炭素価格予測のための空間・時間ダイナミクスの相乗効果：不均一アンサンブルアプローチ

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

🔬研究者:The heterogeneous ensemble framework offers a new methodological baseline for carbon price forecasting, integrating spatial and temporal dependencies effectively.

🏢実務担当者:Trading desks and risk managers can adopt the proposed model to improve carbon price predictions and hedge against market volatility.

🏛政策担当者:Regulators can use the framework to assess market dynamics and the impact of structural shocks on carbon prices.

抄録 欧州炭素価格の正確な予測は、効果的な気候政策と市場リスク管理にとって不可欠であるが、外生的なマクロ経済ショック、内生的な市場モメンタム、および関連市場間の顕著な空間的・時間的依存関係が併存するため、依然として困難な課題となっている。従来の予測モデルは、このような空間・時間的異質性に対応できないことが多く、予測性能が不安定になり、経済的解釈可能性も限定的となる。これらの課題に対処するため、我々は変数選択、周波数領域分解、およびグラフベースの空間学習の強みを統合した、異質性アンサンブルフレームワークを導入する。41の変数を用いて、LASSOを採用して内生的な市場モメンタムを抽出し、MEMD-ARIMAX-mLSTMフレームワークを実装して時間的ダイナミクスをモデル化し、GWnet-attnを採用して空間的相互依存性を捕捉する。アンサンブルアプローチを通じて、このフレームワークはこれらの異なる市場ダイナミクスを効果的に組み合わせる。実証結果は、提案モデルが最近の最先端ベンチマークを有意に上回ることを示している。アブレーション研究と頑健性テストは、空間情報と時間情報の統合が予測誤差を大幅に削減し、強い頑健性をもたらすことを実証するとともに、エネルギー・炭素連関の重要性を浮き彫りにし、市場設計とリスク管理に重要な洞察を提供する。

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 Accurately forecasting European carbon prices is essential for effective climate policy and market risk management yet remains challenging due to the coexistence of exogenous macroeconomic shocks, endogenous market momentum, and pronounced spatial and temporal dependencies across related markets. Conventional forecasting models often fail to accommodate such spatial–temporal heterogeneity, leading to unstable predictive performance and limited economic interpretability. To address these challenges, we introduce a heterogeneous ensemble framework that integrates the strengths of variable selection, frequency‐domain decomposition, and graph‐based spatial learning. Using 41 variables, we employ LASSO to extract endogenous market momentum, implement the MEMD‐ARIMAX‐mLSTM framework to model temporal dynamics, and adopt GWnet‐attn to capture spatial interdependencies. Through the ensemble approach, the framework effectively combines these distinct market dynamics. Empirical results demonstrate that the proposed model significantly outperforms recent state‐of‐the‐art benchmarks. Ablation studies and robustness tests demonstrate that integrating spatial and temporal information substantially reduces forecasting errors and confers strong robustness, while highlighting the criticalness of the energy–carbon nexus, offering critical insights for market design and risk management.

• openalex https://doi.org/10.1002/for.70196first seen 2026-07-28 05:13:13