← 論文一覧に戻る

線形モデルを超えて：カーボン市場予測のための木ベース、インスタンスベース、深層学習手法の評価

Beyond Linear Models: Evaluating Tree-Based, Instance-Based, and Deep Learning Methods for Carbon Market Forecasting (原題)

Nadirgil O

Research Squareプレプリント2026-06-04#炭素価格Origin: Global
DOI: 10.21203/rs.3.rs-9172688/v2
原典: https://doi.org/10.21203/rs.3.rs-9172688/v2

🤖 gxceed AI 要約

日本語

本稿は、28の多様な炭素価格ドライバーを対象に、深層学習、インスタンスベース、木ベースなど多様なモデルを同一データセット上で比較する初の網羅的ベンチマーク研究である。結果、石炭価格が最大のドライバーであり、英国10年債利回り、S&P500、米国イールドカーブスプレッド、日経平均が続く。予測性能ではETとKNNが最上位層、DNN・RF・SHAP-XGB・XGBが第二層、LSTMとSVMが最下位となった。

English

This paper presents a comprehensive multi-model benchmarking study for carbon price forecasting, using 28 diverse drivers and comparing deep learning, instance-based, and tree-based models on the same dataset. Coal price is identified as the dominant driver, followed by UK 10-year bond yield, S&P 500, US yield curve spread, and NIKKEI 225. ET and KNN form a statistically superior top tier, with DNN, RF, SHAP-XGB, and XGB in the second tier, while LSTM and SVM rank last.

Unofficial AI-generated summary based on the public title and abstract. Not an official translation.

📝 gxceed 編集解説 — Why this matters

日本のGX文脈において

日本では炭素価格の変動要因として海外市場の影響が示唆され、GXリスク管理や投資判断に示唆を与える。また、日経平均がドライバーとして挙げられたことは、日本市場の連動性を示す。

In the global GX context

This study advances carbon market forecasting by benchmarking multiple ML models on a global set of drivers, highlighting the importance of non-EU financial markets. It provides robust methodology for practitioners and regulators to assess price drivers and model performance.

👥 読者別の含意

🔬研究者:Provides a rigorous benchmark framework for carbon price forecasting, including feature selection and model comparison methodologies.

🏢実務担当者:Offers actionable insights on key carbon price drivers (e.g., coal, equity indices) and identifies best-performing models (ET, KNN) for trading or hedging strategies.

🏛政策担当者:Highlights the influence of global capital flows and non-EU markets on carbon pricing, relevant for designing efficient carbon markets.

📄 抄録（日本語訳）

<title>抄録</title> <p>本研究は、同一データセットと期間において、カテゴリー的および地理的に多様な28の炭素価格ドライバーを、大規模なDeep Learning（DL）、インスタンスベースおよびツリーベースのモデルのポートフォリオにわたって探索することにより、広範な炭素価格の特徴選択と予測研究を共同で採用し、炭素価格設定に関する包括的かつ体系的なマルチモデルベンチマーキングの視点を導入する。方法論には、Jarque-Bera（JB）検定、Augmented Dickey-Fuller（ADF）単位根検定、Pearson相関およびVariance Inflation Factor（VIF）多重共線性スクリーニング、ならびにGARCH(1,1)フィルタリングを伴うARCH-LM不均一分散検定を含む厳密な統計分析が備えられている。すべてのモデルは、時系列交差検証を用いた網羅的グリッドサーチにより最適化され、予測精度は8つの補完的な指標を用いて評価され、さらにペア間の性能差はHLN補正Diebold-Mariano検定およびNemenyi Post-Hoc順位検定により検証される。結果は、石炭価格が支配的な炭素価格ドライバーであることを特定し、英国10年国債利回り、S&P 500、米国イールドカーブスプレッド（US SPR）、およびNIKKEI 225が二次的な決定要因として浮上する。注目すべきは、非EUの株式および債券市場が欧州の同等市場を一貫して上回り、炭素価格設定に対するグローバルな資本フローの影響を反映していることである。予測性能に関しては、ETおよびKNNが統計的に優れた第一層を構成し、それにDNN、RF、SHAP-XGB、およびXGBからなる第二層が続き、LSTMおよびSVMが最下位にランクされる。</p>

AI 翻訳（deepseek-v4-flash）。 正確を期す場合は下の原文を参照してください。

📄 Abstract（原文）

<title>Abstract</title> <p>This study introduces a comprehensive and systematic multi-model benchmarking perspective on carbon pricing by jointly employing extensive carbon price feature selection and forecasting research through exploring 28 categorically and geographically diversified carbon price drivers across a large portfolio of Deep Learning (DL), instance and tree based models on the same dataset and time period. Methodology is equipped with rigorous statistical analysis, including Jarque-Bera (JB) test, Augmented Dickey-Fuller (ADF) unit root test, Pearson correlation and Variance Inflation Factor (VIF) multicollinearity screening, and ARCH-LM heteroskedasticity testing with GARCH(1,1) filtering. All models are optimised via exhaustive grid search with time-series cross-validation, and predictive accuracy is assessed using eight complementary metrics, in addition cross pair performance differentials are verified by the HLN-corrected Diebold-Mariano and the Nemenyi Post-Hoc rank tests. Results identify coal price as the dominant carbon price driver with the UK 10-year bond yield, S&P 500, US yield curve spread (US SPR), and NIKKEI 225 emerging as secondary determinants. Notably, non-EU equity and bond markets consistently outrank their European counterparts, reflecting the influence of global capital flows on carbon pricing. In terms of forecasting performance, ET and KNN constitute a statistically superior first tier, followed by a second tier comprising DNN, RF, SHAP-XGB, and XGB, while LSTM and SVM rank last.</p>

🔗 Provenance — このレコードを発見したソース

🔔 こうした論文の新着を逃したくない方は キーワードアラート に登録（無料・3キーワードまで）。

gxceed は公開メタデータに基づく研究支援データセットです。要約・翻訳・解説は AI 支援で生成されています。 最終的な解釈・検証は利用者が原典資料に基づいて行うことを前提とします。