LPPL与GSADF模型在泡沫识别中的互补机制及预警有效性如何？

LPPL模型与GSADF模型在资产价格泡沫识别中呈现出显著的互补性，二者分别从价格动态结构和统计性质两个维度刻画金融泡沫。

LPPL模型源于复杂系统科学，核心在于识别泡沫形成过程中的超指数增长和对数周期振荡。它通过拟合价格轨迹，能够较早地识别一轮范围较宽的价格趋势，并估计潜在的临界时间。其优势在于对行情整体结构的刻画能力，特别是在持续时间较长、后期加速结构清晰的趋势中，LPPL能够在趋势极值出现前的最后数周持续更新并逐步收敛临界时间。然而，LPPL对参数约束和样本时间区间选择较为敏感，且需要较长的样本积累才能启动正式拟合。

相比之下，GSADF检验基于递归右尾单位根检验，旨在识别价格序列是否出现统计意义上的爆炸性行为。它不直接预测未来的泡沫结束时间，而是通过BSADF序列逐期定位异常加速状态的起止时间并衡量其变化强度。GSADF的优势在于能够提供统计意义上的泡沫存在性确认，且对局部加速、降温和再次强化的反应更为集中和及时。它不需要像LPPL那样进行复杂的非线性参数搜索，计算效率更高，适合对大量资产进行统一监测。

实证研究表明，LPPL通常比GSADF更早识别行情，覆盖范围也更宽；GSADF则在LPPL趋势内部提供更集中、更严格的泡沫状态确认。在金银及中信二级行业的匹配分析中，绝大多数GSADF识别的泡沫区间都能被同方向的LPPL趋势所覆盖，且LPPL趋势起点普遍早于GSADF泡沫起点。这种“LPPL看结构、GSADF看状态”的组合，能够有效减少单一模型带来的误判。

基于BSADF构建的方向性反转预警机制，利用了BSADF对局部加速变化反应灵敏的特点。其核心逻辑是：当连续两期BSADF均大于1，且最新一期较前一期提高30%以上时，表明价格自我强化程度出现显著跃升，市场对边际变化更加敏感，近期发生方向性反转的风险提高。历史回测显示，该预警方法在黄金、白银和中信二级行业中共发出92个信号，其中57个在后两期内发生方向性反转，整体反转比例为62.0%。这一比例在不同阈值设定下保持稳健，表明BSADF高位跃升确实包含了短期的反转信息。该方法已被封装为轻量化工具，便于投资者快速筛选值得关注的方向性风险。