論文の概要: Carbon Price Forecasting with Quantile Regression and Feature Selection

• arxiv url: http://arxiv.org/abs/2305.03224v1
• Date: Fri, 5 May 2023 01:02:08 GMT
• ステータス: 処理完了
• システム内更新日: 2023-05-08 15:47:36.371255
• Title: Carbon Price Forecasting with Quantile Regression and Feature Selection
• Title（参考訳）: 量的回帰と特徴選択による炭素価格予測
• Authors: Tianqi Pang and Kehui Tan and Chenyou Fan
• Abstract要約: いくつかの新しい手法で炭素価格予測を改善することを提案する。 商品価格、石油や天然ガスなどの輸出量、繁栄指標など、さまざまな影響要因を収集する。 Sparse Quantile Group Lasso と Adaptive Sparse Quantile Group Lasso を用いて価格予測を行う。
• 参考スコア（独自算出の注目度）: 4.973858621819144
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Carbon futures has recently emerged as a novel financial asset in the trading markets such as the European Union and China. Monitoring the trend of the carbon price has become critical for both national policy-making as well as industrial manufacturing planning. However, various geopolitical, social, and economic factors can impose substantial influence on the carbon price. Due to its volatility and non-linearity, predicting accurate carbon prices is generally a difficult task. In this study, we propose to improve carbon price forecasting with several novel practices. First, we collect various influencing factors, including commodity prices, export volumes such as oil and natural gas, and prosperity indices. Then we select the most significant factors and disclose their optimal grouping for explainability. Finally, we use the Sparse Quantile Group Lasso and Adaptive Sparse Quantile Group Lasso for robust price predictions. We demonstrate through extensive experimental studies that our proposed methods outperform existing ones. Also, our quantile predictions provide a complete profile of future prices at different levels, which better describes the distributions of the carbon market.
• Abstract（参考訳）: 炭素先物は最近、欧州連合(EU)や中国などの貿易市場で新たな金融資産として出現している。 炭素価格の傾向のモニタリングは、国家政策立案と工業生産計画の両方にとって重要になっている。 しかし、様々な地政学的、社会的、経済的要因が炭素価格に大きな影響を与えうる。 ボラティリティと非線形性のため、正確な炭素価格の予測は一般的に難しい作業である。 本研究では, 炭素価格予測を新しい手法で改善することを提案する。 まず,商品価格,石油や天然ガスなどの輸出量,繁栄指標など,さまざまな影響要因を収集する。 次に,最も重要な要因を選択し,その最適グループ化を説明可能性のために開示する。 最後に,Sparse Quantile Group LassoとAdaptive Sparse Quantile Group Lassoを用いて価格予測を行う。 提案手法が既存の手法よりも優れていることを示す実験を行った。 また、当社の質的予測は、異なるレベルの将来の価格の完全なプロファイルを提供し、炭素市場の分布をよりよく説明します。

