Carbon Price Forecasting with Quantile Regression and Feature Selection

要約

【タイトル】
– 量子回帰と特徴量選択を用いた炭素価格予測

【要約】
– 炭素先物は、欧州連合や中国などの取引市場で新しい金融資産として登場しています。炭素価格の動向を監視することは、国家政策決定や産業生産計画の両方にとって重要となっています。しかし、様々な地政学的、社会的、経済的要因が炭素価格に大きな影響を与える可能性があります。そのため、その波動性と非線形性のため、正確な炭素価格を予測することは一般的に難しい課題です。
– この研究では、いくつかの新しい手法によって炭素価格予測を改善することを提案しています。まず、商品価格や石油や天然ガスの輸出量、繁栄指数など、様々な影響要因を収集します。次に、最も重要な要因を選択し、それらの最適なグルーピングを明らかにします。最後に、スパース量子グループラッソと適応スパース量子グループラッソを使用し、堅牢な価格予測を行います。広範な実験的研究によって、提案された手法が既存の手法よりも優れていることが示されています。また、量子予測は異なるレベルで将来の価格の完全なプロファイルを提供し、炭素市場の分布をよりよく説明します。

要約(オリジナル)

Carbon futures has recently emerged as a novel financial asset in the trading markets such as the European Union and China. Monitoring the trend of the carbon price has become critical for both national policy-making as well as industrial manufacturing planning. However, various geopolitical, social, and economic factors can impose substantial influence on the carbon price. Due to its volatility and non-linearity, predicting accurate carbon prices is generally a difficult task. In this study, we propose to improve carbon price forecasting with several novel practices. First, we collect various influencing factors, including commodity prices, export volumes such as oil and natural gas, and prosperity indices. Then we select the most significant factors and disclose their optimal grouping for explainability. Finally, we use the Sparse Quantile Group Lasso and Adaptive Sparse Quantile Group Lasso for robust price predictions. We demonstrate through extensive experimental studies that our proposed methods outperform existing ones. Also, our quantile predictions provide a complete profile of future prices at different levels, which better describes the distributions of the carbon market.

arxiv情報

提供元, 利用サービス

arxiv.jp, OpenAI