تنبؤ تقلبات أسعار الكربون باستخدام شبكة عصبية متبقيّة ثنائية القناة قابلة للتكيف ومحسّنة بواسطة مُحسّن قرش أبيض مع إثبات مصدر بيانات قائم على سلسلة الكتل

لماذا تهم توقعات سعر الكربون للحياة اليومية

تعد أسواق الكربون واحدة من الأدوات السياسية الرئيسية لمكافحة تغير المناخ. فهي تضع سعراً على انبعاثات غازات الدفيئة، مما يدفع الشركات لتقليل التلوث والاستثمار في تقنيات أنظف. لكن أسعار هذه الأسواق تتقلب بطرق معقّدة، ما يصعّب على الشركات والمستثمرين والحكومات التخطيط للمستقبل. تعرض هذه الدراسة طريقة جديدة لتوقّع أسعار الكربون بدقة وموثوقية أكبر، بهدف تقليل عنصر التخمين في القرارات المالية المتعلقة بالمناخ.

مشكلة التقلبات الشديدة في أسعار الكربون

تتيح نظم تجارة الكربون للشركات شراء وبيع حصص الانبعاث، محوّلة التلوّث فعلياً إلى سلعة قابلة للتداول. عندما تكون الأسعار متقلبة للغاية، تواجه الشركات صعوبة في موازنة تكاليفها المستقبلية، ويجد صانعو السياسات صعوبة في وضع قواعد مناخية مستقرة. تتأثر أسعار الكربون ليس فقط بالعرض والطلب الأساسيين، بل أيضاً بالتغييرات التنظيمية وأسعار الطاقة والدورات الاقتصادية وحتى معنويات الأخبار. تجعل هذه القوى تحركات الأسعار شديدة اللاخطية ومشحونة بالضوضاء، لذا غالباً ما تفشل طرق التنبؤ التقليدية في التقاط نقاط التحول أو تستجيب ببطء للصدمات.

حدود أدوات التنبؤ الحالية

حاول الباحثون استخدام العديد من الأساليب المتقدمة لكبح هذه التعقيدات، من تفكيك سلاسل الأسعار إلى إشارات أكثر سلاسة إلى استخدام نماذج التعلّم العميق وخوارزميات تحسين مستوحاة من الطبيعة. تساعد طرق التفكيك على تقليل الضوضاء عبر تقسيم سلسلة الأسعار إلى مكوّنات متعددة يتم التنبؤ بها منفردة ثم إعادة تجميعها. تستطيع نماذج التعلّم العميق، مثل التركيبات الهجينة للشبكات التفافية والتكرارية أو هياكل على غرار Transformer، التقاط أنماط زمنية معقّدة. تستكشف محسنات الميتاهيوريستيك، المستوحاة من أسراب الحيوانات أو سلوكيات المفترسات، إعدادات نموذجية جيدة خارج نطاق النزول التدرّجي البسيط. مع ذلك، فإن المناهج الحالية عادةً ما تتناول جزءاً واحداً فقط من المشكلة: قد تتعامل مع الضوضاء أو الأنماط المعقّدة أو التحسين، لكن نادراً ما تجمع الثلاثة معاً. كما أنها تميل إلى إهمال موثوقية وقابلية تتبع بيانات السوق الأساسية.

مسار متكامل من البيانات إلى توقعات موثوقة

يقترح المؤلفون إطار عمل متكامل يسمى ADRGPNN‑WSO يجمع عدة أفكار في خط أنابيب واحد. أولاً، تُنظّف بيانات التداول اليومية الخام من ثلاث بورصات كربون صينية رئيسية (هوبي، شنغهاي، وشنتشن) باستخدام طريقة تطابق غامض تملأ القيم المفقودة وتقلل من تأثير الشواذ. في الوقت نفسه، تُثبت السجلات الخام على نوع خاص من سلسلة الكتل يسمح بتصحيحات محكومة بعناية مع الحفاظ على أثر مراجعة تشفيرية. لا تُقبل في النموذج سوى السجلات التي تتطابق بصماتها الرقمية مع سلسلة الكتل، مما يضمن أن التوقعات تستند إلى بيانات موثوقة بدلاً من مدخلات تم العبث بها.

