基于Copula的信用风险经济资本计量模型及应用

第１１卷第１７期２０１１年６月　

科学技术与工程　

Ｖｏ１．１１　Ｎｏ．１７　Ｊｕｎｅ　２０１１　

１６７１～１８ｌ５（２０１１）１７—４１１２一Ｏ５　

Ｓｃｉｅｎｃｅ　Ｔｅｃｈｎｏｌｏｇｙ　ａｎｄ　Ｅｎｇｉｎｅｅｒｉｎｇ　

⑥２０１　１　Ｓｃｉ．Ｔｅｃｈ．Ｅｎｇｎｇ．　

管理科学　

基于Ｃｏｐｕｌａ的信用风险经济　

资本计量模型及应用　

谢铨　

（江西师范大学数学与信息科学学院，南昌３３００２２）　

摘要将Ｃｏｐｕｌａ函数应用于信用风险经济资本计量模型中，并进行实证研究。基于Ｃｏｐｕｌａ理论的经济资本计量模型解决　

了由不同行业贷款所组成的贷款组合相关性结构的拟合问题。准确地反映了贷款组合的非违约风险暴露，同时完善了银行　

的内部评级体系。　

关键词Ｃｏｐｕｌａ　信用风险　经济资本　

中图法分类号１７８３０．５１；　文献标志码Ａ　

信用风险经济资本是指商业银行在一定的置　

信水平下，为了应对未来一定期限内信用风险资产　

的非预期损失而应该持有的资本金，其在数值上等　

于信用风险资产可能带来的非预期损失，对它的计　

量是商业银行内部评级体系中的重要内容。　

信用风险经济资本取决于以下几个方面：一是　

后运用ＶａＲ来计量贷款组合的信用风险经济资本。　

１．１　Ｃｏｐｕｌａ函数的定义　

定义１　（Ｎｅｌｓｅｎ，２００６）　］Ⅳ元Ｃｏｐｕｌａ函数是　

资产组合的收益分布，体现银行资产组合的潜在损　

失水平；二是置信水平，体现对非预期损失的反映　

程度；三是银行风险计量水平，体现为拟合的收益　

分布是否准确反映了本行资产组合问的相关性。　

指具有以下性质的函数Ｃ（・，…，・）：　

（１）定义域为：，Ⅳ，即［０，１］　；　

（２）Ｃ（・，…，・）有零基面（ｇｒｏｕｎｄｅｄ）且是　

Ⅳ维递增（Ｎ—ｉｎｃｒｅａｓｉｎｇ）的；　

（３）Ｃ（・，…，－）的边缘分布ｃ　（・），　＝　

《巴塞尔新资本协议》虽然已经为世界范围内　

实施了内部评级法的银行提供了如何计算非预期　

损失经济资本的监管公式，但协议也鼓励各银行通　

过改进经济资本计量手段来完善其自身的内部评　

１，２，…，Ⅳ，且满足：Ｃ　（・）＝Ｃ（１，…，１，“　，１，…，　

１）＝Ｍ　

级体系。本文为优化信用风险经济资本计量方法，　

利用Ｃｏｐｕｌａ函数作为相关性分析的工具¨，首先通　

其中／Ｚ　∈［０，１］，ｎ＝ｌ，２，…，Ⅳ。　

１．２建模的方法及目的　

过建立Ｃｏｐｕｌａ模型来拟合贷款组合的收益分布，并　

运用ＳＰＳＳ软件对模型进行拟合－优度检验，接着将　

Ｃｏｐｕｌａ理论与蒙特卡洛仿真结合起来计算ＶａＲ，最　

２０１１年３月１８日收到　

（１）根据经验选取各项贷款的分布函数和贷款　

组合的Ｃｏｐｕｌａ函数，再利用ＳＰＳＳ对其进行检验，达　

