持続可能性・排出量取引制度・炭素リーケージ：ニューラルネットワークと多基準分析に基づくアプローチ

日本語

排出量取引制度（ETS）と炭素リーケージの関係を、ニューラルネットワークと多基準意思決定分析を組み合わせて評価する手法を提案した研究。炭素価格政策が産業競争力や排出移転に与える影響を、機械学習の予測力と多基準評価の透明性で捉えようとする点が特徴。ETS設計や国境調整措置の議論に定量的手法を提供する。

English

Proposes a hybrid method combining neural networks with multicriteria decision analysis to assess emission trading systems and carbon leakage. It links carbon pricing policy to industrial competitiveness and emission shifting, blending ML predictive power with transparent multicriteria evaluation. Offers a quantitative tool for ETS design and carbon border adjustment debates.

日本のGX文脈において

日本ではGX-ETSや炭素賦課金導入が議論される中、炭素リーケージ対策（国境調整）は鉄鋼・化学など輸出産業の競争力に直結する。本手法は政策設計の定量評価に応用可能で、SSBJ開示と炭素価格リスクの統合にも示唆を与える。

In the global GX context

As the EU CBAM and global carbon pricing expand, quantifying carbon leakage is central to ISSB/CSRD disclosure of transition risk. This hybrid NN–MCDA approach offers a modeling template for assessing ETS stringency and border adjustment impacts across jurisdictions.