Carbon Market Price Forecasting Using a Bidirectional Temporal Convolution Exogenous-Enhanced Time-Series Model.

日本語

本論文は、双方向時間畳み込みネットワークと外生変数拡張手法を組み合わせた時系列モデルを提案し、炭素市場価格の予測精度向上を目指す。機械学習手法と炭素価格予測の実務的課題を融合した点が特徴。

English

This paper proposes a bidirectional temporal convolutional network combined with exogenous variable enhancement for carbon market price forecasting, aiming to improve prediction accuracy. It uniquely merges machine learning techniques with practical carbon pricing challenges.

日本のGX文脈において

日本では2023年から東証におけるカーボン・クレジット取引が開始され、価格予測モデルは企業の脱炭素投資判断やリスク管理に有用である。

In the global GX context

Globally, carbon price forecasting is critical for compliance, risk management, and investment in emissions reduction; this AI-driven approach advances predictive capability in volatile carbon markets.