价格泡沫识别与破裂预警.pdf

资产价格泡沫的量化识别与预警是金融工程领域的重要课题。本报告深入探讨了对数周期幂律模型（LPPL）和广义上确界ADF检验（GSADF）在泡沫识别中的应用，并通过全样本回测验证了其有效性。

LPPL模型实证：该模型通过识别超指数增长和对数周期振荡来估计临界时间。回测显示，金银行业临界时间预测绝对误差中位数为52日。在2026年1月金银高点前，模型成功提前锁定高点窗口，证明其对长周期、清晰加速趋势具有良好的前瞻性。但模型对短样本和噪声较大的趋势识别能力有限。

GSADF模型实证：该方法通过递归右尾单位根检验识别价格爆炸性行为。截至2026年8月14日，黄金仍处于正式泡沫区间，BSADF值为1.3285；白银已退出泡沫区间。中信二级行业中，通信设备和元器件仍处于泡沫状态。GSADF能精准定位异常加速阶段的起止时间，并提供统计显著性支持。

模型互补与预警：LPPL擅长刻画整体趋势结构，GSADF擅长确认异常加速状态。两者结合可形成更完整的泡沫监测框架。基于BSADF构建的方向性反转预警方法，在历史回测中实现了62.0%的反转命中率，平均单次反转收益显著。报告最后将预警方法封装为轻量化工具，便于批量筛选高风险资产，为投资决策提供量化参考。