宏观专题研究报告：认识LPPL模型：一把衡量市场泡沫的塑料尺

宏观专题研究报告 宏观专题报告 证券研究报告 宏观经济组 分析师：宋雪涛（执业 S1130525030001）songxuetao＠gjzq.com.cn联系人：陈瀚学chenhanxue＠gjzq.com.cn 认识 LPPL 模型：一把衡量市场泡沫的塑料尺 在当前 AI 叙事浪潮的高峰期，半导体、存储相关资产价格实现了指数型增长，市场对于泡沫何时破灭的讨论越发普遍。参考“用力掰弯一把塑料尺，何时会断”的物理逻辑，我们引入 LPPL 模型，将其应用于韩国综指（KOSPI）和费城半导体指数（SOX）的阶段性顶部识别。 LPPL 模型的核心思想是，金融泡沫后期往往同时呈现价格加速上涨和波动频率加快两个特征，因此模型可通过拟合价格的非线性加速结构，估计当前主升浪可能结束的临界时间 tc。但需要注意的是，tc 并不等同于必然崩盘日，更适合理解为市场运行状态可能发生切换的风险窗口。 从历史回测看，LPPL 模型对 KOSPI 的适配度相对有限。2021 年 6 月、2024 年 7 月和 2026 年 1 月三轮顶部中，模型预测的 tc 中位数整体偏晚，分别滞后约 101 天、64 天和 35 天。原因在于，KOSPI 作为综合指数，虽然受半导体权重股影响较大，但其顶部形成往往并非单一泡沫结构的自然破裂，而是受到出口景气、半导体周期、全球流动性、汇率和外资仓位等多重因素的共同影响。LPPL 模型之于 KOSPI 指数，高置信度的择时功能有限。 相比之下，SOX 与 LPPL 模型的匹配度更高。SOX 行业属性更集中，成分股估值弹性更大，对 AI 半导体交易、流动性和风险偏好的变化更敏感，更容易形成 LPPL 所描述的泡沫式加速结构。回测结果显示，2021 年底 SOX 顶部主要由美联储转鹰、利率上行和半导体景气降温驱动，模型识别效果较弱；但 2024 年 7 月顶部更接近 AI 半导体交易拥挤后的风险释放，LPPL 滚动 tc 中位数较真实顶部提前约 10 天，风险提示效果较好。 基于最新一轮主升浪测算，截至 2026 年 6 月 9 日，KOSPI 指数的滚动 tc 中位数已落在 2026 年 5 月中旬，即模型在 5月以来已提示风险区间。最新窗口指向 2026 年 7 月下旬，但属于边界解，置信度打折。敏感性分析进一步显示，KOSPI在基准参数下的风险窗口主要集中在 2026 年 8 月中下旬，若采用更慢的趋势起点识别方式，风险窗口可能后移至 10月上旬。 SOX 的滚动 tc 中位数为 2026 年 6 月 10 日，意味着短期风险窗口已经临近。最新窗口 tc 指向 2026 年 10 月 13 日，但也属于边界解，置信度有限。结合敏感性分析，SOX 存在两个需要关注的风险窗口，一是 2026 年 6 月中下旬的短期风险释放窗口，二是基准口径下 2026 年 9 月中旬至 10 月中旬的中期观察窗口。若短期内 SOX 没有大幅回调，继续围绕 AI 芯片和半导体资本开支主线加速上行，则远端风险窗口的重要性进一步上升。 综上，LPPL 模型适合用于识别主题集中、交易拥挤、价格加速特征明显的指数和资产价格，但不可用来机械预测所有市场顶部。模型的有效性取决于主升浪起点选择、样本长度、参数边界、有效窗口占比和边界解比例等因素。对当前市场，LPPL 对 KOSPI 和 SOX 均已发出阶段性风险提示，但考虑到部分结果存在边界解，我们判断风险窗口已经临近，但顶部不必然出现。需结合基本面、流动性、估值、交易拥挤度和外部冲击等宏观因子共同判断。 