學海拾珠系列之二百七十九：基于LPPLS模型的美股七巨頭泡沫與系統(tǒng)性風險研究.pdf

研究目的

本研究旨在填補兩項研究空白：一是系統(tǒng)性風險研究多聚焦金融機構(gòu)而忽視大市值科技股集體超指數(shù)增長帶來的溢出風險；二是過往LPPLS泡沫模型應用多為事后驗證、存在參數(shù)穩(wěn)健性爭議。研究首次針對美股"七巨頭"開展實時泡沫檢測，引入新的系統(tǒng)性風險維度。

核心數(shù)據(jù)與方法

研究選取2016年5月13日至2025年1月17日七巨頭日度收盤價數(shù)據(jù)，采用對數(shù)周期冪律（LPPLS）模型識別內(nèi)生泡沫特征。通過符合理論規(guī)范的參數(shù)約束、ADF殘差平穩(wěn)檢驗判定信號統(tǒng)計顯著性，并通過迭代截短樣本的方式開展穩(wěn)健性檢驗。

核心結(jié)論

實證識別出Alphabet、亞馬遜、蘋果、微軟四家企業(yè)存在統(tǒng)計顯著的LPPLS特征，預測臨界狀態(tài)轉(zhuǎn)換集中在2025年2-6月，涉險市值占七巨頭總規(guī)模的65%。投稿后跟蹤的行情數(shù)據(jù)驗證了預測有效性：2025年1月31日至4月13日期間，四家企業(yè)均出現(xiàn)顯著回撤。七巨頭平均最大回撤顯著，標普500實際最大回撤約為"無傳染假設(shè)"下預期值的兩倍，證實存在顯著的跨市場溢出效應。

研究貢獻與局限

貢獻在于首次聚焦七巨頭研究有限時間奇點問題，引入大市值公司集體經(jīng)歷有限時間奇點時的系統(tǒng)性風險維度，并通過迭代縮減樣本量評估LPPLS參數(shù)估計穩(wěn)健性。局限在于LPPLS模型無法覆蓋外生政策擾動，預測能力本質(zhì)上是概率性的，且存在過擬合風險、參數(shù)估計對初始值敏感等方法論局限。