到较好地选择描述贷款组合的边际分布和贷款组　

合之间相关结构的目的。　

（２）用蒙特卡洛仿真来计算贷款组合在一定置　

信水平下的　Ｒ值，达到计算该组合信用风险经济　

资本的目的。　

作者简介：谢铨（１９８７一），男，江西抚州人，硕士研究生，Ｅ－ｍａｉｌ　

ｃｏｎａｎｘｑ１　１９＠１６３．ｃｏｎｌ。　

１７期　谢铨：基于Ｃｏｐｕｌａ的信用风险经济资本计量模型及应用　

１．３建立Ｃｏｐｕｌａ下的信用风险经济资本计量模型　

卡洛（Ｍｏｎｔｅ　Ｃａｒｌｏ）仿真来计算ＶａＲ　］。步骤如下：　

假设某银行的一项贷款组合是由其分别发放　（１）利用行业Ａ，Ｂ的贷款收益率的历史数据　

给行业Ａ及行业Ｂ中企业的贷款所组成。对于银　

行来说，行业Ａ贷款的收益率为　，行业Ｂ贷款的收　

益率为Ｙ，　，Ｙ为随机变量。Ｆ（　），Ｇ（Ｙ）分别为　，Ｙ　

的分布函数，由两种行业贷款组成的贷款组合的收　

益率Ｃｏｐｕｌａ函数为Ｃ（　，　），其中“＝Ｆ（　），　＝　

Ｇ（ｙ）。随机变量　和Ｙ的Ｋｅｎｄａｌｌ秩相关系数　

下

为［　：　

ｎ一１　

∑∑　［（　，Ｙｉ），（勺，　）］　

ｒ＝　—　——一　（１）　

ｎ　

式（１）中　函数的表达式为：　

［（　，Ｙ　），（ｘｉ，ｙ　＝　

ｒ

１，　（　一　ｆ）（Ｙ　—ｙｆ）＞０　

７　０，　（　—ｘｊ）（Ｙ　—Ｙｊ）＝０　（２）　

【一１，（　一　）（Ｙ　—ｙ　）＜０　

在式（１）中，　，ｘｉ为行业Ａ第ｉ，　笔贷款的收益　

率观测值，Ｙ　，　为行业Ｂ第ｉ，　笔贷款的收益率观　

测值，ｎ为每个行业的贷款总笔数，在式（２）中１≤　

ｉ＜　≤ｎ。　

Ｃｏｐｕｌａ函数有正态Ｃｏｐｕｌａ、ｔ－Ｃｏｐｕｌａ、Ｇｕｍｂｅｌ　

Ｃｏｐｕｌａ、Ｃｌａｙｔｏｎ　Ｃｏｐｕｌａ和Ｆｒａｎｋ　Ｃｏｐｕｌａ（后三种为阿　

基米德Ｃｏｐｕｌａ函数），这些函数都有相应的表达形　

式，如二元Ｃｌａｙｔｏｎ　Ｃｏｐｕｌａ函数：　

Ｃ（　，ｖ；Ｏ）＝（１ｌ，一　＋　一　——１）一　（３）　

式（３）中　∈（０，ｏ。），令　＝Ｆ（ｘ），ｚ，：Ｇ（Ｙ），则有　

＝　

，

其中　为　和Ｙ的Ｋｅｎｄａｌｌ秩相关系数　。　

１—１　

模型的各项指标确定了以后，下一步就是选择　

可以较好地描述贷款组合收益率边际分布函数和　

相关结构的Ｃｏｐｕｌａ函数。通过分析样本数据并利　

用以往经验，初步地假设贷款组合收益率边际分布　

函数和Ｃｏｐｕｌａ函数。利用ＳＰＳＳ软件进行检验，如　

果这些函数可以通过检验，则说明假设是成立的，　

从而可以利用这些函数计算ＶａＲ的值从而得到贷　

款组合的信用风险经济资本。　

在运用Ｃｏｐｕｌａ函数计算贷款组合的ＶａＲ时，　

ＶａＲ的解析式一般不容易求出，因此常常运用蒙特　

计算Ｃｏｐｕｌａ函数的参数，由此可以确定各个贷款收　

