| 摘要 | 第3-5页 |
| ABSTRACT | 第5-6页 |
| 1 绪论 | 第10-20页 |
| 1.1 问题的提出及意义 | 第10-11页 |
| 1.2 文献综述 | 第11-16页 |
| 1.2.1 时间序列研究总结 | 第11-13页 |
| 1.2.2 神经网络综述 | 第13-15页 |
| 1.2.3 碳价预测与分析研究现状 | 第15-16页 |
| 1.3 研究目标和论文结构 | 第16-18页 |
| 1.3.1 研究目标 | 第16-17页 |
| 1.3.2 论文结构 | 第17页 |
| 1.3.3 数据来源 | 第17页 |
| 1.3.4 软件工具 | 第17-18页 |
| 1.3.5 各章节布局思想 | 第18页 |
| 1.4 本章小结 | 第18-20页 |
| 2 时间序列分析问题的基本理论 | 第20-36页 |
| 2.1 时间序列及统计特性 | 第20-21页 |
| 2.2 平稳时间序列模型 | 第21-26页 |
| 2.2.1 平稳时间序列简介 | 第21-22页 |
| 2.2.2 ARMA模型 | 第22-26页 |
| 2.3 非平稳时间序列模型 | 第26-30页 |
| 2.3.1 非平稳时间序列简介 | 第26-27页 |
| 2.3.2 单位根过程的预测 | 第27-29页 |
| 2.3.4 ARIMA模型 | 第29-30页 |
| 2.4 条件异方差模型 | 第30-35页 |
| 2.4.1 ARCH模型 | 第30-32页 |
| 2.4.2 ARCH的检验 | 第32-33页 |
| 2.4.3 GARCH模型 | 第33-35页 |
| 2.5 模型定阶准则 | 第35页 |
| 2.6 本章小结 | 第35-36页 |
| 3 神经网络时间序列模型 | 第36-52页 |
| 3.1 神经网络概述 | 第36-38页 |
| 3.1.1 神经网络概念 | 第36页 |
| 3.1.2 神经元结构模型 | 第36-38页 |
| 3.2 BP神经网络 | 第38-44页 |
| 3.2.1 BP神经网络的结构 | 第38-39页 |
| 3.2.2 BP算法 | 第39-40页 |
| 3.2.3 BP算法改进 | 第40-44页 |
| 3.3 RBF神经网络 | 第44-50页 |
| 3.3.1 RBF神经网络的结构 | 第45-46页 |
| 3.3.2 RBF算法 | 第46-48页 |
| 3.3.3 RBF算法优化 | 第48-50页 |
| 3.5 神经网络时间序列模型 | 第50页 |
| 3.6 本章小结 | 第50-52页 |
| 4 碳价模型实证与分析 | 第52-66页 |
| 4.1 碳价时间序列基本框架模型 | 第52-57页 |
| 4.1.1 ARIMA-GARCH模型预测系统流程 | 第52页 |
| 4.1.2 ARIMA-GARCH模型实证 | 第52-57页 |
| 4.2 BP神经网络碳价预测 | 第57-60页 |
| 4.2.1 BP神经网络预测流程 | 第57页 |
| 4.2.2 BP神经网络碳价预测实证 | 第57-60页 |
| 4.3 RBF神经网络碳价预测 | 第60-62页 |
| 4.3.1 RBF神经网络预测系统流程 | 第60页 |
| 4.3.2 RBF神经网络碳价预测实证 | 第60-62页 |
| 4.4 模型比较 | 第62-64页 |
| 4.5 影响碳价因素分析 | 第64-65页 |
| 4.6 本章小结 | 第65-66页 |
| 5 总结与展望 | 第66-68页 |
| 5.1 本论文研究成果 | 第66页 |
| 5.2 中国特色碳交易市场发展与展望 | 第66-68页 |
| 参考文献 | 第68-74页 |
| 致谢 | 第74-75页 |