| 摘要 | 第3-5页 |
| Abstract | 第5-6页 |
| 第一章 绪论 | 第9-22页 |
| 1.1 选题背景 | 第9-11页 |
| 1.1.1 国际碳市场环境 | 第9-10页 |
| 1.1.2 中国碳交易市场发展态势 | 第10-11页 |
| 1.2 研究意义 | 第11-13页 |
| 1.2.1 现实意义 | 第11-12页 |
| 1.2.2 理论意义 | 第12-13页 |
| 1.3 国内外研究综述 | 第13-19页 |
| 1.3.1 影响欧盟碳排放权价格的市场因素 | 第13-17页 |
| 1.3.2 影响欧盟碳排放权价格的政策环境因素 | 第17-19页 |
| 1.4 研究方案 | 第19-22页 |
| 1.4.1 研究目标、研究内容以及拟解决的关键问题 | 第19页 |
| 1.4.2 采取的研究方法 | 第19-21页 |
| 1.4.3 本研究的特色与创新之处 | 第21-22页 |
| 第二章 碳交易市场机制的理论分析 | 第22-29页 |
| 2.1 碳交易的理论渊源 | 第22-23页 |
| 2.1.1 庇古转移税 | 第22-23页 |
| 2.1.2 科斯定理 | 第23页 |
| 2.2 碳交易机制 | 第23-25页 |
| 2.2.1 联合履约机制 | 第24页 |
| 2.2.2 清洁发展机制 | 第24-25页 |
| 2.2.3 国际碳排放交易机制 | 第25页 |
| 2.3 碳交易市场 | 第25-29页 |
| 2.3.1 交易主体 | 第26页 |
| 2.3.2 交易客体 | 第26页 |
| 2.3.3 市场结构 | 第26-29页 |
| 第三章 碳排放权价格影响机制分析 | 第29-37页 |
| 3.1 EUA(欧盟碳排放权价格)的发展 | 第29-32页 |
| 3.1.1 碳排放权交易价格走势 | 第29-30页 |
| 3.1.2 碳排放权交易价格阶段性推进 | 第30-31页 |
| 3.1.3 碳排放权价格交易模式 | 第31-32页 |
| 3.2 碳排放权价格的影响因素 | 第32-37页 |
| 3.2.1 三大化石能源因素 | 第32页 |
| 3.2.2 气温因素 | 第32-33页 |
| 3.2.3 经济环境因素 | 第33-34页 |
| 3.2.4 CER(核证减排量价格)因素 | 第34-35页 |
| 3.2.5 UNFCCC(联合国气候会议)因素 | 第35-37页 |
| 第四章 基于BP神经网络的实证研究 | 第37-47页 |
| 4.1 人工神经网络 | 第37-39页 |
| 4.1.1 人工神经网络基本原理 | 第37-38页 |
| 4.1.2 模型种类以及应用领域 | 第38-39页 |
| 4.2 BP神经网络 | 第39-41页 |
| 4.2.1 BP神经网络在价格预测中的适用性 | 第39页 |
| 4.2.2 BP神经网络训练算法 | 第39-41页 |
| 4.3 实证分析 | 第41-47页 |
| 4.3.1 样本的选取和输入输出数据的处理 | 第41-43页 |
| 4.3.2 利用MATLAB建立模型并试验仿真 | 第43-44页 |
| 4.3.3 模型仿真结果对比与数据分析 | 第44-45页 |
| 4.3.4 影响度模型 | 第45-47页 |
| 第五章 结论和建议 | 第47-52页 |
| 5.1 研究结果 | 第47-49页 |
| 5.2 对中国碳市场构建的启示 | 第49-50页 |
| 5.3 研究展望 | 第50-52页 |
| 参考文献 | 第52-58页 |
| 致谢 | 第58-60页 |
| 攻读硕士学位期间的研究成果 | 第60页 |