Identifying and Quantifying Financial Bubbles with the Hyped Log-Periodic Power Law Model
创建于 更新于
摘要
本文提出结合行为金融指标的HLPPL（Hyped Log-Periodic Power Law）模型，实现对金融泡沫及负泡沫的双向识别与量化。利用LPPL残差、媒体关注度（Hype Index）和文本情绪（Sentiment Score）构建统一的Bubble Score，并通过双流Transformer深度模型进行多时点预测，显著提升泡沫检测的准确性和可操作性。实证和回测结果显示该方法在美国房地产等行业股票上取得年化收益34.13%，显著超越传统买入持有策略，且能有效捕捉市场的过度乐观与悲观阶段[page::0][page::5][page::21][page::24]。