风险提示模型存在误差、外部冲击超预期、市场情绪和交易结构超预期变化。 一、LPPL模型是什么？ LPPL模型，全称为Log-PeriodicPowerLaw，中文译为“对数周期幂律模型”。该模型最早由Johansen和Sornette等学者用于研究金融市场泡沫1，核心用途是识别资产价格在主升浪后期，是否进入泡沫式加速的形态，并进一步估计这一阶段可能结束的临界时间tc。 好比用力掰弯一把塑料尺。初期只施加小力，尺子形状稳定；中期不断增加压力，尺子开始发生形变；而当用力接近尺子断裂的临界点前，会听见越来越频繁的微小断裂声；最终触及临界点，尺子断裂。把这一物理规律映射到金融市场，断裂点就是LPPL模型试图识别的临界时间tc。 在金融实践中，LPPL模型关注的是带有明显非线性特征的上涨。普通的价格上涨通常表现为价格沿着较稳定的趋势抬升；泡沫式上涨则表现为上涨速度越来越快，价格波动也越来越密集。 从行为金融学角度，LPPL模型的理论基础主要来自两个机制：一是正反馈循环，二是群体模仿行为。资产价格上涨会吸引更多投资者追随买入，追随买入又进一步推高价格，形成“上涨—追涨—继续上涨”的自我强化机制。噪声交易者容易从众，趋势交易者顺势买入，理性交易者在预期收益仍高于风险时也可能加入趋势交易。但随着价格上涨到某个临界状态后，理性交易者会逐步权衡收益和风险并退出，价格上行过程中的震荡随之加速，最终形成泡沫的破裂。 LPPL模型的目的就是找到那个“临界状态”——价格仍在上涨，但系统稳定性下降，市场对外部扰动越来越敏感，多空博弈频率加快，价格围绕主趋势出现越来越密集的波动。 二、LPPL模型公式和使用方法 LPPL模型的一般形式为：lnE[p(t)]=A+B(tc-t)^m+C(tc-t)^mcos[ωln(tc-t)-φ]2 其中：p(t)表示资产价格，模型通常对价格取对数后进行拟合；tc是最重要的输出变量，表示当前阶段可能结束的临界时间；m是幂律指数，用于刻画价格加速上涨的程度；ω是对数周期震荡频率，用于刻画价格围绕主趋势波动的密集程度；A可以理解为临界时间附近价格对数的理论水平；B表示主趋势方向和强度；C和φ刻画周期性震荡的幅度和相位。 为便于理解公式，可将其拆成两部分：第一部分是B(tc-t)^m，描述价格的幂律加速趋势，也就是泡沫上涨的“主趋势”。第二部分是C(tc-t)^mcos[ωln(tc-t)-φ]的周期项，描述叠加在主趋势之上的对数周期震荡，即临近顶部时出现的加速震荡现象。只有当同时出现“上涨越来越快”和“波动越来越密集”两个特征，模型才更倾向于认为市场存在泡沫式加速的结构。 需要注意的是，tc表示当前运行阶段可能结束的临界时间，但不应被机械理解为市场的必然崩盘日。如果前一阶段是陡峭上涨，下一阶段可能是泡沫破裂或趋势反转，也可能是在新信息冲击下进入另一种运行状态。 在模型的实证应用中，有两类参数需要特别注意。 第一，LPPL模型对时间窗口较为敏感。若校准窗口跨越多个不同市场阶段，拟合得到的参数容易失真。因此，我们采用统一、固定的行情起点，并滚动更新终点的方式：先用60日均线上穿90日均线识别行情起点；在行情起点后至少积累100个交易日数据；随后每隔3个交易日更新一次样本终点，重新估计tc。 为了避免单次拟合的偶然性，我们使用滚动窗口预测tc的中位数来代表模型在该阶段形成的整体判断，而不是使用某一次最接近真实顶部的预测值。因此，若多个窗口预测值集中，说明模型信号较稳定；若预测值分散，则说明不同窗口对行情阶段的判断不一致，模型信号需要降权。 第二，需关注两个稳健性指标——LPPL有效窗口和边界解。LPPL有效窗口是指参数落在经验合理区间内的窗口，常见条件包括0.1