泡沫随机临界时点超指数膨胀模型:中国股市泡沫的检测与识别

传统的泡沫模型都是假设泡沫是指数膨胀的,无法显著地将泡沫和同样是指数增长的基本面引起的高速价格增长区分开来,使得泡沫检验的有效性遭到置疑.泡沫超指数膨胀模型可以克服这一缺陷,它认为泡沫是一种本质上快于指数增长的更快膨胀,具有一个理论上的有限时间终结点.引入了最新的一类超指数膨胀模型——均值回复平稳随机临界时点模型.它将泡沫的检验和识别转化为1)检测"非线性非平稳的股价序列是否潜含均值回复的平稳临界时点序列";2)估计正反馈效应指数和潜在临界时点.利用它对中国股市2005年中期至2007年后期的投机泡沫实证分析表明,该模型能够有效的检验中国股市泡沫的存在性,并能识别29个行业板块间泡沫的膨胀强度和稳定性大小.同时,模型对于中国股市的泡沫破灭也有良好的预警效果.最后分析了模型的政策含义.

股价泡沫的逆CIR模型研究

按照股价泡沫的定义,泡沫识别的本质是一个联合检验问题,面临着二难逻辑困境.不少学者因此尝试绕开泡沫定义,通过假设投机的行为特征来直接提出对应的泡沫价格随机过程模型,然后围绕这些模型的统计性质来创建识别方法.然而,目前的随机过程模型对泡沫形态的限制性较强,忽略了很多的泡沫形态,导致泡沫识别的灵敏度不高.另外,大部分模型缺乏对泡沫崩溃风险率的动态建模,使得对泡沫的实时预警缺乏理论支持.为了克服传统模型的这些不足,本文提出了一个新的股价泡沫模型.由于该模型的解服从倒数化的Cox-Ingersoll-Ross(CIR)过程,简称为逆CIR泡沫模型.该模型经济学意义明确且形式简约,便于估计.本文证明,该模型兼容传统泡沫模型的非线性风险溢价和价格暂态超指数膨胀特征.同时还证明,逆CIR模型能够解释传统模型所无法解释的泡沫实证效应——泡沫崩溃前的1)"暴雨前寂静"现象;2)"高位滞涨"现象.另外,此模型包含内生且具有明确经济意义的泡沫崩溃风险率,可作为实时预警指标.本文给出了崩溃风险率的计算方法——求解高斯超几何函数方程.对我国股市2015年泡沫崩溃的风险率实证估计表明,该模型具有良好的识别和预警效果.