学海拾珠系列之二百七十九：基于LPPLS模型的美股七巨头泡沫与系统性风险研究.pdf

研究目的

本研究旨在填补两项研究空白：一是系统性风险研究多聚焦金融机构而忽视大市值科技股集体超指数增长带来的溢出风险；二是过往LPPLS泡沫模型应用多为事后验证、存在参数稳健性争议。研究首次针对美股"七巨头"开展实时泡沫检测，引入新的系统性风险维度。

核心数据与方法

研究选取2016年5月13日至2025年1月17日七巨头日度收盘价数据，采用对数周期幂律（LPPLS）模型识别内生泡沫特征。通过符合理论规范的参数约束、ADF残差平稳检验判定信号统计显著性，并通过迭代截短样本的方式开展稳健性检验。

核心结论

实证识别出Alphabet、亚马逊、苹果、微软四家企业存在统计显著的LPPLS特征，预测临界状态转换集中在2025年2-6月，涉险市值占七巨头总规模的65%。投稿后跟踪的行情数据验证了预测有效性：2025年1月31日至4月13日期间，四家企业均出现显著回撤。七巨头平均最大回撤显著，标普500实际最大回撤约为"无传染假设"下预期值的两倍，证实存在显著的跨市场溢出效应。

研究贡献与局限

贡献在于首次聚焦七巨头研究有限时间奇点问题，引入大市值公司集体经历有限时间奇点时的系统性风险维度，并通过迭代缩减样本量评估LPPLS参数估计稳健性。局限在于LPPLS模型无法覆盖外生政策扰动，预测能力本质上是概率性的，且存在过拟合风险、参数估计对初始值敏感等方法论局限。