חיזוי תנודות במחירי פחמן בעזרת רשת עצבית אדפטיבית דו‑ערוצית עם מנגנון תשומת‑לב ושיפור של White Shark, ואחזור נתונים מבוסס בלוקצ׳יין

מדוע תחזיות מחירי פחמן משפיעות על החיים היומיומיים

שווקי פחמן הם אחד הכלים המדיניות המרכזיים למאבק בשינויי האקלים. הם קובעים מחיר על פליטות גזי החממה, ומעודדים חברות לזהם פחות ולהשקיע בטכנולוגיות נקיות יותר. עם זאת, המחירים בשווקים אלה תנודתיים ומושפעים ממגוון גורמים מסובכים, מה שמקשה על עסקים, משקיעים וממשלות לתכנן קדימה. מחקר זה מציג גישה חדשה לחיזוי מחירי פחמן בדיוק ובאמינות גבוהים יותר, במטרה להפוך החלטות פיננסיות הקשורות לאקלים לפחות להימור.

בעיה של תנודות קיצוניות במחירי פחמן

מנגנוני מסחר בפחמן מאפשרים לחברות לקנות ולמכור זכויות פליטה, ובכך להפוך את הזיהום למוצר סחיר. כאשר המחירים תנודתיים מדי, חברות מתקשות לתכנן תקציבים לעתיד ומקבלי מדיניות נתקלים בקושי לעצב כללים יציבים. למחירי הפחמן משפיעים לא רק הכוחות הבסיסיים של היצע וביקוש, אלא גם רגולציה משתנה, מחירי אנרגיה, מחזורי כלכלה ואף סנטימנט החדשות. כוחות אלה הופכים את תנועות המחיר ללא־ליניאריות ורועשות, ולכן שיטות חיזוי מסורתיות לרוב מפספסות נקודות מפנה או מגיבות באיטיות לזעזועים.

מגבלות הכלים החזויים הנוכחיים

חוקרים ניסו שיטות מתקדמות רבות כדי להתמודד עם המורכבות הזו, מפרוק סיגנלים לסגמנטים עדינים יותר ועד שימוש במודלים של למידה עמוקה ובאלגוריתמי אופטימיזציה בהשראת הטבע. שיטות דקומפוזיציה עוזרות להפחית רעש על‑ידי פיצול סדרת המחיר למרכיבים שונים, שחוזים בנפרד ומאוחדים מחדש. מודלים של למידה עמוקה, כגון שילובים של רשתות קונבולוציה ורשתות חוזרות או ארכיטקטורות בסגנון Transformer, מסוגלים לקלוט דפוסי זמן מורכבים. אופטימיזטורים מטא־היוריסטיים, המושפעים מלהקות בעל חיים או טורפים, מחפשים הגדרות טובות למודל מעבר לירידה גרדיאנטית פשוטה. עם זאת, הגישות הקיימות בדרך כלל מתמודדות רק עם חלק מהבעיה: הן עשויות לטפל ברעש, או בתבניות מסובכות, או באופטימיזציה — אך לעתים רחוקות בשלוש יחד. הן גם נוטות להתעלם מהאמינות והנאתרות (traceability) של הנתונים הבסיסיים בשוק.

נתיב משולב מנתונים להתחזיות אמינות

המחברים מציעים מסגרת משולבת בשם ADRGPNN‑WSO שמחברת מספר רעיונות לצינור עבודה אחד. תחילה, נתוני המסחר היומיים הגולמיים משלוש בורסות פחמן סיניות מרכזיות (הוביי, שנחאי ושנזן) מנוקים באמצעות שיטת התאמה מטושטשת הממלאת ערכים חסרים וממתנת חריגים. במקביל, הרשומות הגולמיות מעוגנות על סוג מיוחד של בלוקצ׳יין שמאפשר תיקונים מבוקרים תוך שמירה על שרשרת ביקורת קריפטוגרפית. רק רשומות שהטביעות האצבע הדיגיטליות שלהן תואמות לבלוקצ׳יין מועברות למודל, ובכך מבטיחים שהתחזיות נשענות על נתונים מהימנים ולא על קלטים שעברו מניפולציה.

