随着人类生产规模的不断扩大,温室气体的排放量也越来越多,进而引发了温室效应。当人们意识到气候变暖的严重性之后,全球许多国家陆续开展碳排放权交易机制进行节能减排,以期步入可持续的低碳发展道路。2011年,我国按照国家“十二五”规划中涉及到的逐步建立碳市场的要求,陆续在全国8个省市试行碳交易工作,电力、水泥、化工等多个行业纳入其中。经过近十年的运营,8个区域碳交易试点基本都能够做到履约积极性高、遵守自身的权利与责任、运行上保持畅通以及交易数量上维持活跃状态。但是,市场上碳排放权的价格因受经济、金融、气候等多种因素影响而波动较大,对于一个需要进行碳交易活动的企业而言,充分地掌握未来一段时间内的碳交易价格是极其必要的,因此对碳排放权价格预测方法的研究显得尤为必要和迫切。而碳排放权作为特殊资产,具有一般商品没有的属性和特征,因此想要用传统方法去估计是有一定局限和难度的。在以上的研究背景以及目的下,本文通过梳理相关文献以及理论分析,归纳了影响碳排放权价格的重要因素,并将人工神经网络应用到本文的研究。本文最终选取能源价格、气候环境、国外碳价格和宏观经济四个角度对碳排放权价格的影响因素进行理论分析,然后从国内8个交易所中选取了交易最频繁,数据最稳定的湖北省作为研究对象,将其近两年的交易日数据作为研究样本。运用BP神经网络模型进行定量研究,同时也引入了多元线性回归模型与之对比,最后将实证结果进行市场检验。根据数据显示,BP神经网络的预测值与实际值之间的误差值远小于多元回归模型的预测误差值。由此可以说明本文所选取并建立的BP神经网络模型在一定程度上是可以反映这种资产的价值,那么通过该模型的预测可以为我国碳价格的形成提供一些参考。