Prediksi Harga Perdagangan Hak Emisi Karbon Berdasarkan Model CNN–LSTM dalam Konteks Puncak Karbon: Mengambil Contoh Provinsi Guangdong

ABSTRAK
Emisi karbon merupakan penyumbang signifikan terhadap pemanasan global. Sebagai salah satu penghasil karbon terbesar di dunia, Tiongkok berkomitmen untuk membangun pasar perdagangan emisi karbon guna mengatasi tantangan yang ditimbulkan oleh perubahan iklim. Harga karbon merupakan komponen fundamental dari pasar keuangan karbon. Memprediksi harga karbon secara akurat dapat meningkatkan kualitas lingkungan, mengurangi permintaan energi, dan mendorong pertumbuhan ekonomi. Studi ini menggunakan data harga dari pasar karbon Guangdong sebagai studi kasus dan menggunakan model hibrida yang mengintegrasikan Jaringan Syaraf Tiruan Konvolusional (CNN) dan jaringan Memori Jangka Panjang dan Pendek (LSTM) untuk peramalan harga karbon. Temuan menunjukkan bahwa: (1) model CNN–LSTM menunjukkan kinerja prediktif yang optimal ketika jendela geser ditetapkan ke ukuran 5 berdasarkan data harga karbon sebelumnya. (2) Dengan menggabungkan fitur indikator signifikan dari dataset harga karbon percontohan Guangdong sambil mempertahankan ukuran jendela geser 5, model tersebut mencapai akurasi prediktif yang unggul, sebagaimana dibuktikan oleh Goodness of Fit ( R 2 ) sebesar 0,8622 dan mean absolute error (MAE) sebesar 0,0228, yang menghasilkan indeks evaluasi komprehensif yang paling menguntungkan. (3) Integrasi lapisan konvolusional satu dimensi dengan lapisan LSTM dalam model CNN–LSTM secara efektif memanfaatkan kekuatan CNN untuk ekstraksi fitur lokal dan kemampuan LSTM untuk memodelkan data deret waktu. Pendekatan ini mengarah pada peningkatan substansial dalam kinerja prediktif dibandingkan dengan model alternatif seperti Support Vector Machine (SVM), Recurrent Neural Network (RNN), dan LSTM.