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.pptxVIP

l研究背景与问题提出

美股科技“七巨头”合计占标普500总市值超34%，估值大幅波动可能引发广泛不稳定。但既有系统性风险研究多聚焦金融机构，较少关注大市值科技股集体超指数增长带来的溢出风险；同时过往LPPLS泡沫模型应用多为事后验证、存在参数稳健性争议，本研究首次针对七巨头开展实时泡沫检测以填补研究空白。

l研究设计

研究选取2016.5.13-2025.1.17的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，同时通过迭代截短样本的方式开展稳健性检验，排除样本依赖、参数“松散性”的研究质疑。

l核心结论与实践启示

实证识别出Alphabet、亚马逊、苹果、微软4家企业存在统计显著的泡沫特征，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，且证实头部个股泡沫会通过指数权重产生跨市场溢出。LPPLS可作为风险预警工具，但本质为概率性提示，无法覆盖外生政策扰动。

l文献来源

核心内容摘选自KlausGrobys于2025年9月发表于ReviewofQuantitativeFinanceandAccountin的论文《Magnifi