本研究基于对数周期幂律模型LPPL(Log Periodic Power Law Model),针对金融时间序列将一维价格波动翻译成反映市场泡沫微观结构的多维变量。通过对多维变量的动态监测,把握市场中泡沫的演变并预测泡沫破裂的临界点,从而有效降低或防范...本研究基于对数周期幂律模型LPPL(Log Periodic Power Law Model),针对金融时间序列将一维价格波动翻译成反映市场泡沫微观结构的多维变量。通过对多维变量的动态监测,把握市场中泡沫的演变并预测泡沫破裂的临界点,从而有效降低或防范金融资产泡沫破裂所导致的风险。为检验LPPL模型在中国金融市场中的适用性,本文分别使用上证综指、四个期货连续合约以及两支个股检验模型效果。实证结果表明当金融资产价格序列呈现超指数加速震荡上升或下降时,该模型能获得稳定的估计效果,有效预测泡沫破裂临界时点。展开更多
This study leverages the Log-Periodic Power Law Singularity(LPPLS)confidence indicator to effectively identify bubbles in agricultural commodity markets.We analyze five major grain price indices reported by the Intern...This study leverages the Log-Periodic Power Law Singularity(LPPLS)confidence indicator to effectively identify bubbles in agricultural commodity markets.We analyze five major grain price indices reported by the International Grains Council(IGC)from January 2000 to April 2023,successfully identifying several notable bubble periods.These include a positive bubble in 2004 driven by decreased food production,a substantial positive bubble during the 2008 global financial crisis,a negative bubble in 2016,and positive bubbles triggered by the COVID-19 pandemic and the Russo-Ukrainian conflict since 2020.As the critical point is approached,the LPPLS confidence indicator exhibits strong early warning capabilities.To verify the model's robustness,we employ the Bai-Perron test for multiple structural breaks,detecting five such breaks in each agricultural commodity price series.LPPLS indicators provide strong early-warning signals prior to these break dates.Finally,we investigate the predictability of price bubbles in the agricultural commodity market.Using a Markov regime-switching model,our findings confirm that the geopolitical risk index possesses significant predictive power for bubble formation.展开更多
基于金融物理学中著名的对数周期幂律模型(log-periodic power law model,LPPL)来预警2015年6月份中国上证综合指数、创业板指数的崩盘.鉴于已有采用LPPL模型预警市场崩盘的研究均只考虑市场历史交易数据.本文将投资者情绪因素纳入到LPP...基于金融物理学中著名的对数周期幂律模型(log-periodic power law model,LPPL)来预警2015年6月份中国上证综合指数、创业板指数的崩盘.鉴于已有采用LPPL模型预警市场崩盘的研究均只考虑市场历史交易数据.本文将投资者情绪因素纳入到LPPL模型建模过程,以改进LPPL模型的预警效果.采用文本挖掘技术结合语义分析方法对抓取的财经媒体的股评报道进行词频统计,以构建媒体情绪指数.进一步修改LPPL模型中的崩溃概率函数表达式,将其表示为关于历史交易数据及媒体情绪的函数,构建LPPL-MS组合模型预警股市崩盘.实证结果表明,本文所构建的LPPL-MS组合模型相比LPPL模型具有更高的预警精度,其预测的大盘见顶的临界时点与上证指数、创业板指数真实的见顶时点更为接近,并且其拟合结果通过了相关检验.展开更多
本文使用对数周期性幂律(Log Period Power Law, LPPL)模型对房地产市场价格泡沫进行测度,运用空间计量模型对我国房地产市场价格泡沫和空间传染效应进行研究。LPPL模型认为由价格泡沫产生并最终破裂的金融市场与地震系统具有很多相似之...本文使用对数周期性幂律(Log Period Power Law, LPPL)模型对房地产市场价格泡沫进行测度,运用空间计量模型对我国房地产市场价格泡沫和空间传染效应进行研究。LPPL模型认为由价格泡沫产生并最终破裂的金融市场与地震系统具有很多相似之处,即金融资产的价格呈周期性变化规律,价格持续上涨到临界状态直至反转。本文采用2010年6月至2017年11月间我国100个城市的房地产市场数据对各城市房地产价格泡沫进行测度和物理/经济空间传染效应研究。研究发现,LPPL模型能够对我国100个城市房地产价格泡沫进行甄别且主要存在两种泡沫状态:正向泡沫(房价持续上升)和反转泡沫(房价整体下降却存在反转点)。各个城市(地区)房地产价格具有较强的空间传染性;存在正向泡沫区域的空间传染性相较反转泡沫区域更为明显,在考虑经济空间测度而不是物理空间测度的情况下,各城市间的空间传染性更强。与现有文献不同,我们发现反转泡沫区域的新房价格指数特别是二手房价格指数的上升对周边城市的房地产价格指数存在强烈的正向推高影响。最后,本文发现城市的房地产调控政策在一定程度上抑制了房价传统影响(比如信贷、新房、二手房价等)因素的推高影响,但各城市房地产价格之间的联动变化特征应该引起监管部门的注意。展开更多
文摘本研究基于对数周期幂律模型LPPL(Log Periodic Power Law Model),针对金融时间序列将一维价格波动翻译成反映市场泡沫微观结构的多维变量。通过对多维变量的动态监测,把握市场中泡沫的演变并预测泡沫破裂的临界点,从而有效降低或防范金融资产泡沫破裂所导致的风险。为检验LPPL模型在中国金融市场中的适用性,本文分别使用上证综指、四个期货连续合约以及两支个股检验模型效果。实证结果表明当金融资产价格序列呈现超指数加速震荡上升或下降时,该模型能获得稳定的估计效果,有效预测泡沫破裂临界时点。
基金support from the National Natural Science Foundation of China(71971081,72171083).