איך מנוע התחזיות החכם עובד

לאחר אימות וניקוי הנתונים הם מוזנים לרשת עצבית מותאמת שמורכבת משני חלקים צמודים. חלק אחד הוא מבנה דו‑ערוצי שמעבד במקביל שתי זרימות של אינדיקטורים טכניים, בדומה לאופן שבו נוירונים ביולוגיים מגיבים לדחפים לאורך הזמן. זה מסייע למודל ללכוד גם זעזועים קצרים וגם מגמות מחירים ארוכות טווח על פני אינדיקטורים כמו מחיר פתיחה, נפח מסחר ושיעור שינוי. החלק השני הוא מודול תשומת‑לב שארית (residual attention) שמקבץ תכונות ולומד "להתמקד" בחוזקה בדפוסי המחיר והנפח המידעיים ביותר תוך שמירה על יציבות האימון ברשתות עמוקות. בנוסף משמש האופטימיזטור "White Shark", מטא‑היוריסטיקה בהשראת התנהגות הציד של כרישים, לכיול פרמטרים רבים של הרשת. אופטימיזטור זה מתוכנן לחקור את מרחב החיפוש ברוחב בתחילה, ולאחר מכן לצמצם להתמקדות באזורים מבטיחים, מה שמפחית את הסיכון להיתקע בפתרונות תת‑אופטימליים.

מה התוצאות אומרות על שווקים אמיתיים

המסגרת נבדקה על מספר שנות נתונים יומיים משלוש הבורסות, כאשר שנים מוקדמות שימשו לאימון והשנה האחרונה הופרדה במפורש למבחן. בשווקים שנעים מריכוך יחסי (הוביי) ועד תנודתיות קיצונית (שנזן), המודל מספק דיוק חיזוי גבוה, עם מקדם קביעות סביב 0.94 וטעויות ממוצעות נמוכות יחסית. הוא גובר על רשימה ארוכה של חלופות, כולל מודלים מסורתיים של למידה עמוקה ומערכות מתקדמות בסגנון Transformer שתוכננו לחיזוי רצפים ארוכים. ניסויי־אבלאציה זהירים מראים שהסרת כל מרכיב — עיבוד מקדים של רעש, מנגנון תשומת־לב, האופטימיזטור או שכבת הבלוקצ׳יין — מפחיתה את ביצועי החיזוי או את מאפייני הממשל. מבחנים סטטיסטיים מאשרים שהשיפורים על פני מודלים מתחרים סוברים כהסתברות נמוכה שנובעת מהמקרה.

מה זה אומר לעתיד שווקי הפחמן

מנקודת מבט של אדם מן השורה, עבודה זו מציעה "תחזית מזג אוויר" חכמה ומהימנה יותר למחירי פחמן. בשילוב ניקוי נתונים, זיהוי תבניות, אופטימיזציה חכמה ומעקב מאובטח אחר מקור הנתונים, המערכת המוצעת הופכת רשומות שוק מבולגנות לתחזיות מחיר יציבות ומפורשות יותר. למרות שהמחקר המוצג מוגבל לשלוש בורסות סיניות ולנתוני היסטוריה, הגישה מצביעה על כלים לחיזוי שיכולים לעזור לחברות לנהל סיכונים פיננסיים הקשורים לאקלים, לסייע לרגולטורים לעצב מדיניות פחמן יציבה יותר, ולתמוך בסופו של דבר במעבר חלק יותר לכלכלה פחמנית נמוכה.

ציטוט: 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

מילות מפתח: שווקי פחמן, חיזוי מחירים, למידה עמוקה, נתוני בלוקצ׳יין, מדיניות אקלים