كيف يعمل محرك التنبؤ الذكي

بعد التحقق من البيانات وتنظيفها، تُدخل إلى شبكة عصبية مخصّصة مكوّنة من جزأين مرتبطين ارتباطاً وثيقاً. أحد الأجزاء بنية ثنائية القناة تعالج تيارين من المؤشرات الفنية بالتوازي، تحاكي كيفية استجابة الخلايا العصبية البيولوجية للنبضات عبر الزمن. يساعد ذلك النموذج على التقاط الارتدادات قصيرة الأمد والاتجاهات الأطول أجلاً عبر مؤشرات مثل سعر الافتتاح وحجم التداول ومعدل التغيير. الجزء الثاني هو وحدة انتباه متبقية تجمع السمات وتتعلم «التركيز» بقوة أكبر على أنماط السعر والحجم الأكثر معلوماتية مع الحفاظ على استقرار التدريب في الشبكات العميقة. فوق ذلك، يستخدم المؤلفون مُحسّناً يسمى "القرش الأبيض"، وهو ميتاهيوريستيك مستوحى من سلوك الصيد لدى القروش، لضبط العديد من معلمات الشبكة بدقة. صُمّم هذا المحسّن لاستكشاف فضاء البحث على نطاق واسع في البداية، ثم التمركز على المناطق الواعدة، مما يقلل خطر الوقوع في حلول ضعيفة.

ماذا تقول النتائج عن الأسواق الحقيقية

تم اختبار الإطار على عدة سنوات من البيانات اليومية من البورصات الثلاث، مع استخدام السنوات الأقدم للتدريب واحتفاظ السنة الأحدث للاختبار الصارم. عبر أسواق تتدرّج من الهادئ نسبياً (هوبي) إلى شديد التقلب (شنتشن)، يقدّم النموذج دقة تنبؤ عالية، مع معامل تحديد تقريبا 0.94 وأخطاء متوسطة منخفضة نسبياً. يتفوق على قائمة طويلة من البدائل، بما في ذلك نماذج التعلّم العميق التقليدية وأنظمة Transformer المتقدّمة المصممة لتنبؤات السلاسل الطويلة. تُظهر تجارب الإزالة الحذرة أن إزالة أي مكوّن—معالجة الضوضاء، آلية الانتباه، المحسّن، أو طبقة سلسلة الكتل—يضعف إما الأداء التنبئي أو خصائص الحوكمة المرتبطة بالبيانات. تؤكد الاختبارات الإحصائية أن التحسّن على النماذج المتنافسة من غير المرجّح أن يكون ناتجاً عن الصدفة.

ماذا يعني هذا لمستقبل أسواق الكربون

من منظور القارئ العادي، يقدم هذا العمل "تنبؤاً جوياً" أذكى وأكثر موثوقية لأسعار الكربون. من خلال الجمع بين تنظيف البيانات والتعرّف على الأنماط والتحسين الذكي وتتبع مصدر البيانات بشكل آمن، يحول النظام المقترح سجلات السوق الفوضوية إلى توقعات سعرية أكثر استقراراً وقابلة للتفسير. رغم أن الدراسة الحالية محدودة بثلاث بورصات صينية وبيانات تاريخية، فإن المنهج يشير إلى أدوات تنبؤ قد تساعد الشركات على إدارة المخاطر المالية المتعلقة بالمناخ، وتُعين الجهات المنظمة على تصميم سياسات كربون أكثر ثباتاً، وتدعم في نهاية المطاف الانتقال بسلاسة أكبر إلى اقتصاد منخفض الكربون.

الاستشهاد: Biswal, S., Kotecha, K. & Munjal, N. Carbon price fluctuation forecasting using an adaptive dual-channel residual attention neural network optimized with white shark optimizer and blockchain-based data provenance. Sci Rep 16, 13802 (2026). https://doi.org/10.1038/s41598-026-43184-6

الكلمات المفتاحية: أسواق الكربون, تنبؤ الأسعار, التعلّم العميق, بيانات سلسلة الكتل, سياسة المناخ