益率的分布函数Ｆ（　），Ｇ（Ｙ）和描述贷款之间相关　

结构的Ｃｏｐｕｌａ函数Ｃ（／／，，　），／／，＝Ｆ（　），　＝Ｇ（Ｙ），这　

里Ｕ－，Ｕ均服从（０，１）均匀分布。　

（２）生成两个独立的服从（０，１）均匀分布的随　

机数　和　，根据Ｃｏｐｕｌａ函数的性质　Ｊ，Ｃ（　，　）关　

于　的一阶偏导ｃ　（　）∈［０，１］，且ｃ　（　）服从均匀　

分布，令ｃ　（　）＝Ｗ，通过ｃ　（　）的逆函数可以计算　

得到　＝ｃ２　（　）；　

（３）根据各贷款收益率的分布函数Ｆ（　），　

Ｇ（Ｙ）计算与　，　对应的资产收益　，Ｙ的值：　

＝

Ｆ　（　），Ｙ＝Ｇ　（　）；　

（４）根据行业Ａ贷款占贷款组合中的权重８，　

计算贷款组合的收益率　的值：　＝舐＋（１一　）Ｙ，由　

此得到贷款组合收益率的一种可能情景；　

（５）重复（２）～（４）１　０００次，模拟得到贷款组　

合年收益率的１　０００种可能情景，由此可以得到贷　

款组合年收益率的经验分布，对于给定的置信度　

１一　，由Ｐ［　＜一ＶａＲ　］＝Ｏｔ求出１一Ｏｌ置信度下贷　

款组合的ＶａＲ，其中ＶａＲ　表示１一Ｏｌ置信度下的　

ＶａＲ值。　

通过以上五个步骤便可计算出在１一　置信水　

平下贷款组合ＶａＲ的值。　

２基于Ｃｏｐｕｌａ的信用风险经济资本计量模　

型的应用　

２．１抽样数据的基本情况　

银行以一个贷款周期为基础，可以用年金公式　

把得到的本利和扣除本金后折算成贷款每年的收　

益率。表１中第２，４列给出的就是每一笔贷款本利　

和扣除本金后折算成的平均年收益率。下面抽取　

某银行２００９－－２０１０年度４００笔贷款平均年收益率　

（以下简称收益率）的数据，其中制造业２００笔，电　

力行业２００笔。　

科学技术与工程　１１卷　

表１　两种行业贷款平均年收益率％　

注：　，Ｙｊ为贷款平均年收益率，其中ｌ≤ｉ＜ｊ￣２００　

为将数据代人上述Ｃｏｐｕｌａ模型，假设行业Ａ代　

表的是制造业，行业Ｂ代表的是电力行业。　

２．２贷款组合收益率的边际分布及Ｃｏｐｕｌａ函数　

２．２．１　Ｋｅｎｄａｌｌ秩Ｔ的计算　

（１）将表ｌ中　，　代人式（２），利用软件计算　

函数的值；　

（２）将　函数的值代人式（１），计算得到：　

＝

０．０５８　（４）　

图１制造业正态Ｑ－Ｑ图　

图２电力业正态Ｑ－Ｑ图　

２．２．２　贷款组合收益率边际分布函数的判定及检验　

综合样本数据的各项指标，再根据中国银行业　

贷款收益率的历史经验，初步判定制造业及电力行　

业的贷款收益率　，　都服从正态分布，然后将样本　

数据输入ＳＰＳＳ　１７．０并通过绘制Ｑ—Ｑ图的方法对上　

述假设进行检验。制造业及电力行业的贷款收益　

率的正态Ｑ－Ｑ图分别为图１和图２。　

通过分析两行业贷款收益率的正态Ｑ－Ｑ图发　

