KR20220109632A - 탄소 배출권 가격 추이와 시계열 분석을 이용한 탄소 배출권 가격 예측 시스템 및 그 방법 - Google Patents

탄소 배출권 가격 추이와 시계열 분석을 이용한 탄소 배출권 가격 예측 시스템 및 그 방법 Download PDF

Info

Publication number
KR20220109632A
KR20220109632A KR1020210012879A KR20210012879A KR20220109632A KR 20220109632 A KR20220109632 A KR 20220109632A KR 1020210012879 A KR1020210012879 A KR 1020210012879A KR 20210012879 A KR20210012879 A KR 20210012879A KR 20220109632 A KR20220109632 A KR 20220109632A
Authority
KR
South Korea
Prior art keywords
price
arima
carbon
model
carbon credit
Prior art date
Application number
KR1020210012879A
Other languages
English (en)
Other versions
KR102574461B1 (ko
Inventor
한승우
김현호
김유진
이민우
Original Assignee
인하대학교 산학협력단
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by 인하대학교 산학협력단 filed Critical 인하대학교 산학협력단
Priority to KR1020210012879A priority Critical patent/KR102574461B1/ko
Publication of KR20220109632A publication Critical patent/KR20220109632A/ko
Application granted granted Critical
Publication of KR102574461B1 publication Critical patent/KR102574461B1/ko

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q30/00—Commerce
    • G06Q30/02—Marketing; Price estimation or determination; Fundraising
    • G06Q30/0201—Market modelling; Market analysis; Collecting market data
    • G06Q30/0206—Price or cost determination based on market factors
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/22—Indexing; Data structures therefor; Storage structures
    • G06F16/2228—Indexing structures
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/24—Querying
    • G06F16/245—Query processing
    • G06F16/2458—Special types of queries, e.g. statistical queries, fuzzy queries or distributed queries
    • G06F16/2477—Temporal data queries
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G06F17/10—Complex mathematical operations
    • G06F17/18—Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression analysis

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Data Mining & Analysis (AREA)
  • General Physics & Mathematics (AREA)
  • Business, Economics & Management (AREA)
  • Databases & Information Systems (AREA)
  • Mathematical Physics (AREA)
  • Strategic Management (AREA)
  • Finance (AREA)
  • Development Economics (AREA)
  • Accounting & Taxation (AREA)
  • General Engineering & Computer Science (AREA)
  • Software Systems (AREA)
  • Pure & Applied Mathematics (AREA)
  • Mathematical Optimization (AREA)
  • Computational Mathematics (AREA)
  • Mathematical Analysis (AREA)
  • Probability & Statistics with Applications (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Operations Research (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Algebra (AREA)
  • Evolutionary Biology (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Game Theory and Decision Science (AREA)
  • Economics (AREA)
  • Marketing (AREA)
  • General Business, Economics & Management (AREA)
  • Fuzzy Systems (AREA)
  • Computational Linguistics (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

본 발명은 탄소 배출권 가격 추이와 시계열 분석을 이용한 탄소 배출권 가격 예측 시스템 및 그 방법에 관한 것이다.
본 발명에 따르면, 탄소 배출권 가격 예측 시스템을 이용한 탄소 배출권 가격 예측 방법에 있어서, 탄소 배출권 가격의 주간 종가 데이터를 외부로부터 수집하는 단계, 상기 수집된 탄소 배출권 가격의 주간 종가 데이터를 전처리하여 데이터베이스를 구축하는 단계, 상기 데이터베이스를 아리마(ARIMA)분석을 통해 복수의 아리마 모형별 예측 적합도를 연산하고, 상기 예측 적합도가 가장 작은 값을 가지는 상기 아리마 모형을 선택하는 단계, 상기 선택된 아리마 모형을 이용하여 탄소 배출권 예측 모형을 도출하는 단계, 그리고 상기 탄소 배출권 예측 모형을 이용하여 현재 시점에서의 탄소 배출권 가격을 예측하는 단계를 포함한다.
이와 같이 본 발명에 따르면, 탄소 배출권 가격의 추이를 통해 탄소 배출권 가격을 예측할 수 있으며, 분석에 사용되는 데이터의 양이 증가함에 따라 예측의 길이와 신뢰성이 증가한다.
또한, 환경부담금을 고려한 예산 산정을 필요로하는 건설현장과 같은 환경에서 공정에 필요한 예산 산정을 최소화함으로써 효율적인 예산 배분에 도움을 줄 수 있다.

