一种碳排放权价格指标体系建立方法、装置、设备及介质制造方法及图纸

本公开提供了一种碳排放权价格指标体系建立方法、装置、设备及介质，属于计算技术领域，能够输出合理评估碳排放权价格的有效指标体系。具体地，通过将结构方程模型应用在碳排放权价格评估上，结构方程量化的是整个系统的因子结构，这与金融市场互相牵制，互相影响的形态是共通的，一个指标的变化就可能使得整个结构方程发生变化，因此通过结构方程模型输出的碳排放权价格指标体系对于碳排放权价格的评估更为合理。评估更为合理。评估更为合理。

【技术实现步骤摘要】
一种碳排放权价格指标体系建立方法、装置、设备及介质


[0001]本公开涉及计算
，具体地涉及用于碳排放权价格指标体系建立的方法、装置、设备及介质。

技术介绍

[0002]中国碳交易市场暂时处于发展前期，碳排放权价格（或简称碳价）的归因分析大多集中在线性回归分析。在线性回归中，假设自变量指标是没有误差的项，而实际上很多指标都来自二级市场数据，这个假设是不满足的，从而导致无法合理的针对碳排放权价格的影响因素分析进行量化。

技术实现思路

[0003]本公开的目的在于，针对现有技术中存在的问题，提供一种碳排放权价格指标体系建立方法的方法、装置、设备及存储介质，以解决或至少缓解上述问题。
[0004]根据本公开的一个方面，提出一种碳排放权价格指标体系建立方法，获取原始图像数据集，对原始图像数据集预处理，基于所述数据集，利用深度学习方法训练获得第一分割模型，所述第一分割模型用于对多器官的粗分割，基于所述第一分割模型获取多器官的粗分割结果，S0创建指标库，所述指标库包括与所述碳排放权价格相关的指标序列数据，其中在数据并非全部为正态分布的情况下，样本量根据具体指标需要满足一定的阈值，样本量需要达到1000个，更有助于保证模型结果在统计上的可靠性。
[0005]S1建立滑动时序数据窗口，其中样本为时间序列数据，时间标号为t0,t1,
…
,t
n
.循环取用时序数据，以样本时间t0为起点，每次取m个数据点，其中n>m，进行以下步骤S2
‑/>S5，下一次循环起点为t1，最后一次循环起点时间为t
n
‑
m+1
，S2指标序列数据正态性处理和估计，利用shapiro正态检验判断每个单指标是否正态，如果都是正态，记为状态A，如果不全是正态，使用博克斯考克斯正态变型对非正态数据变型，如果所有变型检测的p值大于0.05，则对每个指标都替换原数据为变换后的数据，并记为状态A，否则不变换原数据，记为状态B，S3标准化指标序列数据，对每个指标i，利用转化成均值为0，方差为1的数据样本，其中x
i
为指标i的样本观测值，μ
i
为指标i的样本均值，σi为指标i的样本方差，S4确定潜变量数量，对经过步骤S3处理过的指标，进行主成分分析，保留特征值>1的主成分，保留的主成分个数q，即为模型潜变量个数，S5模型拟合，使用结构方程建模，对于状态A，使用基于正态分布的极大似然估计，对于状态B,使用广义最小二乘估计，该估计的拟合函数为：F
GLS = 1/2 tr{[(S
‑
Σ(θ))W
‑1]2},其中，S为指标计算得出的协方差矩阵，Σ为由假设模型推出的总体协方差矩阵，θ是结
构方程模型的未知参数，W
‑1是残差的加权矩阵，选取W
‑1= S
‑1，广义最小二乘估计即使得F
GLS
取得最小值的θ，确定了估计方法后，对所有指标构建q因子模型，并计算CHI卡方值，RMSEA近似误差均方根,GFI拟合优度检验,SRMR标准化均方根残差，得到拟合优度时间序列，其中，CHI = (N
‑
1)FF,FF是拟合函数最小值，N是样本量，RMSEA = sqrt{max((CHI
‑