现：样本数据与正态函数的Ｑ．Ｑ图近似一条标准均　

匀分布分位数的直线，可以断定正态分布可以很好　

地描述两个行业贷款收益率的分布情况。通过　

ＳＰＳＳ软件可计算出两个行业贷款收益率分布函数　

的期望　以及方差　。　

２．２．３　贷款组合收益率Ｃｏｐｕｌａ函数的判定及检验　

根据Ｃｏｐｕｌａ函数的性质　，同样可以运用Ｑ—　

Ｑ图的方法，通过检验ｃ　（　）是否服从（０，１）均匀分　

布来评价Ｃｏｐｕｌａ函数对样本的拟合度。　

分别用二元正态Ｃｏｐｕｌａ、ｔ—Ｃｏｐｕｌａ、Ｇｕｍｂｅｌ　Ｃｏｐ—　

ｕｌａ、Ｃｌａｙｔｏｎ　Ｃｏｐｕｌａ和Ｆｒａｎｋ　Ｃｏｐｕｌａ函数对贷款组合　

的相关结构进行拟合，得到相关参数，并利用Ｑ—Ｑ　

图对各项Ｃｏｐｕｌａ函数拟合程度进行检验。下面以　

检验Ｃｌａｙｔｏｎ　Ｃｏｐｕｌａ函数的拟合程度为例，步骤　

如下：　

（１）由式（４）可知ｒ的值，进而可以通过０＝　

，，一　

得到０＝０．１２５；　

上一下　

（２）将０代人式（３），便可得到Ｃｌａｙｔｏｎ　Ｃｏｐｕｌａ　

函数的表达式为：　

Ｃ（　，　）：（　一ｎ　２５＋　一ｎ　２５一Ｉ）－１／０　．２５　（５）　

图３关于“的一阶偏导的一致Ｑ—Ｑ图　

（３）求Ｃ（　，　）关于ｕ的一阶偏导Ｃ　（　），结果　

如下：　

ｃ　）＝［　＋（号）Ｏ．１２５　】　（６）　

ｌ７期　谢铨：基于Ｃｏｐｕｌａ的信用风险经济资本计量模型及应用　

（４）将样本数据代人Ｃ　（Ｖ），将所得到的结果　

输入ＳＰＳＳ软件，得到其Ｑ—Ｑ图（见图３）。　

通过分析Ｃ　（　）的一致Ｑ—Ｑ图发现：样本数据　

与（０，１）均匀分布的Ｑ．Ｑ图近似一条标准均匀分布　

分位数的直线，可以断定Ｃ　（　）基本服从（Ｏ，１）均匀　

分布。检验其他Ｃｏｐｕｌａ函数拟合程度的Ｑ．Ｑ图就　

不一一列举，在比较各种Ｃｏｐｕｌａ函数的拟合程度　

后，判定Ｃｌａｙｔｏｎ　Ｃｏｐｕｌａ为最优拟合贷款组合收益率　

的Ｃｏｐｕｌａ函数。　

２．３贷款组合的信用风险经济资本计算　

在１．３节给出了计算贷款组合信用风险经济资　

本计量的蒙特卡洛仿真方法（含五个步骤）。通过　

２．２节我们已经确定了各个贷款收益率的分布函数　

Ｆ（ｘ），Ｇ（ｙ）和描述描述贷款之间相关结构的Ｃｏｐｕ．　

１ａ函数ｃ（“，　），下面只需进行剩下的四个步骤，便　

可得到　的值。　

本文研究选取显著性水平为５％，即计算当置　

信水平１一Ｏｔ＝９５％时，ＶａＲ　的值。在确定权重６值　

时，根据行业一般情况，选择在贷款组合中制造业　

贷款占２５％，电力行业贷款占７５％。在仿真过程中　

生成随机数以及正态分布函数的逆运算都利用　

Ｍａｔｌａｂ完成。进行１　０００次仿真模拟计算后，得　

到贷款组合收益率ｚ＝０．２５ｘ＋０．７５ｙ的经验分布　

ｏ００

（ｚ）：　

