Carbon option price forecasting based on modified fractional Brownian motion optimized by GARCH model in carbon emission trading

分数布朗运动 ARCH模型 波动性(金融) 计量经济学 碳价格 经济 隐含波动率 期权估价 金融经济学 数学 布朗运动 统计 温室气体 地质学 海洋学
作者
Zhibin Liu,Shan Huang
出处
期刊:The North American Journal of Economics and Finance [Elsevier]
卷期号:55: 101307-101307 被引量:47
标识
DOI:10.1016/j.najef.2020.101307
摘要

With the rapid growth of carbon trading, the development of carbon financial derivatives such as carbon options has become inevitable. This paper established a model based on GARCH and fractional Brownian motion (FBM), hoping to provide reference for China's upcoming carbon option trading through carbon option price forecasting research. The fractal characteristic of carbon option prices indicates that it is reasonable to use FBM to predict option prices. The GARCH model can make up for the lack of fixed FBM volatility. In this paper, the daily closing prices of EUA option contracts on the European Energy Exchange are selected as samples for price prediction. The GARCH model was used to determine the return volatility, and then the FBM was used to calculate the forecast price for the next 60 days. The results showed that the predicted price can better fit the actual price. This paper further compares the price prediction results of this model with the other three models through line graphs and error evaluation indicators such as MAPE, MAE and MSE. It is confirmed that the prediction results of the model in this paper is the closest to the actual price.
最长约 10秒,即可获得该文献文件

科研通智能强力驱动
Strongly Powered by AbleSci AI
更新
大幅提高文件上传限制,最高150M (2024-4-1)

科研通是完全免费的文献互助平台,具备全网最快的应助速度,最高的求助完成率。 对每一个文献求助,科研通都将尽心尽力,给求助人一个满意的交代。
实时播报
Lobectomy发布了新的文献求助10
刚刚
完美世界应助ww采纳,获得10
1秒前
小小给小小的求助进行了留言
2秒前
xiguo完成签到,获得积分10
2秒前
3秒前
纯真皮卡丘完成签到 ,获得积分10
3秒前
wangzai111发布了新的文献求助10
3秒前
5秒前
整齐向卉发布了新的文献求助10
11秒前
研友_VZG7GZ应助南山采纳,获得10
11秒前
13秒前
NexusExplorer应助xiao采纳,获得10
13秒前
NexusExplorer应助大锤采纳,获得10
14秒前
小富发布了新的文献求助150
15秒前
ZHYU完成签到,获得积分10
16秒前
17秒前
lucygaga完成签到 ,获得积分10
17秒前
19秒前
20秒前
21秒前
小孙完成签到,获得积分10
23秒前
xiuxiuzhang发布了新的文献求助20
24秒前
25秒前
twk发布了新的文献求助10
25秒前
淡定发布了新的文献求助10
25秒前
科研通AI2S应助Desserts采纳,获得10
26秒前
善学以致用应助诸乌采纳,获得10
26秒前
wangqing发布了新的文献求助10
26秒前
不安青牛应助dan采纳,获得20
26秒前
28秒前
国内非著名科研小白菜完成签到,获得积分10
29秒前
29秒前
搜集达人应助Niuma采纳,获得20
30秒前
小米辣完成签到,获得积分10
30秒前
万能图书馆应助迷路睫毛采纳,获得30
30秒前
31秒前
yang发布了新的文献求助10
31秒前
我是老大应助科研通管家采纳,获得10
31秒前
louisselibere关注了科研通微信公众号
32秒前
完美世界应助科研通管家采纳,获得10
32秒前
高分求助中
Evolution 10000
юрские динозавры восточного забайкалья 800
English Wealden Fossils 700
Distribution Dependent Stochastic Differential Equations 500
A new species of Coccus (Homoptera: Coccoidea) from Malawi 500
A new species of Velataspis (Hemiptera Coccoidea Diaspididae) from tea in Assam 500
PraxisRatgeber: Mantiden: Faszinierende Lauerjäger 500
热门求助领域 (近24小时)
化学 医学 生物 材料科学 工程类 有机化学 生物化学 物理 内科学 纳米技术 计算机科学 化学工程 复合材料 基因 遗传学 催化作用 物理化学 免疫学 量子力学 细胞生物学
热门帖子
关注 科研通微信公众号,转发送积分 3158072
求助须知:如何正确求助?哪些是违规求助? 2809436
关于积分的说明 7881999
捐赠科研通 2467898
什么是DOI,文献DOI怎么找? 1313783
科研通“疑难数据库(出版商)”最低求助积分说明 630538
版权声明 601943