Description

탄소 배출권 가격 추이와 시계열 분석을 이용한 탄소 배출권 가격 예측 시스템 및 그 방법{SYSTEM FOR PREDICTING CARBON CREDIT PRICES USING TREND OF CARBON CREDIT PRICES AND TIME SERIES ANALYSIS AND METHOD THEREOF}
본 발명은 탄소 배출권 가격 추이와 시계열 분석을 이용한 탄소 배출권 가격 예측 시스템 및 그 방법에 관한 것으로, 탄소 배출권 가격을 시계열 분석에 적용하여 현재의 탄소 배출권 가격을 예측하기 위한 탄소 배출권 가격 추이와 시계열 분석을 이용한 탄소 배출권 가격 예측 시스템 및 그 방법에 관한 것이다.
범국가적 탄소배출권 거래제가 시행된 이후 세계적으로 탄소배출과 관련한 관심이 높아지고 있다. 대학민국은 2015년부터 탄소배출권 거래제도가 시행되었고, 이에 발맞추어 각 산업 분야에 탄소배출권을 할당하였다.
그러나 현재 건설업에서 고려되는 탄소배출권 거래 품목은 완공 이후 건물에서 배출되는 탄소에 한정되어 있으며, 시공단계로 확대될 탄소배출권 시장에 대비하여 시공단계의 탄소배출권의 규모와 그 가격을 통해 정확한 예산을 파악하는 것이 우선되어야 한다.
국내의 탄소배출권 거래제의 도입 이후, 탄소배출권 가격의 영향요인들에 대한 분석이 진행되고 있지만, 탄소배출권 가격을 실질적으로 예측하는 예측모형 등에 대한 개발은 더딘 상황이다.
변동하는 국내의 탄소배출권 가격을 예측할 지표의 부재로 탄소배출권 가격의 정확한 추이를 짐작하기 어려우며, 이에 대략적으로 환경부담금을 고려하여 예산 산정이 진행되고 있어 전체 공사에 있어 효율적인 배분이 이루어지고 있다고 말하기 어려운 실정이다.
따라서, 건설 현장에서의 정확한 환경부담금을 고려한 예산을 산정하기 위한 기술 개발이 필요하다.
본 발명의 배경이 되는 기술은 대한민국 공개특허 제10-2008-0074753호(2008.08.13. 공개)에 개시되어 있다.
본 발명이 이루고자 하는 기술적 과제는 탄소 배출권 가격을 시계열 분석에 적용하여 현재의 탄소 배출권 가격을 예측하기 위한 탄소 배출권 가격 추이와 시계열 분석을 이용한 탄소 배출권 가격 예측 시스템 및 그 방법을 제공하기 위한 것이다.
이러한 기술적 과제를 이루기 위한 본 발명의 실시 예에 따르면, 탄소 배출권 가격 예측 시스템을 이용한 탄소 배출권 가격 예측 방법에 있어서, 탄소 배출권 가격의 주간 종가 데이터를 외부로부터 수집하는 단계, 상기 수집된 탄소 배출권 가격의 주간 종가 데이터를 전처리하여 데이터베이스를 구축하는 단계, 상기 데이터베이스를 아리마(ARIMA)분석을 통해 복수의 아리마 모형별 예측 적합도를 연산하고, 상기 예측 적합도가 가장 작은 값을 가지는 상기 아리마 모형을 선택하는 단계, 상기 선택된 아리마 모형을 이용하여 탄소 배출권 예측 모형을 도출하는 단계, 그리고 상기 탄소 배출권 예측 모형을 이용하여 현재 시점에서의 탄소 배출권 가격을 예측하는 단계를 포함한다.
상기 데이터베이스를 구축하는 단계는, 상기 수집된 탄소 배출권 가격의 주간 종가 데이터를 자연로그를 적용하여 전처리할 수 있다.
상기 아리마 모형은, ARIMA(p, d, q)으로 나타내며, p는 자기회귀 계수, d는 차분횟수 및 q는 이동평균 계수(q)를 의미하며, 상기 예측 적합도를 연산하는 단계는, 상기 차분 횟수(d)를 1으로 고정한 복수의 초기 아리마 모형과 상기 초기 아리마 모형을 단계적 탐색을 이용하여 상기 자기회귀 계수(p) 및 상기 이동평균 계수(q)를 1씩 변동시킨 복수의 변동 아리마 모형 각각의 예측 적합도를 연산할 수 있다.
