欧盟碳排放权交易市场作为世界上最大和最成熟的碳排放权交易市场,其发展与完善对世界其他地区国家具有借鉴意义。碳排放权市场价格的波动对市场的参与者来说至关重要,对碳排放权市场价格波动率的预测有助于市场参与者形成对碳价波动的预期,从而减缓市场的恐慌。本文采用分解-重构-预测方式对欧盟碳排放权期货市场价格波动率进行短期预测,同时对波动率进行细致分解,并分析分解后的波动率分量与原波动率的关系,探究各个波动率分量对整体波动率的影响。本文采用OHLC极差波动率作为碳排放权价格波动率的估计量,采用EMD经验模态分解方法进行波动率分解,采用BP神经网络、GA优化BP神经网络和SVM支持向量机方法进行波动率分量预测,同时运用动态滚动预测和动态非滚动预测方式进行预测。对比多种预测方式,探究欧盟碳排放权价格波动率短期预测的最佳方法。本文主要研究结论如下:1.波动率分解过后,以逼近度、相似度和波动贡献度来衡量波动率分量对OHLC极差波动率的贡献,结果显示短期波动率对OHLC极差波动率的刻画能力最强,长期波动率次之,中期波动率最次。2.根据模型的拟合结果显示,对波动率的分解有助于提高预测精度,对分解后的波动率分量进行重构能再次提升预测准确度。3.对比BP动态滚动预测方法、GA优化BP动态滚动预测方法和GA优化BP动态非滚动预测方法,得出BP动态滚动预测方法在预测精度及预测时间上都具有优势。4.BP神经网络预测方法与SVM支持向量机预测方法结果相比,BP神经网络更适合对复杂非线性特征的数据进行预测,而SVM更适合对相对平稳趋势性数据进行预测。5.对短期波动率的降噪处理能够提高短期波动率预测的准确度。6.对OHLC的预测结果显示,采用分解-重构-预测方法得出的OHLC极差波动率预测值能反映出波动率的平均波动趋势,但对突变的波动率预测效果较差,经过分解重构程序后根据数据特征进行预测能够提高波动率的预测准确度。