df)/(N
‑
1),0)/df}，df是自由度，GFI = 1
‑
tr[(E
‑1S
‑
I)2]/tr[(E
‑
1 S)2]，其中，E为再生相关矩阵，S为样本相关矩阵，SRMR = sqrt{2Σ
i
Σ
j
(s
ij
‑
e
ij
)2/[p(p+1)]},s
ij
是样本相关矩阵S,e
ij
是再生相关矩阵E的元素，其中p表示指标个数，S6判断拟合良好的时间区间，根据已经计算好的所述拟合优度时间序列，t0,t1,
…
,t
n
，观察各拟合指标的走势，其中，SRMR<0.08,MSEA<0.1, GFI>0.9,NFI>0.9为拟合良好的时间区间，S7对于所述拟合良好的时间区间，首先，找出所述碳排放权价格所在的潜变量，即碳排放权价格在该组里为有显著系数的指标，同组系数显著的指标与碳排放权价格关系紧密，这些指标和碳排放权价格可以代表同一潜变量，选出同组负荷不低于0.5的指标，其次，进行潜变量之间协方差估计，其中协方差接近
‑
1为高度负相关，接近1为高度正相关，接近0为无关，选出协方差大于0.3的潜变量，并从中选出负荷大于0.7的指标集合，即与碳排放权价格相关的指标集合。
[0006]在一些实施例中，所述使用结构方程建模，默认旋转方式为斜交旋转，即默认潜变量之间相关。
[0007]在一些实施例中，所述对于状态A，使用基于正态分布的极大似然估计，其中，拟合函数经过推导为：F
ML = tr(SΣ
‑1(θ))+log|Σ(θ)|
‑
log|S|
‑
p,其中，S为指标计算得出的协方差矩阵，Σ为由假设模型推出的总体协方差矩阵，θ是结构方程模型的未知参数，tr（A）表示矩阵A的迹，即矩阵A对角线元素之和；log|A|表示矩阵A的行列式的对数，参数估计值就是使得这个拟合函数值最小的参数值，且检验统计量(m
‑
1)min{F
ML
}的渐进分布是卡方分布。
[0008]根据本公开的另一个方面，提出一种碳排放权价格指标体系建立装置，包括，创建指标库单元，用于创建指标库，所述指标库包括与所述碳排放权价格相关的指标序列数据，其中在数据并非全部为正态分布的情况下，样本量需要达到1000个，滑动时序数据窗口单元，用于建立滑动时序数据窗口，其中样本为时间序列数据，时间标号为t0,t1,
…
,t
n
.循环取用时序数据，以样本时间t0为起点，每次取m个数据点，其中n>m，进行以下步骤S2
‑
S5，下一次循环起点为t1，最后一次循环起点时间为t
n
‑
m+1
，正态性处理和估计单元，用于指标序列数据正态性处理和估计，利用夏皮罗
‑
威尔克shapiro正态检验判断每个单指标是否正态，如果都是正态，记为状态A，如果不全是正态，使用博克斯考克斯正态变型对非正态数据变型，如果所有变型检测的p值大于0.05，则对每个指标都替换原数据为变换后的数据，并记为状态A，否则不变换原数据，记为状态B，标准化指标数据单元，用于标准化指标序列数据，对每个指标i，利用转化成均值为0，方差为1的数据样本，其中x
i
为指标i的样本观测值，μ
i
为指标本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种碳排放权价格指标体系建立方法，其特征在于，S0创建指标库，所述指标库包括与所述碳排放权价格相关的指标序列数据，其中在数据并非全部为正态分布的情况下，样本量根据具体指标需要满足一定的阈值，S1建立滑动时序数据窗口，其中样本为时间序列数据，时间标号为t0,t1,
…
,t
n
.循环取用时序数据，以样本时间t0为起点，每次取m个数据点，其中n>m，进行以下步骤S2
‑
S5，下一次循环起点为t1，最后一次循环起点时间为t
n