상기 예측 적합도를 연산하는 단계는, 아래의 수학식을 이용하여 상기 초기 아리마 모형과 복수의 변동 아리마 모형 각각의 예측 적합도를 연산할 수 있다.
Figure pat00001
여기서, n은 상기 탄소 배출권 가격의 주간 종가 데이터의 개수이고, k는 아리마 모형의 계수의 개수고, L은 우도로 모형의 적합도를 나타내는 척도를 의미한다.
상기 탄소 배출권 예측 모형을 도출하는 단계는, 상기 선택된 아리마 모형을 아래의 수학식을 이용하여 상기 탄소 배출권 가격 예측 모형을 연산할 수 있다.
Figure pat00002
여기서,
Figure pat00003
는 t 시점에서 로그 변환된 탄소 배출권 가격 예측 모형이고,
Figure pat00004
및
Figure pat00005
는 t-1 시점 및 t-2 시점에서의 로그 변환된 탄소 배출권 가격을 의미한다.
상기 탄소 배출권 가격을 예측하는 단계는, 아래의 수학식을 통해 연산될 수 있다.
Figure pat00006
여기서,
Figure pat00007
는 t 시점에서의 상기 탄소 배출권 예측 가격이다.
본 발명의 다른 실시예에 따르면, 탄소 배출권 가격을 예측하기 위한 탄소 배출권 가격 추이와 시계열 분석을 이용한 탄소 배출권 가격 예측 시스템에 있어서, 탄소 배출권 가격의 주간 종가 데이터를 외부부터 수집하하고, 상기 수집된 탄소 배출권 가격의 주간 종가 데이터를 전처리하여 데이터베이스를 구축하는 저장부, 상기 데이터베이스를 아리마(ARIMA)분석을 통해 복수의 아리마 모형별 예측 적합도를 연산하고, 상기 예측 적합도가 가장 작은 값을 가지는 상기 아리마 모형을 선택하는 선택부, 그리고 상기 선택된 아리마 모형을 이용하여 도출된 탄소 배출권 예측 모형을 이용하여 현재 시점에서의 탄소 배출권 가격을 예측하는 가격 예측부를 포함한다.
이와 같이 본 발명에 따르면, 탄소 배출권 가격의 추이를 통해 탄소 배출권 가격을 예측할 수 있으며, 분석에 사용되는 데이터의 양이 증가함에 따라 예측의 길이와 신뢰성이 증가한다.
또한, 환경부담금을 고려한 예산 산정을 필요로 하는 건설현장과 같은 환경에서 공정에 필요한 예산 산정을 최소화함으로써 효율적인 예산 배분에 도움을 줄 수 있다.
도 1은 본 발명의 실시예에 따른 탄소 배출권 가격 예측 시스템을 설명하기 위한 구성도이다.
도 2는 본 발명의 실시예에 따른 탄소 배출권 가격 예측 방법을 설명하기 위한 순서도이다.
도 3은 도 2의 S220 단계를 설명하기 위한 예시도이다.
도 4는 도 2의 S230 단계를 설명하기 위한 예시도이다.
도 5는 도 2의 S260 단계를 설명하기 위한 예시도이다.
아래에서는 첨부한 도면을 참조하여 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자가 용이하게 실시할 수 있도록 본 발명의 실시 예를 상세히 설명한다. 그러나 본 발명은 여러 가지 상이한 형태로 구현될 수 있으며 여기에서 설명하는 실시예에 한정되지 않는다. 그리고 도면에서 본 발명을 명확하게 설명하기 위해서 설명과 관계없는 부분은 생략하였으며 명세서 전체를 통하여 유사한 부분에 대해서는 유사한 도면 부호를 붙였다.
명세서 전체에서, 어떤 부분이 어떤 구성요소를 "포함"한다고 할 때, 이는 특별히 반대되는 기재가 없는 한 다른 구성요소를 제외하는 것이 아니라 다른 구성요소를 더 포함할 수 있는 것을 의미한다.
