类 号：F222]