文献阅读——LPPLS

LPPLS相关整理

文献来源[1]

[1]李铮,熊熊,牟擎天,等.基于对数周期幂律奇异性模型的资产价格泡沫预测[J].系统科学与数学,2021,41(02):361-372.

本文侧重于外部条件变化对于LPPLS的预测影响。
本文一共使用了三种数据（包括稳健性检验里的一个），结果发现，由于市场环境等的影响，使得LPPLS的预测均不准确，均未作出良好的预测。

引言

• 对数周期幂律奇异性模型，最早应用于地球物理领域对地震的预测研究
• Sornette等创造性地将模型应用于对资产价格泡沫的研究中。
• 在金融市场应用主要基于包括机构、散户在内的投资者之间的互相影响与模仿行为。
  • 这些模仿行为会形成正反馈效应，投资者一系列处理效应、代表性效应、晕轮效应等叠加正反馈会形成资产价格泡沫，在一定程度后又会导致泡沫的破裂。
• 金融市场泡沫形成以及模型构造原理基于以下几点：
  1. 金融市场投资者之间正反馈机制制造了泡沫，理性投资者对于泡沫产生不断扰动。
  2. 投资者之间对于投资思路、投资策略甚至交易行为互相模仿催生了泡沫；其中理性投资者与非理性投资者比例决定幂指数m
  3. 投资者连续的正反馈使得金融资产呈现出明显的幂律增长
  4. 最终投资者对于资产价格的观点变化决定了w
• 对数周期波动呈现幂律加速，越靠近泡沫崩盘时间波动周期越短
• 创新点
  • 重点分析外部因素条件的变化对采用LPPLS模型进行股市泡沫预测的结果所产生的影响，并对模型背后行为逻辑结合实际市场情况进行详细阐述。

数据

1. 创业板指数（2014.7.24-2015.5.14），共计196个交易日数据
   拟合结果
   
   • 通过拟合结果显示，tc泡沫破裂时间为第239个交易日，为2015.7，而实际情况是，创业板指数在第210日时，泡沫即开始破裂，时间误差超过13%。
   • LPPLS模型并没有很好地做出预测。
2. 沪深300指数（2016.1.27-2017.11.22）共计443个交易日数据
   
   • 通过拟合结果显示，tc泡沫破裂时间为第440个交易日，而实际情况是，沪深300指数在第444个交易日开始剧烈波动跌幅达6.5%，而后50个交易日内沪深300指数仍创出新高，此后才开始真正的下跌，tc时间误差超过10%
   • LPPLS模型并没有很好地做出预测。

研究结论

基于上述，拟合结果不佳，给予的解释如下：