그러면 첨부한 도면을 참고로 하여 본 발명의 실시 예에 대하여 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자가 용이하게 실시할 수 있도록 상세히 설명한다.
도 1은 본 발명의 실시예에 따른 탄소 배출권 가격 예측 시스템을 설명하기 위한 구성도이다.
도 1에서 나타낸 것처럼, 본 발명의 실시예에 따른 탄소 배출권 가격 예측 시스템(100)은 저장부(110), 선택부(120) 및 가격 예측부(130)를 포함한다.
먼저, 저장부(110)는 탄소 배출권 가격의 주간 종가 데이터를 외부부터 수집하고, 수집된 탄소 배출권 가격의 주간 종가 데이터를 전처리하여 데이터베이스를 구축한다.
여기서, 저장부(110)는 한국 거래소의 KRX 배출권 시장을 통해 탄소 배출권 가격의 주간 종가 데이터를 수집한다.
이때, 저장부(110)는 수집된 탄소 배출권 가격의 주간 종가 데이터를 자연로그를 적용하여 전처리한다.
다음으로, 선택부(120)는 데이터베이스를 아리마(ARIMA)분석을 통해 복수의 아리마 모형별 예측 적합도를 연산한다.
여기서, 아리마(ARIMA) 분석은 시계열의 비 정상성을 제거하기 위해 자기회귀 및 이동평균을 이용하는 분석 방법으로, 본 발명의 실시예에 따르면, 탄소 배출권 가격의 주간 종가 데이터의 비 정상성을 제거한다.
본 발명에서의 아리마 모형은 ARIMA(p, d, q)으로 나타내며, p는 자기회귀 계수, d는 차분횟수 및 q는 이동평균 계수(q)를 의미한다.
이때, 선택부(120)는 차분 횟수(d)를 1으로 고정한 복수의 초기 아리마 모형과 초기 아리마 모형을 단계적 탐색을 이용하여 자기회귀 계수(p) 및 이동평균 계수(q)를 1씩 변동시킨 복수의 변동 아리마 모형 각각의 예측 적합도를 연산한다.
또한, 선택부(120)는 예측 적합도가 가장 작은 값을 가지는 아리마 모형을 선택한다.
다음으로, 가격 예측부(130)는 선택된 아리마 모형을 이용하여 도출된 탄소 배출권 예측 모형을 이용하여 현재 시점에서의 탄소 배출권 가격을 예측한다.
이하에서는 도 2 내지 도 5를 이용하여 본 발명의 실시예에 따른 탄소 배출권 가격 예측 방법을 설명한다.
도 2는 본 발명의 실시예에 따른 탄소 배출권 가격 예측 방법을 설명하기 위한 순서도이다.
먼저, 저장부(110)는 탄소 배출권 가격의 주간 종가 데이터를 외부로부터 수집한다(S210).
본 발명의 실시예에 따르면, 저장부(110)는 37주 간의 탄소 배출권 가격의 주간 종가 데이터를 한국 거래소로부터 수집한다.
다음으로, 저장부(110)는 수집된 탄소 배출권 가격의 주간 종가 데이터를 전처리하여 데이터베이스를 구축한다(S220).
도 3은 도 2의 S220 단계를 설명하기 위한 예시도이다.
도 3에서 나타낸 것처럼, 저장부(110)는 탄소 배출권 가격의 주간 종가 데이터(KAU)의 시계열 정형성을 확보하기 위해 탄소 배출권 가격의 주간 종가 데이터(KAU) 각각을 자연로그를 이용하여 전처리한다.
다음으로, 선택부(120)는 데이터베이스를 아리마(ARIMA)분석을 통해 복수의 아리마 모형별 예측 적합도를 연산한다(S230).
이때, 선택부(120)는 아래의 수학식 1을 이용하여 초기 아리마 모형과 복수의 변동 아리마 모형 각각의 예측 적합도를 연산한다.
Figure pat00008