０．ｚ≤一１．５８１　

１／１　０００．一１．５８１＜　≤一１．５５９　

Ｆｌ　ｏ００（ｚ）：　

５０／１　０００．一１．４１４＜ｚ≤一１．４０８　

９９９／１　０００，５．１０７＜ｚ≤５．１６４１，　＞５．１６４　

（７）　

对于给定的置信度９５％，由式（７）并根据　

Ｐ［ｚ＜一ＶａＲ０．Ｄ５］＝０．０５可得　Ｒ０．Ｄ５＝１．４０８，此处　

ＶａＲ。

．

晒

为９５％置信水平下贷款组合收益率的　

值。　

２．４计算结果分析　

该银行为了应对未来一定期限内由制造与电　

力行业贷款组成的贷款组合非预期损失，应该持有　

一

定的经济资本，其在数值上等于在９５％置信水平　

下信用风险资产可能带来的非预期损失，可以通过　

下面的式子计算该经济资本：　

经济资本＝ＶａＲ×贷款组合的总金额　（８）　

式（８）中ＶａＲ：ＶａＲ０ｌ０５＝１．４０８。　

｝　

３总结　，　

本文为更准确地计算贷款组合的信用风险经　

济资本，通过建立Ｃｏｐｕｌａ模型来拟合贷款组合的相　

关性结构，将Ｃｏｐｕｌａ理论与ＶａＲ方法有机地结合起　

来。该模型具有的主要特色为：　

（１）优化了贷款组合信用风险经济资本的计量　

方法；　

（２）利用Ｃｏｐｕｌａ函数准确地拟合了贷款组合　

的相关性结构；　

（３）运用蒙特卡洛仿真技术并结合数学与统计　

软件，将计算机技术运用于金融领域。　

参考文献　

１　白保中，宋逢明，朱世武，等．Ｃｏｐｕｌａ函数度量我国商业银行资产　

组合信用风险的实证研究．金融研究，２００９；（４）：１２９—１４１　

２韦艳华，张世英．Ｃｏｐｕｌａ理论及其在金融分析上的应用．北京：清　

华大学出版社，２００８　

３　Ａｌｅｘａｎｄｅｒ　Ｊ，Ｒｕｄｉｇｅｒ　Ｆ，Ｅｍｂｒｅｃｈｔｓ　Ｐ．Ｑｕａｎｔｉｔ—ａｔｉｖｅ　Ｒｉｓｋ　Ｍａｎａｇｅ—　

ｍｅｎｔ．Ｎｅｗ　Ｊｅｒｓｅｙ：Ｐｒｉｎｃｅｔｏｎ　Ｕｎｉｖｅｒｓｉｔｙ　Ｐｒｅｓｓ．２００５：２０６—＿２０７　

４徐志春．基于Ｃｏｐｕｌａ的贷款组合经济资本配置模型及仿真．武汉　

理工大学学报．信息与管理工程版，２００８；３０（５）：７５４—７５５　

５刘博．基于ＫＭＶ模型对中国上市公司的信用风险进行度量的　

实证分析．科学技术与工程，２０１０；１０（３）：８４４－－８４８　

４１１６　科学技术与工程　

Ｅｃｏｎｏｍｉｃ　Ｃａｐｉｔａｌ　Ｍｅａｓｕｒｅｍｅｎｔ　Ｍｏｄｅｌ　ｆｏｒ　Ｃｒｅｄｉｔ　Ｉ　ｓｋ　Ｂａｓｉｎｇ　ｏｎ　

Ｃｏｐｕｌａ　Ｆｕｎｃｔｉｏｎ　ａｎｄ　Ｉｔｓ　Ａｐｐｌｉｃａｔｉｏｎ　

ＸＩＥ　Ｑｕａｎ　

（Ｊｉａｎｇｘｉ　Ｎｏｒｍａｌ　Ｕｎｉｖｅｒｓｉｔｙ，Ｍａｔｈｅｍａｔｉｃｓ＆Ｉｎｆｏｒｍａｔｉｏｎ　Ｓｃｉｅｎｃｅ　Ｃｏｌｌｅｇｅ，Ｎａｎｃｈａｎｇ　３３００２２．Ｐ．Ｒ．Ｃｈｉｎａ）　

