《Energy Economics》：Dual channel mixed frequency forecasting for carbon prices: Informer-BiLSTM deep features embedded in Grey-MIDAS framework
编辑推荐：
•
提出一种基于双通道混合频率的灰预测深度学习模型（GMIB）用于碳价格预测。
•
通过基于驱
- •
提出一种基于双通道混合频率的灰预测深度学习模型（GMIB）用于碳价格预测。
- •
通过基于驱动因素经济属性的Informer–BiLSTM架构提取趋势和冲击特征。
- •
将深度特征嵌入到Grey-MIDAS结构中，以解决混合频率对齐和结构断裂问题。
- •
在欧盟排放交易系统（EU ETS）和中国排放交易系统（China ETS）中提供更准确的点预测和区间预测，并利用SHAP揭示成本驱动与情绪驱动的定价机制。
- •
提供一种可操作的工具，以改进价格发现并支持可持续的碳市场运作。
引言
随着由温室气体排放引起的全球变暖危机日益严重，应对气候变化已从环境科学问题演变为全球治理的核心议程，对人类生存和发展具有深远影响。根据《巴黎协定》确立的全球温度目标框架，实现碳中和已成为国际社会的战略共识和紧迫任务（Hartvig等人，2023年）。排放交易系统（ETS）是一种代表性的基于市场的环境调控工具。由于其平衡经济增长与减排目标的独特优势，它们被广泛认为是实现减排最有效的方法之一（Zhang等人，2022年）。在此背景下，全球碳市场呈现出成熟市场和新兴市场的双重格局。作为最早建立且制度最为完善的跨境碳交易机制，欧盟排放交易系统（EU ETS）凭借高流动性和成熟的定价机制，已成为全球碳价格的标杆（Zhang和Wei，2010年）。相比之下，中国排放交易系统（China ETS）作为世界上最大的新兴碳市场，虽然起步较晚，但覆盖的排放量巨大，是发展中国家参与全球气候治理的关键枢纽（Li等人，2022a）。无论是在欧盟成熟的体系中，还是中国的新兴实践中，其初衷都是通过市场交易规则将排放配额转化为可交易的金融资产，让市场机制发现碳价格，并提高排放的边际成本，从而促使企业进行技术创新和绿色低碳转型（Jang等人，2024年；Martinsson等人，2024年）。
在排放交易系统的复杂运行架构中，碳价格占据核心地位。它们不仅是市场的风向标，也是帮助平衡碳资产动态供需状况的“无形之手”，同时引导社会资本流向低碳技术（Lin和Jia，2019年）。从价格传递的角度来看，碳价格决定了减排的边际成本，并推动了技术创新与配额交易之间的资源分配权衡。高溢价信号会引导资本流向低碳技术，通过技术替代扩大潜在供给；相反，当碳价格较低时，企业倾向于通过配额交易以较低的成本满足合规要求，从而促进市场清算（Li和Lu，2015年；Wang等人，2025年）。因此，一个有效且响应迅速的碳价格形成机制是碳市场实现高效资源分配功能的必要条件。鉴于碳价格在决策过程中的决定性作用，准确的碳价格预测不仅对监管机构稳定市场和防止定价失败至关重要，也对市场参与者制定风险管理策略十分重要（Tian等人，2025年）。
章节摘要
碳价格预测模型的演变：从计量经济学到深度学习
当前关于碳价格预测的研究已经取得了大量成果。文献综述表明，主流预测模型大致可以分为三类范式：计量经济学、机器学习和深度学习方法。
研究框架
为了清晰地展示本研究的整体逻辑和技术流程，从数据收集、模型构建和实证分析三个角度构建了一个研究框架。首先，收集和处理了中国和欧盟碳市场中的碳价格及其相关影响因素。其次，整合了Informer、BiLSTM、MIDAS和灰预测方法来处理混合频率信息，提取深度特征，并构建所提出的模型。
碳价格数据描述
为了全面评估GMIB模型的预测性能及其在不同市场环境中的泛化能力，本研究选择了两个异构的碳市场作为实证案例：欧盟排放交易系统（EU ETS）和中国排放交易系统（China ETS）。数据频率设置为每周一次。使用每周数据有助于过滤市场中的短期高频噪声，从而更准确地描述中长期趋势。
研究结论
- （1）
为了解决碳市场的数据特征和解释变量之间的结构异质性问题，本研究提出了一种基于自适应匹配的跨范式建模机制，以捕捉特定特征。一方面，选择Grey-MIDAS作为预测核心。通过利用灰系统的建模优势，它减轻了深度学习在样本有限情况下的过拟合问题，并解决了高频率数据之间的频率不对齐问题。
CRediT作者贡献声明
丁琦：撰写——原始草稿、验证、软件开发、方法论设计、调查、数据分析、概念化。 肖新平：撰写——审稿与编辑、验证、监督、资金筹集、概念化。 杨立中：撰写——审稿与编辑、监督。 杨庄：撰写——审稿与编辑、概念化。 徐志伟：撰写——审稿与编辑、数据管理。
未引用的参考文献
Li等人，2022b
Li等人，2025b
Yang等人，2025b
致谢
本工作得到了国家自然科学基金会（编号：72371194）的支持。
作者：丁琦 | 肖新平 | 杨立中 | 杨庄 | 徐志伟