여기서, n은 상기 탄소 배출권 가격의 주간 종가 데이터의 개수이고, k는 아리마 모형의 계수의 개수고, L은 우도로 모형의 적합도를 나타내는 척도를 의미한다.
이때, 우도로 모형은 확률 분포의 모수가 확률변수의 표집값과 일관되는 정도를 나타내는 상수 값을 나타낸다.
도 4는 도 2의 S230 단계를 설명하기 위한 도면이다.
도 4에서 나타낸 것과 같이, 선택부(120)는 ARIMA(0,1,0), ARIMA(1,1,1), ARIMA(0,1,1) 및 ARIMA(1,1,0)의 초기 아리마 모형과 ARIMA(2,1,2), ARIMA(2,1,1) 및 ARIMA(2,1,0)의 변동 아리마 모형 각각에 대한 예측 적합도를 연산한다.
이때, 변동 아리마 모형은 통계프로그램-R의 auto.arima 패키지에 초기 아리마 모형을 적용하여 생성된다.
그러면, 도 4에서 나타낸 것처럼, 선택부(120)는 각각의 아리마 모형에 따른 예측 적합도를 연산한다.
그러면, 선택부(120)는 예측 적합도가 가장 작은 값을 가지는 아리마 모형을 선택한다(S240).
본 발명의 실시예에 따른 선택부(120)는 적합도가 가장 작은 값인 -183.179을 가지는 ARIMA(1,1,0)모형을 탄소 배출권 예측 모형을 도출하기 위한 아리마 모형으로 선택한다.
다음으로, 가격 예측부(130)는 선택된 아리마 모형을 이용하여 탄소 배출권 예측 모형을 도출한다(S250).
먼저, 가격 예측부(130)는 아래의 수학식 2에서 나타낸 것처럼, 선택된 ARIMA(1,1,0) 모형으로부터 탄소 배출권 가격 예측 모형을 추출한다.
Figure pat00009
여기서,
Figure pat00010
는 t 시점에서 로그 변환된 탄소 배출권 가격 예측 모형이고,
Figure pat00011
및
Figure pat00012
는 t-1 시점 및 t-2 시점에서의 로그 변환된 탄소 배출권 가격을 의미한다.
그리고, 가격 예측부(130)는 탄소 배출권 예측 모형을 이용하여 현재 시점에서의 탄소 배출권 가격을 예측한다(S260).
즉, 가격 예측부(130)는 아래의 수학식 3을 통해 현재 시점에서의 탄소 배출권 가격을 예측한다.
Figure pat00013
여기서,
Figure pat00014
는 t 시점에서의 탄소 배출권 예측 가격이다.
도 5는 도 2의 S260 단계를 설명하기 위한 예시도이다.
도 5에서 나타낸 것처럼, 본 발명의 실시예에 따른 가격 예측부(130)로부터 예측된 가격과 실제 탄소 배출권 가격은 실질적으로 유사한 값을 나타낸다는 점에서, 본 발명의 실시예에 따른 탄소 배출권 가격 예측 방법은 높은 예측 정확도를 가진다.
이와 같이 본 발명의 실시예에 따르면, 탄소 배출권 가격의 추이를 통해 탄소 배출권 가격을 예측할 수 있으며, 분석에 사용되는 데이터의 양이 증가함에 따라 예측의 길이와 신뢰성이 증가한다.
또한, 환경부담금을 고려한 예산 산정을 필요로하는 건설현장과 같은 환경에서 공정에 필요한 예산 산정을 최소화함으로써 효율적인 예산 배분에 도움을 줄 수 있다.
본 발명은 도면에 도시된 실시 예를 참고로 설명되었으나 이는 예시적인 것이 불과하며, 본 기술 분야의 통상의 지식을 가진 자라면 이로부터 다양한 변형 및 균등한 다른 실시 예가 가능하다는 점을 이해할 것이다. 따라서, 본 발명의 진정한 기술적 보호 범위는 첨부된 특허청구범위의 기술적 사상에 의하여 정해져야 할 것이다.
100: 탄소 배출권 가격 예측 시스템, 110: 저장부,
120: 선택부, 130: 가격 예측부

