融合气候政策不确定性的TVFEMD-DLinear框架：中国碳价格预测的创新研究

《Environmental Impact Assessment Review》：Forecasting China’s carbon prices using a TVFEMD-DLinear framework incorporating climate policy uncertainty

本文提出了一种融合气候政策不确定性(CPU)的TVFEMD-DLinear混合框架，用于中国碳市场(ETS)价格预测。研究表明，引入CPU可显著提升预测精度（MAE降低13%，RMSE降低12%），该框架在多项指标（MAE、MAPE、RMSE、MSPE、R2）上均表现最优，并通过敏感性分析验证了其稳健性，为政策制定和碳资产管理提供了有效工具。

　　

Highlight

分解与聚类

TVFEMD方法由Li等人(2017)开发，通过引入自适应时变滤波器来减少模态混叠、端点失真和频率分离不全等问题。与传统经验模态分解(EMD)及其变体相比，TVFEMD提升了频率分离效果，能更有效地捕捉信号的时变特征，提供更稳健、用户友好的分解结果。其产生的本征模态函数(IMFs)可更精准地反映时间序列数据的基础模式。

碳价格影响因素

本研究聚焦中国全国碳排放权交易市场(ETS)中的碳价格。如前所述，气候政策不确定性(CPU)反映了气候法规、政策出台及减排目标等方面的不可预测性。此类不确定性可能模糊企业对未来碳成本的预期，导致企业延迟或减少低碳技术投资，进而推高碳价格。中国全国ETS仍处于发展阶段，受政策影响显著。

碳价格分解与重构

本研究通过敏感性分析确定了TVFEMD的分解数量（图S1）。结果表明，将输入信号分解为16个IMFs和1个残差项（图5）可使残差平滑单调，避免过度分解。

基于希尔伯特平均频率，这些IMFs通过K均值聚类被划分为高频（IMF 1–3）、低频（IMF 4–16）和残差（IMF 17）。聚类数量由轮廓系数确定。

敏感性分析

本节对关键超参数设置进行敏感性分析，并采用中国广东和上海碳市场试点数据评估所提框架的稳定性与泛化能力。通过分析验证了该框架在不同参数设置和市场环境下均保持稳健可靠的预测性能。

结论

与多数仅依赖历史价格趋势和传统外部因素的碳价格预测研究不同，本研究提出了一种融合CPU的新型TVFEMD-DLinear框架，揭示了监管不确定性在ETS动态中的关键作用。通过跨模型对比实验和敏感性测试，验证了CPU对中国ETS碳价格预测精度的影响，并证实了该框架在准确性、鲁棒性和可解释性方面的优越性。