2020年,我国在联合国大会上提出了“碳达峰”、“碳中和”目标,即2030年前实现碳达峰、2060年前实现碳中和。为响应这一目标,我国政府部门表示将加快全国碳排放权交易市场,并设立碳减排工具。在全国上下以碳达峰、碳中和为目标的大背景下,碳排放权交易将迎来机遇期,并展现出了对碳市场资产配置、风险管理、以及助推碳减排与绿色低碳发展的重大意义。因此,考虑到当前时代背景下碳排放权交易对我国碳减排目标的重要性,碳交易价格波动特征分析及预测具有重要战略意义。本文在国内外学者研究的基础上,深入分析我国上海、湖北以及广东试点碳交易市场的波动分布特征,并利用GARCH模型对上述试点碳交易市场的波动特征进行实证研究。分析发现,上海、湖北以及广东试点碳交易市场普遍存在较显著的“尖峰厚尾”特征,不同试点市场存在相似的波动性特征。此外,各试点市场碳交易价格波动性特征具有共性,上海、湖北以及广东试点碳交易市场均具备较显著的波动长期记忆性及持久性,前期价格冲击对后期的条件方差影响较为持久。在对试点市场碳交易的数据特征初步了解后,本文以去噪方法、多目标优化算法以及神经网络为基础构造了混合预测模型,该混合预测模型主要由变分模态分解法去噪、Elman神经网络预测、多目标鲸鱼算法优化阈值以及系统全面的模型评价方法构成。首先,在数据去噪预处理部分,利用变分模态分解法（VMD）对上海、湖北以及广东试点市场碳交易价格时间序列数据进行分解,通过去除每个序列中的高频噪声序列,重构得到去除噪声后的碳交易价格数据;其次,在多目标优化阈值过程中,选用多目标鲸鱼优化算法（MOWOA）优化Elman神经网络不同层间的权值和阈值;最后,在神经网络预测中,在数据去噪以及多目标优化权值阈值的基础上,选用Elman神经网络作为预测模型,最终构建混合预测模型VMD-MOWOA-ENN,对实验数据进行预测。另外,为全面科学的评估模型的预测有效性和泛化能力,引入DM检验、预测稳定性检验、五个模型预测精度评价指标、八个对比模型和四项对比实验。其中四项对比试验分别针对模型数据去噪预处理、权值阈值优化、预测性能以及ENN中输入层及隐含层参数对模型预测精度影响,从多个角度系统科学地评价了VMD-MOWOA-ENN的预测有效性和预测精度。实证研究结果表明,与其他八个预测模型（包含基于不同数据预处理模块、优化算法以及神经网络的预测模型）相比,VMD-MOWOA-ENN具有较高的预测精度,在大量实验中能够保持较高水平的预测水准,具备较强的泛化能力。本文的主要贡献和创新点包括:1.由于我国的碳排放市场成立时间相对较晚,对碳交易价格数据的预测研究仍有很大的发展空间。在此基础上本文提出了一种包含数据预处理、优化以及预测的混合碳交易价格预测模型,以提高碳排放权交易价格的预测水平。2.为了在建模过程中更准确地拟合碳价格序列的数据特征,采用变分模态分解法来降低原始数据集的混沌特性。通过将原始碳价格序列分解重建,将预测碳价格数据过程中的不可预测性和不一致性最小化。3.本文打破单目标优化算法的局限性,将多目标优化算法MOWOA应用于碳交易价格数据预测中,弥补单目标优化算法的缺陷的同时提高权值阈值的寻优能力。4.为了避免由神经网络输入和隐藏层参数引起的模型过拟合或机器学习不足,通过大量实验探究神经网络输入和隐含层参数对模型预测精度的影响,进一步提高模型的预测精度。