Claims (12)

  1. 탄소 배출권 가격 예측 시스템을 이용한 탄소 배출권 가격 예측 방법에 있어서,
    탄소 배출권 가격의 주간 종가 데이터를 외부로부터 수집하는 단계,
    상기 수집된 탄소 배출권 가격의 주간 종가 데이터를 전처리하여 데이터베이스를 구축하는 단계,
    상기 데이터베이스를 아리마(ARIMA)분석을 통해 복수의 아리마 모형별 예측 적합도를 연산하고, 상기 예측 적합도가 가장 작은 값을 가지는 상기 아리마 모형을 선택하는 단계,
    상기 선택된 아리마 모형을 이용하여 탄소 배출권 예측 모형을 도출하는 단계, 그리고
    상기 탄소 배출권 예측 모형을 이용하여 현재 시점에서의 탄소 배출권 가격을 예측하는 단계를 포함하는 탄소 배출권 가격 예측 방법.
  2. 제1항에 있어서,
    상기 데이터베이스를 구축하는 단계는,
    상기 수집된 탄소 배출권 가격의 주간 종가 데이터를 자연로그를 적용하여 전처리하는 탄소 배출권 가격 예측 방법.
  3. 제2항에 있어서,
    상기 아리마 모형은,
    ARIMA(p, d, q)으로 나타내며, p는 자기회귀 계수, d는 차분횟수 및 q는 이동평균 계수(q)를 의미하며,
    상기 예측 적합도를 연산하는 단계는,
    상기 차분 횟수(d)를 1으로 고정한 복수의 초기 아리마 모형과 상기 초기 아리마 모형을 단계적 탐색을 이용하여 상기 자기회귀 계수(p) 및 상기 이동평균 계수(q)를 1씩 변동시킨 복수의 변동 아리마 모형 각각의 예측 적합도를 연산하는 탄소 배출권 가격 예측 방법.
  4. 제3항에 있어서,
    상기 예측 적합도를 연산하는 단계는,
    아래의 수학식을 이용하여 상기 초기 아리마 모형과 복수의 변동 아리마 모형 각각의 예측 적합도를 연산하는 탄소 배출권 가격 예측 방법:
    Figure pat00015

    여기서, n은 상기 탄소 배출권 가격의 주간 종가 데이터의 개수이고, k는 아리마 모형의 계수의 개수이고, L은 우도로 모형의 적합도를 나타내는 척도를 의미한다.
  5. 제4항에 있어서,
    상기 탄소 배출권 예측 모형을 도출하는 단계는,
    상기 선택된 아리마 모형을 아래의 수학식을 이용하여 상기 탄소 배출권 가격 예측 모형을 연산하는 탄소 배출권 가격 예측 방법:
    Figure pat00016

    여기서,
    Figure pat00017
    는 t 시점에서 로그 변환된 탄소 배출권 가격 예측 모형이고,
    Figure pat00018
    및
    Figure pat00019
    는 t-1 시점 및 t-2 시점에서의 로그 변환된 탄소 배출권 가격을 의미한다.
  6. 제5항에 있어서,
    상기 탄소 배출권 가격을 예측하는 단계는,
    아래의 수학식을 통해 연산되는 탄소 배출권 가격 예측 방법:
    Figure pat00020

