NASDAQ有泡沫吗

Tue, 06 Sep 2011 00:00:00 +0000

LPPL模型是什么

LPPL（对数周期性幂律）模型是由Didier Sornette等学者提出的金融市场泡沫检测模型，用于识别资产价格在崩盘前的非线性加速增长模式。该模型结合了幂律增长和对数周期性振荡，被广泛应用于金融泡沫预警和临界点预测。

模型的核心是资产价格演化方程：

$$ \ln p(t) = A + B(t_c - t)^\beta \left[1 + C\cos\left(\omega \ln(t_c - t) + \phi\right)\right] $$

$t_c$ 是临界时间（预测的崩盘时间）
$\beta$ 是幂律指数
$\omega$ 是振荡频率（典型值5-15）
$C$ 是振荡幅度
$\phi$ 是相位参数

其中： $0 \lt \beta \lt 1$

LPPL模型具有如下特征：

价格加速增长
- 幂律项 $(t_c - t)^\beta$ 描述价格超指数增长。
- 典型泡沫阶段 $\beta \in (0,1)$，反映增长速率随时间递增。
对数周期振荡
- 其中 $cos\left[\omega\ln\left(t_{c}-t\right)\right]$ 反映投资者博弈产生的离散尺度不变性。
- 震荡幅度随 $t\to t_{c}$ 增大，体现市场分歧加剧。
临界时间特性
- 当 $t\to t_{c}$ 时模型预测系统失稳。
- 实际崩盘可能发生在 $t_{c}$ 前6个月内。

拟合模型

# 加载依赖包
library(quantmod)

## 载入需要的程序包：xts

## 载入需要的程序包：zoo

## 
## 载入程序包：'zoo'

## The following objects are masked from 'package:base':
## 
## as.Date, as.Date.numeric

## 载入需要的程序包：TTR

## Registered S3 method overwritten by 'quantmod':
## method from
## as.zoo.data.frame zoo

library(DEoptim)

## 载入需要的程序包：parallel

## 
## DEoptim package
## Differential Evolution algorithm in R
## Authors: D. Ardia, K. Mullen, B. Peterson and J. Ulrich

library(ggplot2)

# 获取纳斯达克指数数据（2010-01-01至2011-08-30）
getSymbols("^IXIC", src = "yahoo", from = "2010-01-01", to = "2011-08-30")

## [1] "IXIC"

nasdaq <- data.frame(
 t = 1:nrow(IXIC), 
 ln_p = log(Ad(IXIC))
)

colnames(nasdaq)=c("t","ln_p")
# 数据降噪（7日移动平均）
nasdaq$ln_p_smooth <- stats::filter(nasdaq$ln_p, rep(1/7, 7), sides = 2)
nasdaq <- na.omit(nasdaq) # 剔除NA值


# 定义LPPL模型函数
lppl_model <- function(params, t) {
 A <- params["A"]; B <- params["B"]; tc <- params["tc"]
 beta <- params["beta"]; C <- params["C"]; omega <- params["omega"]; phi <- params["phi"]
 term <- pmax(tc - t, 1e-6) # 防止出现负数
 A + B * term^beta + C * term^beta * cos(omega * log(term) + phi)
}

# 定义损失函数（均方误差）
loss <- function(params) {
 pred <- lppl_model(params, nasdaq$t)
 if (any(is.na(pred))) return(Inf)
 mean((pred - nasdaq$ln_p_smooth)^2, na.rm = TRUE)
}

# 参数约束范围
lower <- c(
 A = min(nasdaq$ln_p_smooth), 
 B = -2, 
 tc = max(nasdaq$t) + 1, 
 beta = 0.01, 
 C = 0, 
 omega = 6, 
 phi = 0
)

upper <- c(
 A = max(nasdaq$ln_p_smooth), 
 B = 0, 
 tc = max(nasdaq$t) * 1.2, 
 beta = 0.99, 
 C = 0.5, 
 omega = 13, 
 phi = 2 * pi
)


# 全局优化（差分进化算法）
set.seed(123)
de_result <- DEoptim(
 fn = loss, 
 lower = lower, 
 upper = upper, 
 control = list(
 itermax = 500, 
 NP = 100, 
 trace = FALSE
 )
)

# 局部优化（L-BFGS-B）
final_params <- optim(
 de_result$optim$bestmem, 
 fn = loss, 
 method = "L-BFGS-B",
 lower = lower, 
 upper = upper
)$par

# 输出参数估计结果
cat("LPPL模型参数估计结果：\n")

## LPPL模型参数估计结果：

print(round(final_params, 4))

## A B tc beta C omega phi 
## 7.9574 -0.0009 459.8781 0.9167 0.0000 7.7609 5.3808

结果解读

从模型结果可以看出：

临界时间：$t_c$若输出值为 round(final_params,4)$tc，需结合市场背景评估泡沫风险；
震荡频率：$\omega$介于6-13区间符合典型泡沫特征；
衰减指数: $\beta$ 接近 round(final_params,4)$beta表明价格波动趋于临界点时分歧加大。

模型结果可视化

# 生成预测值
nasdaq$pred <- lppl_model(final_params, nasdaq$t)

# 绘制拟合曲线
ggplot(nasdaq, aes(x = t)) +
 geom_line(aes(y = ln_p, color = "原始对数价格"), alpha = 0.5) +
 geom_line(aes(y = ln_p_smooth, color = "平滑序列"), linetype = "dashed") +
 geom_line(aes(y = pred, color = "LPPL拟合"), linewidth = 1) +
 scale_color_manual(values = c("原始对数价格" = "grey", "平滑序列" = "blue", "LPPL拟合" = "red")) +
 labs(
 title = "纳斯达克指数LPPL模型拟合效果（2020-2025）",
 x = "交易日序数", 
 y = "对数价格"
 ) +
 theme_minimal() +
 theme(legend.position = "top", plot.title = element_text(hjust = 0.5))

股市拐点 on 格物堂

NASDAQ有泡沫吗

LPPL模型是什么

拟合模型

结果解读

模型结果可视化