［Ａｂｓｔｒａｃｔ］Ｃｏｐｕｌａ　ｆｕｎｃｔｉｏｎ　ｉｓ　ａｐｐｌｉｅｄ　ｔｏ　ｅｃｏｎｏｍｉｃ　ｃａｐｉｔａｌ　ｍｅａｓｕｒｅｍｅｎｔ　ｍｏｄｅｌ　ｆｏｒ　ｃｒｅｄｉｔ　

ｉｒｓｋ，ｔｈｅ　ｒｅａｌ　ｄｉａｇｎｏｓｉｓ　

ｏｆ　ａｎａｌｙｓｉｓ　ｉｓ　ｃａｒｒｉｅｄ　ｏｎ．Ｔｈｅ　ｅｃｏｎｏｍｉｃ　ｃａｐｉｔｌａ　ｍｅａｓｕｒｅｍｅｎｔ　ｍｏｄｅｌ　ｂａｓｉｎｇ　ｏｎ　Ｃｏｐｕｌａ　ｓｅｔｔｌｅｓ　

ｔｈｅ　ＣＯＩＴｅ］ａｔｉｏｎ　ｓｔｒｕｃｔｕｒｅ　

ｆｉｔｔｉｎｇ　ｐｒｏｂｌｅｍ　ｏｆ　ｌｏａｎ　ｐｏｒｔｆｏｌｉｏ　ｗｈｉｃｈ　ｉｓ　ｃｏｎｓｉｓｔｅｄ　ｏｆ　ｌｏａｎｓ　ｆｒｏｍ　ｄｉｆｅｒｅｎｔ　ｉｎｄｕｓｔｒｉｅｓ

．

Ｔｈｅ　ｅｘｐｏｓｕｒｅ　ｔｏ　ｎｏｎ．ｄｅｆａｕｌｔ　

ｉｒｓｋ　ｏｆ　ｌｏａｎ　ｐｏｒｔｆｏｌｉｏ　ｉｓ　ｒｅｆｌｅｃｔｅｄ　ａｃｃｕｒａｔｅｌｙ，ａｔ　ｔｈｅ　ｓａｍｅ　ｔｉｍｅ　ＩＲＢ　ｏｆ　ｂａｎｋｓ　ｈａｓ　ｂｅｅｎ　ｉｍｐｒｏｖｅｄ