    여기서,
    Figure pat00021
    는 t 시점에서의 상기 탄소 배출권 예측 가격이다.
  7. 탄소 배출권 가격을 예측하기 위한 탄소 배출권 가격 예측 시스템에 있어서,
    탄소 배출권 가격의 주간 종가 데이터를 외부부터 수집하고, 상기 수집된 탄소 배출권 가격의 주간 종가 데이터를 전처리하여 데이터베이스를 구축하는 저장부,
    상기 데이터베이스를 아리마(ARIMA)분석을 통해 복수의 아리마 모형별 예측 적합도를 연산하고, 상기 예측 적합도가 가장 작은 값을 가지는 상기 아리마 모형을 선택하는 선택부, 그리고
    상기 선택된 아리마 모형을 이용하여 도출된 탄소 배출권 예측 모형을 이용하여 현재 시점에서의 탄소 배출권 가격을 예측하는 가격 예측부를 포함하는 탄소 배출권 가격 예측 시스템.
  8. 제7항에 있어서,
    상기 저장부는,
    상기 수집된 탄소 배출권 가격의 주간 종가 데이터를 자연로그를 적용하여 전처리하는 탄소 배출권 가격 예측 시스템.
  9. 제8항에 있어서,
    상기 아리마 모형은,
    ARIMA(p, d, q)으로 나타내며, p는 자기회귀 계수, d는 차분횟수 및 q는 이동평균 계수(q)를 의미하며,
    상기 예측 적합도를 연산하는 단계는,
    상기 차분 횟수(d)를 1으로 고정한 복수의 초기 아리마 모형과 상기 초기 아리마 모형을 단계적 탐색을 이용하여 상기 자기회귀 계수(p) 및 상기 이동평균 계수(q)를 1씩 변동시킨 복수의 변동 아리마 모형 각각의 예측 적합도를 연산하는 탄소 배출권 가격 예측 시스템.
  10. 제9항에 있어서,
    상기 예측 적합도 연산부는,
    아래의 수학식을 이용하여 상기 초기 아리마 모형과 복수의 변동 아리마 모형 각각의 예측 적합도를 연산하는 탄소 배출권 가격 예측 시스템:
    Figure pat00022

    여기서, n은 상기 탄소 배출권 가격의 주간 종가 데이터의 개수이고, k는 아리마 모형의 계수의 개수고, L은 우도로 모형의 적합도를 나타내는 척도를 의미한다.
  11. 제10항에 있어서,
    상기 제어부는,
    상기 선택된 아리마 모형을 아래의 수학식을 이용하여 상기 탄소 배출권 예측 모형을 연산하는 탄소 배출권 가격 예측 시스템:
    Figure pat00023

    여기서,
    Figure pat00024
    는 t 시점에서 로그 변환된 탄소 배출권 가격 예측 모형이고,
    Figure pat00025
    및
    Figure pat00026
    는 t-1 시점 및 t-2 시점에서의 로그 변환된 탄소 배출권 가격을 의미한다.
  12. 제11항에 있어서,
    상기 가격 예측부는,
    아래의 수학식을 통해 연산되는 탄소 배출권 가격 예측 시스템:
    Figure pat00027

    여기서,
    Figure pat00028
    는 t 시점에서의 상기 탄소 배출권 예측 가격이다.
KR1020210012879A 2021-01-29 2021-01-29 탄소 배출권 가격 추이와 시계열 분석을 이용한 탄소 배출권 가격 예측 시스템 및 그 방법 KR102574461B1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020210012879A KR102574461B1 (ko) 2021-01-29 2021-01-29 탄소 배출권 가격 추이와 시계열 분석을 이용한 탄소 배출권 가격 예측 시스템 및 그 방법

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020210012879A KR102574461B1 (ko) 2021-01-29 2021-01-29 탄소 배출권 가격 추이와 시계열 분석을 이용한 탄소 배출권 가격 예측 시스템 및 그 방법

Publications (2)

Publication Number Publication Date
KR20220109632A true KR20220109632A (ko) 2022-08-05
KR102574461B1 KR102574461B1 (ko) 2023-09-04

Family

ID=82826352

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020210012879A KR102574461B1 (ko) 2021-01-29 2021-01-29 탄소 배출권 가격 추이와 시계열 분석을 이용한 탄소 배출권 가격 예측 시스템 및 그 방법

Country Status (1)

Country Link
KR (1) KR102574461B1 (ko)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116307298A (zh) * 2023-05-23 2023-06-23 中国石油大学(华东) 一种基于多源异构张量数据的组合碳排放预测模型

