A novel interval prediction model based on LUBE and decomposition ensemble for carbon price forecasting and trading
LUBEと分解アンサンブルに基づく炭素価格予測と取引のための新しい区間予測モデル (AI 翻訳)
Dabin Zhang, Jing Zhou, Huanling Hu, Y.X. Ye
🤖 gxceed AI 要約
日本語
本研究は、炭素価格の区間予測を目的とし、品質主導の上下限推定（QD-LUBE）と分解アンサンブル手法を統合した新しいモデルを提案する。変分モード分解（VMD）で価格系列をトレンドと残差に分離し、MLPとBi-GRUでそれぞれ予測。最終的に、取引戦略を用いて経済的有用性を示した。
English
This paper proposes a novel interval prediction model for carbon prices, integrating quality-driven LUBE (QD-LUBE) with decomposition ensemble. Variational Mode Decomposition (VMD) separates the price series into trend and residual components, modeled by MLP and Bi-GRU respectively. A simple trading strategy demonstrates the economic value of interval forecasts.
Unofficial AI-generated summary based on the public title and abstract. Not an official translation.
📝 gxceed 編集解説 — Why this matters
日本のGX文脈において
中国の炭素市場を対象とした研究だが、区間予測手法は日本の排出権取引やカーボンプライシング制度への応用可能性を示唆する。ただし、日本の市場構造に合わせた調整が求められる。
In the global GX context
This study contributes to global carbon pricing literature by introducing a novel interval prediction method that enhances uncertainty quantification. While focused on Chinese markets, the methodology is transferable to other emissions trading systems (e.g., EU ETS, UK ETS) and offers insights for risk management in carbon trading.
👥 読者別の含意
🔬研究者:Provides a new interval forecasting framework combining VMD and deep learning, which can be extended to other commodity or carbon price prediction tasks.
🏢実務担当者:The interval prediction model and trading strategy can be used by carbon traders and risk managers to improve decision-making under uncertainty.
📄 抄録（日本語訳）
抄録 炭素価格予測に関する既存研究は、主に決定論的な点予測に焦点を当ててきた。しかし、区間予測は意思決定者にとってより豊かな情報内容を提供し、実務上の応用においてより効果的なリスク管理を促進する。このギャップに対処するため、本論文は、品質駆動型Lower Upper Bound Estimation（QD-LUBE）フレームワークと分解-アンサンブル手法を統合した新しい区間予測モデルを提案する。提案アプローチは、厳密な統計原理に由来する微分可能な損失関数を採用することで、従来のLUBEに固有の限界を克服し、勾配降下法による効率的なニューラルネットワーク最適化を可能にする。続いて、Variational Mode Decomposition（VMD）を用いて、元の価格系列を低周波のトレンド成分と高周波の残差成分に分離する。QD-LUBEフレームワーク内では、Multilayer Perceptron（MLP）を用いてトレンドを予測し、Bidirectional Gated Recurrent Unit（Bi-GRU）を残差の動態を捕捉するために設計する。これら二つの出力の統合により、洗練された区間予測が得られる。最後に、提案モデルの有効性が検証され、その有用性は、簡潔なトレンドベースの取引戦略を通じてさらに実証され、炭素取引の意思決定に不確実性の定量化を組み込むことの経済的価値を強調する。
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（原文）
Abstract Existing research on carbon price forecasting has predominantly focused on deterministic point forecasts. However, interval forecasting offers richer informational content for decision-makers and facilitates more effective risk management in practical applications. To address this gap, this paper proposes a novel interval prediction model that integrates a Quality-Driven Lower Upper Bound Estimation (QD-LUBE) framework with a decomposition-ensemble methodology. The proposed approach overcomes the inherent limitations of conventional LUBE by adopting a differentiable loss function derived from rigorous statistical principles, thereby enabling efficient neural network optimization via gradient descent. Subsequently, Variational Mode Decomposition (VMD) is employed to separate the original price series into a low-frequency trend component and a high-frequency residual component. Within the QD-LUBE framework, a Multilayer Perceptron (MLP) is utilized to predict the trend, while a Bidirectional Gated Recurrent Unit (Bi-GRU) is designed capture the dynamics of the residuals. The integration of these two outputs yield refined interval forecasts. Finally, the effectiveness of the proposed model is validated utility is further demonstrated through a simple trend-based trading strategy, underscoring the economic value of incorporating uncertainty quantification into carbon trading decisions.
🔗 Provenance — このレコードを発見したソース
- openalex https://doi.org/10.1007/s44176-026-00067-4first seen 2026-05-15 18:14:24 · last seen 2026-06-16 04:52:58
🔔 こうした論文の新着を逃したくない方は キーワードアラート に登録（無料・3キーワードまで）。
gxceed は公開メタデータに基づく研究支援データセットです。要約・翻訳・解説は AI 支援で生成されています。 最終的な解釈・検証は利用者が原典資料に基づいて行うことを前提とします。