川海智库

报告概述

本报告系统介绍对数周期幂律（LPPL）模型的核心思想与公式，将其作为衡量市场泡沫的定量工具。报告聚焦韩国综指（KOSPI）和费城半导体指数（SOX），分析两类指数在不同市场阶段的价格特征，并回测模型在三次历史顶部中的表现。通过滚动窗口拟合与参数敏感性测试，报告评估了LPPL模型在识别泡沫式加速结构、估计临界时间tc时的有效性与局限性。读者可借此理解该模型的适用场景——更适合主题集中、交易拥挤、价格加速特征明显的指数，并能根据模型信号判断当前市场的风险窗口。

报告的核心结论

LPPL模型对主题集中、交易拥挤的指数识别效果更佳

回测显示，SOX（费城半导体指数）成分股集中、估值弹性大、AI主题交易拥挤，更易形成LPPL所描述的泡沫式加速结构，模型提前约10天提示了2024年7月顶部。而KOSPI作为综合指数，受多重宏观因素影响，模型预测滞后且稳定性不足。

当前KOSPI已处于风险区域，但顶部不必然出现

截至2026年6月9日，KOSPI的滚动tc中位数已落在5月中旬，最新窗口指向7月下旬。模型提示风险窗口已临近，但部分结果为边界解，需结合基本面、流动性等因素综合判断，并非机械看空。

SOX短期风险窗口已临近，中期重点关注9月中旬

SOX的滚动tc中位数为2026年6月10日，短期风险近在眼前；若行情延续，敏感性分析显示基准口径下的下一个风险窗口在9月中旬至10月中旬。当前最新窗口为边界解，置信度有限，需跟踪指数走势。

LPPL模型不适用于所有市场顶部，尤其宏观因素驱动时

2021年KOSPI和SOX顶部主要由美联储转鹰、利率上行和基本面变化驱动，而非单纯交易拥挤，模型预测均显著滞后。LPPL的有效性取决于价格是否具备内生加速震荡特征，机械使用易产生偏差。

报告回答的关键问题

LPPL模型如何识别金融泡沫？

LPPL模型通过拟合价格的对数周期幂律结构，同时捕捉“上涨加速”和“波动密集”两个特征，估计当前主升浪可能结束的临界时间tc。模型将价格分解为幂律趋势项和对数周期震荡项，当两者同时出现时，提示泡沫式加速形态。

费城半导体指数当前是否存在泡沫风险？

报告指出，截至2026年6月9日，LPPL模型对SOX的滚动tc中位数已落在6月10日，短期风险窗口已临近。但最新窗口（10月13日）为边界解，风险提示需结合基本面。若后续指数继续加速上涨，远端风险窗口重要性上升。

韩国综指是否会重演2024年7月大跌？

报告通过LPPL模型回测发现，2024年7月顶部由外部政策与地缘冲击触发，模型仅个别窗口有效。当前KOSPI同样面临AI存储交易过热，但模型风险窗口集中在8月中下旬，且出口和盈利基本面仍可提供阶段性支撑，是否出现大跌取决于外部冲击。

LPPL模型预测的临界时间一定发生崩盘吗？

不一定。报告强调tc并不等同于必然崩盘日，而是市场运行状态可能切换的风险窗口。在tc附近，市场可能发生趋势反转或调整，也可能在新信息冲击下进入新的运行状态，需要结合其他指标综合判断。

报告中的代表性数据

预测tc中位数2024年6月30日，实际顶部2024年7月10日

SOX 2024年7月顶部：LPPL预测tc中位数与实际顶部对比

2024年7月，LPPL模型滚动窗口预测的tc中位数较真实顶部提前约10天，是回测中表现最好的一次，说明模型成功识别了AI半导体交易拥挤导致的顶部风险区间。

以上数据根据报告摘要整理，具体统计口径和数值请以完整报告原文为准。

完整报告包含什么

  • 完整介绍LPPL模型的数学公式、参数含义及物理类比（用力掰弯塑料尺），帮助读者理解模型原理。
  • KOSPI三次历史顶部（2021年6月、2024年7月、2026年1月）的详细回测过程，包括每次的真实顶部日期、模型预测中位数、滞后天数及原因分析。
  • SOX两次历史顶部（2021年底、2024年7月）的回测，对比宏观驱动与交易拥挤驱动下的模型表现差异。
  • 基于最新一轮主升浪的滚动窗口预测结果，包括KOSPI和SOX的tc中位数、最新窗口及边界解判定。
  • LPPL模型参数敏感性分析，测试行情起点、均线组合、样本长度、ω范围等对预测结果的影响，展示风险窗口的集中区间。
  • 模型胜率影响因素的深入讨论，包括主升浪选取、边界解、样本长度、指数结构等对适用性的影响。
  • 完整风险提示部分，涵盖模型误差、外部冲击、市场情绪超预期变化等三大风险来源。
  • 附录包含所有回测图表与敏感性分析时间轴，直观展示模型预测与真实市场的对比。

本页内容由川海智库整理，用于帮助读者快速了解报告主题、核心观点和主要内容。由于报告量大、人工能力有限，部分观点、数据、统计口径或表述可能存在偏差，具体内容请以完整报告原文为准。

相关报告