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20020034007A (ko) * 2000-11-01 2002-05-08 김호빈 인터넷망을 이용한 물가 및 주가 예측 서비스 방법
KR20170075312A (ko) * 2015-12-23 2017-07-03 (주) 우림인포텍 전후방향 동향 통합 시계열 예측 시스템, 방법, 및 상기 방법을 실행시키기 위한 컴퓨터 판독 가능한 프로그램을 기록한 기록 매체
KR20200064195A (ko) * 2018-11-23 2020-06-08 주식회사 씨씨미디어서비스 탄소세 예측 시스템

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20020034007A (ko) * 2000-11-01 2002-05-08 김호빈 인터넷망을 이용한 물가 및 주가 예측 서비스 방법
KR20170075312A (ko) * 2015-12-23 2017-07-03 (주) 우림인포텍 전후방향 동향 통합 시계열 예측 시스템, 방법, 및 상기 방법을 실행시키기 위한 컴퓨터 판독 가능한 프로그램을 기록한 기록 매체
KR20200064195A (ko) * 2018-11-23 2020-06-08 주식회사 씨씨미디어서비스 탄소세 예측 시스템

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
‘배출권거래제 대응 의사결정 프로그램 개발 연구’, 에너지경제연구원(2015년 3월 게재) *

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116307298A (zh) * 2023-05-23 2023-06-23 中国石油大学(华东) 一种基于多源异构张量数据的组合碳排放预测模型
CN116307298B (zh) * 2023-05-23 2023-08-18 中国石油大学(华东) 一种基于多源异构张量数据的组合碳排放预测方法

Also Published As

Publication number Publication date
KR102574461B1 (ko) 2023-09-04

Similar Documents

Publication Publication Date Title
JP6697159B2 (ja) 機械学習管理プログラム、機械学習管理装置および機械学習管理方法
US9477224B2 (en) Physics-based lifespan modeling
JP5298444B2 (ja) プロセッサ設計を特徴付けるための方法、装置、論理プログラム及びシステム
JP5226746B2 (ja) 変数スコアリングを使用するモデル最適化システム
CN111754024B (zh) 一种基于回归分析的电力行业时间序列的预测方法和系统
WO2014119226A2 (en) Hierarchical latent variable model estimation device
CN106533750A (zh) 一种云环境下非平稳型应用用户并发量的预测系统及方法
CN111950810B (zh) 一种基于自演化预训练的多变量时间序列预测方法和设备
JP2009514116A (ja) 仕組金融商品の価値を予測する方法及びコンピュータ・システム
KR20220109632A (ko) 탄소 배출권 가격 추이와 시계열 분석을 이용한 탄소 배출권 가격 예측 시스템 및 그 방법
CN106469332A (zh) 一种数据处理方法及装置
CN104932898A (zh) 一种基于改进多目标粒子群优化算法的待增组件选择方法
CN115391048A (zh) 基于趋势预测的微服务实例动态水平扩展收缩方法及系统
JP6830043B2 (ja) パラメータ推定装置、機器故障予測装置、最適施策探索装置、方法、及びプログラム
CN116414662B (zh) 一种存储空间扩容提示方法、装置、电子设备及存储介质
CN117094535A (zh) 基于人工智能的能源补给管理方法及系统
CN117272781A (zh) 基于slgbm模型的智能采样半导体虚拟量测系统
CN116957577A (zh) 交易中的Gas值预估方法、装置、存储介质及设备
KR102425013B1 (ko) 검색량 분석과 다중회귀 분석을 이용한 탄소 배출권 가격 예측 시스템 및 그것에 의해 수행되는 탄소 배출권 가격 예측 방법
CN112418534A (zh) 揽件量预测方法及装置、电子设备、计算机可读存储介质
KR20220110909A (ko) 검색량 데이터와 var 분석을 이용한 탄소 배출권 가격 예측 시스템 및 그 방법
JP2021193563A (ja) 資産の予測健全性解析を実行するための方法およびコンピューティングシステム
Betts A robust approximation for setting target inventory levels in a constrained production environment
Fehlmann et al. A new approach for continuously monitoring project deadlines in software development
US20210319259A1 (en) Method and apparatus for extracting a pattern of time series data

Legal Events

Date Code Title Description
E902 Notification of reason for refusal
E90F Notification of reason for final refusal
E701 Decision to grant or registration of patent right
GRNT Written decision to grant