近日，我院森林经理学博士研究生刘定杲在国际知名学术期刊《Finance Research Letters》（影响因子7.4，中科院2区Top）上发表了题为“Interpretable EU ETS Phase 4 prices forecasting based on deep generative data augmentation approach”（基于深度生成数据增强方法的可解释性欧盟碳排放交易体系第四阶段价格预测）的研究论文。该研究提出了一种融合生成式数据增强与可解释性深度学习的碳价格预测框架，为应对碳市场波动及数据不足等挑战提供了新的技术手段。

精准把握碳市场价格，对于森林碳汇等碳资产的合理定价、科学管理和投资决策至关重要。该研究以欧盟碳排放交易体系（EU ETS）第四阶段为背景，提出了一种新的深度学习预测框架。通过引入TimeGAN深度生成模型生成高质量的合成数据，以显著扩展模型训练集，弥补复杂模型在数据不足时的训练深度限制，同时结合Temporal Fusion Transformer（时序融合转换器）模型进行可解释性预测，量化了多种关键因素对碳价格的影响。通过深入量化分析，发现布伦特原油、NBP天然气和鹿特丹煤炭期货价格是影响欧盟碳排放交易体系（EU ETS）碳配额价格的关键因素。总体上，该项研究显著提升了碳价格预测的准确性和可靠性，为决策者提供了科学的碳市场动态分析工具和合理定价的理论依据，为未来碳市场的稳健发展提供了有效的预测手段。

刘定杲为论文第一作者，唐振鹏教授为论文通讯作者，太阳集团tcy8722为第一署名单位。我校经济与管理学院博士研究生蔡毅、福州大学经济与管理学院博士研究生陈凯杰参与该项研究。该研究得到国家自然科学基金（71973028）的资助。

原文链接：https://doi.org/10.1016/j.frl.2024.105038