関連論文リスト

• Carbon Market Simulation with Adaptive Mechanism Design [55.25103894620696]
  炭素市場(英: carbon market)は、個人の利益をグローバルユーティリティーと整合させる経済エージェントをインセンティブとする、市場ベースのツールである。 階層型モデルフリーマルチエージェント強化学習(MARL)を用いて市場をシミュレートする適応機構設計フレームワークを提案する。 MARLは、政府エージェントが生産性、平等、二酸化炭素排出のバランスをとることができることを示している。
  論文  参考訳（メタデータ） (2024-06-12T05:08:51Z)
• Comparing Data-Driven and Mechanistic Models for Predicting Phenology in Deciduous Broadleaf Forests [47.285748922842444]
  我々は、気象時系列から表現指標を予測するために、ディープニューラルネットワークを訓練する。 このアプローチは従来のプロセスベースのモデルよりも優れています。
  論文  参考訳（メタデータ） (2024-01-08T15:29:23Z)
• Diffusion Variational Autoencoder for Tackling Stochasticity in Multi-Step Regression Stock Price Prediction [54.21695754082441]
  長期的地平線上での多段階の株価予測は、ボラティリティの予測に不可欠である。 多段階の株価予測に対する現在の解決策は、主に単一段階の分類に基づく予測のために設計されている。 深層階層型変分オートコーダ(VAE)と拡散確率的手法を組み合わせてセック2seqの株価予測を行う。 本モデルでは, 予測精度と分散性の観点から, 最先端の解よりも優れていることを示す。
  論文  参考訳（メタデータ） (2023-08-18T16:21:15Z)
• Forecasting, capturing and activation of carbon-dioxide (CO$_2$): Integration of Time Series Analysis, Machine Learning, and Material Design [0.0]
  本研究は,2019年1月から2023年2月までの日次産業別,国別CO$の排出量を総合的に分析した。 この研究は、ヨーロッパ諸国(EU27とイギリス、イタリア、ドイツ、スペイン)の電力、産業、陸上輸送、国内航空、国際航空部門に焦点を当てている。 通常の排出パターンを特定するため、新型コロナウイルスのパンデミックによる破壊的な影響により、2020年のデータは除外される。
  論文  参考訳（メタデータ） (2023-07-25T16:03:44Z)
• Petroleum prices prediction using data mining techniques -- A Review [0.0]
  本研究は,石油価格の予測を行うための既存のデータマイニング技術について概説する。 データマイニング技術は回帰モデル、ディープニューラルネットワークモデル、ファジィセットとロジック、ハイブリッドモデルに分類される。
  論文  参考訳（メタデータ） (2022-11-20T19:33:02Z)
• Measuring the Carbon Intensity of AI in Cloud Instances [91.28501520271972]
  我々は,ソフトウェアの炭素強度を測定するための枠組みを提供し,運転中の炭素排出量を測定することを提案する。 私たちは、Microsoft Azureクラウドコンピューティングプラットフォームにおける排出削減のための一連のアプローチを評価します。
  論文  参考訳（メタデータ） (2022-06-10T17:04:04Z)
• (Private)-Retroactive Carbon Pricing [(P)ReCaP]: A Market-based Approach for Climate Finance and Risk Assessment [64.83786252406105]
  Retrospective Social Cost of Carbon Updating (ReSCCU) は、実験的に測定された証拠を収集して制限を補正する新しいメカニズムである。 炭素税の文脈でReSCCUを実装するために,Retroactive Carbon Pricing (ReCaP)を提案する。 組織的リスクを緩和し、政府の関与を最小限に抑えるため、我々はPrivate ReCaP(Private ReCaP)予測市場を導入する。
  論文  参考訳（メタデータ） (2022-05-02T06:02:13Z)
• A hybrid deep learning approach for purchasing strategy of carbon emission rights -- Based on Shanghai pilot market [0.0]
  本稿では,企業を対象とした二酸化炭素購入戦略を策定し,二酸化炭素価格予測モデルを確立することを目的とする。 一般化自己回帰ヘテロスケダスティック(GARCH)をゲートリカレントユニット(GRU)モデルに組み込んだハイブリッドディープラーニングモデルを構築した。 シミュレーションでは,GARCH-GRUモデルに基づく購入戦略を最小コストで実行した。
  論文  参考訳（メタデータ） (2022-01-24T03:10:01Z)
• Forecasting Crude Oil Price Using Event Extraction [2.132096006921048]
  新たな原油価格予測フレームワークであるAGESLが,この問題に対処するために提案されている。 提案手法では,オープンドメインイベント抽出アルゴリズムを用いて関連するイベントを抽出する。 次に、将来の原油価格を予測するために、ニュースイベントの特徴、感傷的特徴、歴史的価格特徴を統合するディープニューラルネットワークを構築します。
  論文  参考訳（メタデータ） (2021-11-14T08:48:43Z)
• Stock Price Prediction Under Anomalous Circumstances [81.37657557441649]
  本稿では,異常な状況下での株価の変動パターンを捉えることを目的とする。 ARIMAとLSTMのモデルは、シングルストックレベル、業界レベル、一般市場レベルでトレーニングします。 2016年から2020年にかけての100社の株価に基づいて、平均予測精度は98%に達した。
  論文  参考訳（メタデータ） (2021-09-14T18:50:38Z)
• Share Price Prediction of Aerospace Relevant Companies with Recurrent Neural Networks based on PCA [13.033705947070931]
  主成分分析(PCA)とリカレントニューラルネットワークを組み合わせたハイブリッド予測モデルを提案する。 財務データ、抽出された特徴、アルゴリズム、パラメータなど、様々な要因が予測モデルの性能に影響を与える可能性がある。 開発されたアプローチは、新型コロナウイルス(COVID-19)以降の航空宇宙産業の株価を予測するために使用することができる。
  論文  参考訳（メタデータ） (2020-08-26T20:16:33Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。