融合网络新闻文本数据的碳交易价格预测研究
王瑞
林郁健
中国石油大学(北京) 经济管理学院,北京 102249
摘要：在全球气候治理与中国"双碳"战略背景下,精准预测碳交易价格对风险管控与政策制定至关重要.针对传统模型难以捕捉市场情绪与政策预期等非结构化信息的不足,此研究融合网络新闻文本与结构化时序数据,构建多模态碳交易价格预测框架.以深圳碳交易市场为实证对象,整合2018 年1 月至2025 年5 月期间的10 类结构化日频指标与 1 893 篇碳市场相关网络新闻文本,通过文本挖掘提取5 类主题及情感特征,结合时序数据建立跨模态融合机制,通过构建长短期记忆神经网络(LSTM)、双向长短期记忆神经网络(BiLSTM)、门控循环单元(GRU)及卷积神经网络(CNN)等4 类深度学习模型进行对比实验.研究结果表明:多模态数据协同能够显著提升预测效能,有效捕获政策信号与市场情绪等非结构化信息;GRU模型表现最优,其门控机制在平衡计算效率与长程依赖建模方面具有显著优势.研究验证了网络文本非结构化数据在碳交易价格预测中的价值,所提跨模态融合方法为复杂市场环境下的碳交易价格预测提供了新范式,未来可扩展至多区域市场并融合图像、视频等多模态数据以提升决策支持能力.
关键词：碳交易价格预测非结构化数据神经网络深度学习特征工程
分类号：X196(环境经济学)F416.21(世界工业经济)
资助基金：中国石油大学(北京)科研基金资助项目(2462023SZBH016)
论文发表日期：2025-12-28
在线出版日期：2026-01-30（本平台首次上网日期，不代表文献的发表时间）
页数：8( 33-40 )
英文信息