融合气候风险信息的能源行业股票市场预测研究

摘要：

金融体系越来越多地面临气候变化带来的风险,如何避免气候风险带来的资产损失已经成为了投资者研究的重要问题.文章深入分析了气候风险对能源行业股票市场的影响机制,并在该理论的基础上,构建了基于百度搜索指数的气候风险信息数据,利用基于卷积神经网络(CNN)和长短期记忆网络(LSTM)的能源行业股票市场预测深度学习模型,选取电力设备及新能源行业、石油石化行业和煤炭行业的行业指数作为预测对象,使用2011年9月1日至2022年8月31日的气候风险关键词的百度搜索指数和行业指数历史信息数据,检验不同类型气候风险信息数据对预测能源行业指数的有效性.实证结果发现:将气候风险信息引入到行业指数预测模型中,可以有效地提高指数预测准确度;气候物理风险和气候转型风险对不同能源行业产生不同的影响,且可以提高预测的准确性.研究结论能够为市场参与者制定投资策略、风险防范和战略选择提供重要参考.

关键词：气候风险、行业指数预测、深度学习、混合神经网络

分类号：F832.5(金融、银行)

资助基金：中国会计学会重点会计科研课题2020ASC009

在线出版日期：2023-11-17（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：66-72