文摘This study leverages the Log-Periodic Power Law Singularity(LPPLS)confidence indicator to effectively identify bubbles in agricultural commodity markets.We analyze five major grain price indices reported by the International Grains Council(IGC)from January 2000 to April 2023,successfully identifying several notable bubble periods.These include a positive bubble in 2004 driven by decreased food production,a substantial positive bubble during the 2008 global financial crisis,a negative bubble in 2016,and positive bubbles triggered by the COVID-19 pandemic and the Russo-Ukrainian conflict since 2020.As the critical point is approached,the LPPLS confidence indicator exhibits strong early warning capabilities.To verify the model's robustness,we employ the Bai-Perron test for multiple structural breaks,detecting five such breaks in each agricultural commodity price series.LPPLS indicators provide strong early-warning signals prior to these break dates.Finally,we investigate the predictability of price bubbles in the agricultural commodity market.Using a Markov regime-switching model,our findings confirm that the geopolitical risk index possesses significant predictive power for bubble formation.
文摘基于金融物理学中著名的对数周期幂律模型(log-periodic power law model,LPPL)来预警2015年6月份中国上证综合指数、创业板指数的崩盘.鉴于已有采用LPPL模型预警市场崩盘的研究均只考虑市场历史交易数据.本文将投资者情绪因素纳入到LPPL模型建模过程,以改进LPPL模型的预警效果.采用文本挖掘技术结合语义分析方法对抓取的财经媒体的股评报道进行词频统计,以构建媒体情绪指数.进一步修改LPPL模型中的崩溃概率函数表达式,将其表示为关于历史交易数据及媒体情绪的函数,构建LPPL-MS组合模型预警股市崩盘.实证结果表明,本文所构建的LPPL-MS组合模型相比LPPL模型具有更高的预警精度,其预测的大盘见顶的临界时点与上证指数、创业板指数真实的见顶时点更为接近,并且其拟合结果通过了相关检验.
文摘本文使用对数周期性幂律(Log Period Power Law, LPPL)模型对房地产市场价格泡沫进行测度,运用空间计量模型对我国房地产市场价格泡沫和空间传染效应进行研究。LPPL模型认为由价格泡沫产生并最终破裂的金融市场与地震系统具有很多相似之处,即金融资产的价格呈周期性变化规律,价格持续上涨到临界状态直至反转。本文采用2010年6月至2017年11月间我国100个城市的房地产市场数据对各城市房地产价格泡沫进行测度和物理/经济空间传染效应研究。研究发现,LPPL模型能够对我国100个城市房地产价格泡沫进行甄别且主要存在两种泡沫状态:正向泡沫(房价持续上升)和反转泡沫(房价整体下降却存在反转点)。各个城市(地区)房地产价格具有较强的空间传染性;存在正向泡沫区域的空间传染性相较反转泡沫区域更为明显,在考虑经济空间测度而不是物理空间测度的情况下,各城市间的空间传染性更强。与现有文献不同,我们发现反转泡沫区域的新房价格指数特别是二手房价格指数的上升对周边城市的房地产价格指数存在强烈的正向推高影响。最后,本文发现城市的房地产调控政策在一定程度上抑制了房价传统影响(比如信贷、新房、二手房价等)因素的推高影响,但各城市房地产价格之间的联动变化特征应该引起监管部门的注意。