‑
m+1
，S2指标序列数据正态性处理和估计，利用夏皮罗
‑
威尔克正态检验判断每个单指标是否正态，如果都是正态，记为状态A，如果不全是正态，使用博克斯考克斯正态变型对非正态数据变型，如果所有变型检测的p值大于0.05，则对每个指标都替换原数据为变换后的数据，并记为状态A，否则不变换原数据，记为状态B，S3标准化指标序列数据，对每个指标i，利用转化成均值为0，方差为1的数据样本，其中x
i
为指标i的样本观测值，μ
i
为指标i的样本均值，σi为指标i的样本方差，S4确定潜变量数量，对经过步骤S3处理过的指标，进行主成分分析，保留特征值>1的主成分，保留的主成分个数q，即为模型潜变量个数，S5模型拟合，使用结构方程建模，对于状态A，使用基于正态分布的极大似然估计，对于状态B,使用广义最小二乘估计，该估计的拟合函数为：F
GLS = 1/2 tr{[(S
‑
Σ(θ))W
‑1]2},其中，S为指标计算得出的协方差矩阵，Σ为由假设模型推出的总体协方差矩阵，θ是结构方程模型的未知参数，W
‑1是残差的加权矩阵，选取W
‑1= S
‑1，广义最小二乘估计即使得F
GLS
取得最小值的θ，确定了估计方法后，对所有指标构建q因子模型，并计算卡方值CHI，近似误差均方根RMSEA,拟合优度检验GFI,标准化均方根残差SRMR这一系列统计值，得到拟合优度时间序列，其中，CHI = (N
‑
1)FF,FF是拟合函数最小值，N是样本量，RMSEA = sqrt{max((CHI
‑
df)/(N
‑
1),0)/df}，df是理论模型自由度，GFI = 1
‑
tr[(E
‑
1 S
‑
I)2]/tr[(E
‑
1 S)2]，其中，E为再生相关矩阵，S为样本相关矩阵，SRMR = sqrt{2Σ
i
Σ
j
(s
ij
‑
e
ij
)2/[p(p+1)]},s
ij
是样本相关矩阵S的元素,e
ij
是再生相关矩阵E的元素，其中p表示指标个数，S6判断拟合良好的时间区间，根据已经计算好的所述拟合优度时间序列，t0,t1,
…
,t
n
，观察各拟合指标的走势，其中，SRMR<0.08,MSEA<0.1, GFI>0.9,NFI>0.9为拟合良好的时间区间，S7对于所述拟合良好的时间区间，首先，找出所述碳排放权价格所在的潜变量，即碳排放权价格在组里为有显著系数的指标，同组系数显著的指标与碳排放权价格关系紧密，这些指标和碳排放权价格可以代表同一潜变量，选出同组负荷不低于0.5的指标，其次，进行潜变量之间协方差估计，其中协方差小于0表示负相关，越接近
‑
1负相关程度越高，协方差大于0表示正相关，越接近1正相关程度越高，协方差接近0表示无关，选出协方差大于0.3的潜变量，并从中选出负荷大于0.7的指标集合，即与碳排放权价格相关的指标集合。2.根据权利要求1所述的方法，其特征在于，所述使用结构方程建模，默认旋转方式为斜交旋转，即默认潜变量之间相关。
3.根据权利要求1所述的方法，其特征在于，所述对于状态A，使用基于正态分布的极大似然估计，其中，拟合函数经过推导为：F
ML = tr(SΣ
‑1(θ))+log|Σ(θ)|
‑
log|S|
‑
p,其中，S为指标计算得出的协方差矩阵，Σ为由假设模型推出的总体协方差矩阵，θ是结构方程模型的未知参数，tr（A）表示矩阵A的迹，即矩阵A对角线元素之和；log|A|表示矩阵A的行列式的对数，参数估计值就是使得这个拟合函数值最小的参数值，且检验统计量(m
‑<...

【专利技术属性】
技术研发人员：杨雅薰，徐建程，陈雪东，杨蕊菱，赵乐，赵禹平，万宇雷，
申请(专利权)人：上海金仕达软件科技有限公司，
类型：发明
国别省市：