← 論文一覧に戻る

中国における炭素排出権取引価格予測モデルの比較と最適化—時系列分析と機械学習に基づいて

Comparison and Optimization of Carbon Emission Trading Price Prediction Models in China—Based on Time Series Analysis and Machine Learning (原題)

Bingyan Fan, Yuan Xue, Mingyue Dai, Yu Ming, Muchen Lin

Sustainability📚 査読済 / ジャーナル2026-05-29#炭素価格Origin: CN
DOI: 10.3390/su18115450
原典: https://doi.org/10.3390/su18115450

🤖 gxceed AI 要約

日本語

中国の五つの炭素取引パイロット市場（深セン、広東、湖北、北京、上海）を対象に、ARIMAX、CNN、GRU、Transformerの四モデルで価格予測を比較。LASSOで共通因子を特定し、SVR-ARIMAXとGA-GRUのハイブリッド最適化により予測精度を向上。12ヶ月先の予測では深セン市場の高変動性が示された。

English

This study compares four models (ARIMAX, CNN, GRU, Transformer) for carbon price prediction across five Chinese pilot markets. LASSO identifies key factors, and hybrid models SVR-ARIMAX and GA-GRU improve accuracy. Forecasts show Shenzhen has high volatility while Guangdong remains stable.

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

中国の炭素市場を対象とした価格予測モデルの比較・最適化研究。日本ではまだ本格的な炭素市場が稼働していないが、今後の市場設計や予測手法の参考となる可能性がある。

In the global GX context

This study compares multiple models for carbon price prediction, including hybrid optimization, across five Chinese pilots. It offers methodological insights applicable to other emerging carbon markets and highlights the importance of model selection for accurate forecasting.

👥 読者別の含意

🔬研究者:This paper provides a comprehensive comparison of time series and machine learning models for carbon price prediction, with hybrid optimization that can be applied to other markets.

🏢実務担当者:Trading firms and carbon market participants can use the optimized models for price forecasting and risk management.

🏛政策担当者:Regulators can evaluate the effectiveness of different modeling approaches for market monitoring and policy assessment.

📄 抄録（日本語訳）

「ダブルカーボン」目標を背景に、炭素排出権取引価格は市場運営効率の核心的なシグナルとなっている。炭素価格を正確に予測することは科学的な意思決定を促進し、モデル最適化は予測精度向上の鍵となる。本研究は、中国の主要な炭素取引パイロット5市場（深圳、広東、湖北、北京、上海）を研究対象とする。マクロ経済、エネルギー価格、気候・環境、国際市場の4つの側面から指標体系を構築し、Least Absolute Shrinkage and Selection Operator（LASSO）アルゴリズムを用いて各市場における炭素価格の主要な影響要因を特定する。その中で、「WTI原油価格」と「EUA先物終値」は、5つのパイロット市場すべてに共通する一貫して重要な要因である。この基盤の上に、Autoregressive Integrated Moving Average with Exogenous Variables（ARIMAX）、Convolutional Neural Network（CNN）、Gated Recurrent Unit（GRU）、Transformerの4つのモデルを構築し、多手法による予測比較を行う。結果は、ARIMAXとGRUが4つのモデルの中で最良の予測性能を達成することを示す。予測精度をさらに向上させるため、それぞれハイブリッド最適化モデルを開発する：Support Vector Regression（SVR）を用いてARIMAXの非線形残差を最適化し（SVR-ARIMAX）、Genetic Algorithm（GA）を用いてGRUの主要なハイパーパラメータを最適化する（GA-GRU）。ハイブリッドモデルは、ほとんどの市場で予測誤差を大幅に低減する。具体的には、SVR-ARIMAXは北京と湖北で特に顕著な改善を示し、GA-GRUは広東、深圳、上海、湖北で標準的なGRUを上回る性能を発揮する。最適化モデルに基づく12ヶ月先の予測では、深圳市場は高い変動性と最大の不確実性を示し、広東は比較的安定を維持し、湖北、北京、上海は狭い範囲での変動を特徴とする。これらの知見は、企業の排出削減意思決定、炭素市場のリスク管理、価格メカニズムの改善に実証的支援を提供する。

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）

Against the backdrop of the “dual carbon” goals, carbon emission trading prices serve as a core signal of market operational efficiency. Accurately predicting carbon prices facilitates scientific decision-making, and model optimization is key to improving prediction accuracy. This study takes five major carbon trading pilots in China—Shenzhen, Guangdong, Hubei, Beijing, and Shanghai—as the research objects. An indicator system is constructed from four dimensions: macroeconomy, energy prices, climate and environment, and international markets. The Least Absolute Shrinkage and Selection Operator (LASSO) algorithm is employed to identify the key influencing factors of carbon prices across different markets. Among them, “WTI crude oil price” and “EUA futures closing price” are consistently significant factors common to all five pilots. On this basis, four models—Autoregressive Integrated Moving Average with Exogenous Variables (ARIMAX), Convolutional Neural Network (CNN), Gated Recurrent Unit (GRU), and Transformer—are constructed for multi-method prediction comparison. The results show that ARIMAX and GRU achieve the best prediction performance among the four models. To further enhance prediction accuracy, hybrid optimization models are respectively developed: Support Vector Regression (SVR) is used to optimize the nonlinear residuals of ARIMAX (SVR-ARIMAX), and Genetic Algorithm (GA) is used to optimize the key hyperparameters of GRU (GA-GRU). The hybrid models significantly reduce prediction errors in most markets. Specifically, SVR-ARIMAX shows particularly notable improvements in Beijing and Hubei, while GA-GRU outperforms standard GRU in Guangdong, Shenzhen, Shanghai, and Hubei. Based on the optimized models, 12-month-ahead forecasts indicate that the Shenzhen market exhibits high volatility and greatest uncertainty; Guangdong remains relatively stable; Hubei, Beijing, and Shanghai are characterized by narrow-range fluctuations. The findings provide empirical support for corporate emission reduction decision-making, carbon market risk management, and price mechanism improvement.

🔗 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。