．　

［Ｋｅｙ　ｗｏｒｄｓ］Ｃｏｐｕｌａ　ｃｒｅｄｉｔ　ｒｉｓｋ　ｅｃｏｎｏｍｉｃ　ｃａｐｉｔａｌ　

０　

（上接第４１１１页）　

Ｓｃｅｎｅ　Ｐｒｅｄｉｃｔｉｏｎ　ｏｆ　Ｃｈｉｎａ　Ｓ　Ｃａｒｂｏｎ　Ｅｍｉｓｓｉｏｎｓ　Ｂａｓｅｄ　ｏｎ　ＢＰ　Ｎｅｕｒａｌ　Ｎｅｔｗｏｒｋ　

ＳＯＮＧ　Ｊｉｅ．ｋｕｎ　，ＺＨＡＮＧ　Ｙｕ　

（Ｓｃｈｏｏｌ　ｏｆ　Ｅｃｏｎｏｍｉｃｓ＆Ｍａｎａｇｅｍｅｎｔ，Ｃｈｉｎａ　Ｕｎｉｖｅｒｓｉｔｙ　ｏｆ　Ｐｅｔｒｏｌｅｕｍ　，　

Ｄｏｎｇｙｉｎｇ　２５７０６１，Ｐ．Ｒ．Ｃｈｉｎａ；　

Ｆｉｎａｎｃｉｌａ　Ａｓｓｅｔｓ　Ｍａｎａｇｅｍｅｎｔ　Ｃｅｎｔｅｒ　ｏｆ　Ｄｏｎｇｘｉｎ　Ｕｎｉｔ２

，

Ｓｈｅｎｇｌｉ　Ｏｉｌｉｆｅｌｄ．　

Ｄｏｎｇｙｉｎｇ　２５７０９１，Ｐ．Ｒ．Ｃｈｉｎａ）　

［Ａｂｓｔｒａｃｔ］　Ｃａｒｂｏｎ　ｅｍｉｓｓｉｏｎｓ　ｐｒｅｄｉｃｔｉｏｎ　ｃａｎ　ｈｅｌｐ　ｆｏｒｍｕｌａｔｅ　ｃａｒｂｏｎ　ａｂａｔｅｍｅｎｔ　ｇｏａｌ　ａｎｄ　ｐａｔｈ．Ｒｅｆｅｒｉｎｇ　ｏｎ　ｔｈｅ　

ｆａｃｔｏｒｓ　ｏｆ　ＳＴＩＲＰＡＴ　ｍｏｄｅｌ，ｓｉｘ　ｆａｃｔｏｒｓ　ｉｎｃｌｕｄｉｎｇ　ｐｏｐｕｌａｔｉｏｎ，ｕｒｂａｎｉｚａｔｉｏｎ　ｒａｔｅ

，

ｐｅｒ　ｃａｐｉｔａ　ＧＤＰ，ＧＤＰ　ｒａｔｉｏ　ｏｆ　ｔｅｒｔｉａ—　

ｒｙ　ｉｎｄｕｓｔｒｙ，ｅｎｅｒｇｙ　ｃｏｎｓｕｍｐｔｉｏｎ　ｉｎｔｅｎｓｉｔｙ，ｃｏａｌ　ｃｏｎｓｕｍｐｔｉｏｎ　ｒａｔｉｏ　ａｌｅ　ｓｅｌｅｃｔｅｄ　ａｓ　ｉｎｄｅｐｅｎｄｅｎｔ　ｖａｒｉａｂｌｅｓ　ｆｏｒ　ｐｒｅｄｉｃ．　

ｔｉｎｇ　ｃａｒｂｏｎ　ｅｍｉｓｓｉｏｎｓ．Ｕｓｉｎｇ　ｔｈｅ　ｄａｔａ　ｆｒｏｍ　１　９８０　ｔｏ　２００９　ａｓ　ｔｒａｉｎｉｎｇ　ｓａｍｐｌｅ

，

ｉｔ　ａｐｐｌｉｅｓ　ＢＰ　ｎｅｕｒａｌ　ｎｅｔｗｏｒｋ　ｔｏ　ｃｏｎ．　

ｓｔｒｕｃｔ　ｐｒｅｄｉｃｔｉｏｎ　ｍｏｄｅｌ　ｏｆ　Ｃｈｉｎａ’Ｓ　ｃａｒｂｏｎ　ｅｍｉｓｓｉｏｎｓ　ａｎｄ　ｐｒｅｄｉｃｔｓ　ｔｈｅ　ｃａｒｂｏｎ　ｅｍｉｓｓｉｏｎｓ　ｆｒｏｍ　２０１０　ｔｏ　２０１５

．

Ｔｈｅ　ｒｓｕＩｔ　

ｓｈｏｗｓ　ｔｈａｔ　ｉｎ　ｔｈｅ　ｔｗｅｌｆｔｈ　ｆｉｖｅ－ｙｅａｒ　ｐｌａｎ，Ｃｈｉｎａ　ｓｈｏｕｌｄ　ｌｏｗ　ＧＤＰ　ｇｒｏｗｔｈ　ａｐｐｒｏｐｒｉａｔｅｌｙ　ｉｎ　ｏｒｄｅｒ　ｔｏ　ｃｈｉｅｖｅｍｅｎｔ　ｃａｒｂｏｎ　

ａｂａｔｅｍｅｎｔ　ｇｏａ１．　

［Ｋｅｙ　ｗｏｒｄｓ］　ｃａｒｂｏｎ　ｅｍｉｓｓｉｏｎｓ　ＢＰ　ｎｅｕｒａｌ　ｎｅｔｗｏｒｋ　ｐｒｅｄｉｃｔｉｏｎ　ｍｏｄｅ１