基于 LPPLS 置信指标的中国股票市场泡沫检测

我们提出了一种基于对数周期幂律奇点（LPPLS）置信指标的先进泡沫检测方法，利用 2002 年 1 月至 2018 年 4 月沪深 300 股票市场指数的日度数据，对中国股票市场的正泡沫与负泡沫进行早期因果识别。我们考虑了 LPPLS 模型在搜索空间中的阻尼条件，并通过考虑最大相对误差、对去趋势残差执行 Lomb 对数周期检验，以及基于 Phillips-Perron 检验和 Dickey-Fuller 检验的对数残差单位根检验，实施更严格的滤波条件以甄别有效的 LPPLS 拟合，从而提升 LPPLS 置信指标的性能。我们的分析表明，LPPLS 检测策略诊断出的正泡沫与负泡沫对应于众所周知的历史事件，意味着基于 LPPLS 置信指标的这一检测策略在提前识别泡沫方面具有出色表现。我们发现，泡沫估计起始时间的概率密度分布呈现偏态，且分布质量集中于价格开始明显超指数增长的区域。本研究是文献中首个利用沪深 300 指数日度数据、采用 LPPLS 置信指标先进泡沫检测方法来识别中国股票市场泡沫存在性的工作。我们已表明，有可能提前检测潜在的正数泡沫、负泡沫与崩盘，进而限制泡沫规模并最终将泡沫崩盘的损失最小化。