来源：雪球App，作者： 阿饭同学，(https://xueqiu.com//)
前言
挺无聊的一个话题，预测才有意思，但是现在用后视镜看问题。
本来想做的事情，是考虑人在做一些理性选择的时候，一些特别理性的事情。比如方差在选择中的应用，正期望值或者负期望下的行为。 但是显然，这个难度很大。
刚好有人提到用lppl模型来做下预测，人性太复杂，用一种函数来描述，这个函数还要拟合过程，这难度就有点大。
LPPL是什么？
免得有朋友问我LPPL是干啥用的，我从网上摘抄了一些定义：
假想我们处于这样的一个市场中：资产没有派息、银行利率为零、市场极度厌恶风险，并且市场有着充足的流动性。显然，在这个市场中的金融资产没有任何价值，也就是其基础价值为零。在这样的框架内，市场中出现两类投资者，如上文所说，一类是理性投资者，一类是非理性的噪声投资者。后者具有羊群效应，使得金融资产价格偏离其基础价值，在没有足够的做空机制下，该结果导致理性投资者也不得不跟随噪声投资者的行为，通过享受泡沫来获得收益。最终当趋势达到某一临界值时，大量投资者没有足够的头寸维持该趋势，于是手中的卖单导致了市场的崩盘。
运算和结果
用2014年1月1日的数据开始模拟，LPPL模型算出来的优化算法波动比较大(有一定的误差率，我们常用GA算法，每次运算可能都有偏差)，调整参数带来的差异就更加大了。
股灾时间是 2016年6月15日
(Critical Time时间从364到376)对应的时间是，6月10日后的14-26个交易日。
lppl预测结果
我们来看分析结果，对应的critical time的区间对应为【2016年6月29到2016年7月17日】，
那么对应的大盘点位是多少呢？
7月9号差不多是那段时间的最低点。
只能说，LPPL误差还是有点大。聚沙模型下，坍塌的速度不确定性太高。
备注：
LPPL模型说明：
模型提出人是：Didier Sornette，他是一位受过培训的统计物理学家和地球物理学家，目前在瑞士联邦理工学院苏黎世分校(Swiss Federal Institute of Technology in Zurich)任金融学教授，主讲创业风险。
作为纯物理学家的Sornettee教授不甘于仅仅在物理学领域有所建树。他脑洞大开，想将物理学模型延伸到金融学领域中，而他找到的第一把金光闪闪的钥匙叫做易辛模型——一种描述物质铁磁性的经典模型。简单地说，易辛模型认为单个原子的磁矩只可能有两种状态，+1(自旋向上)或者-1(自旋向下)，原子以某种规则排列着，并存在着交互作用，使得相邻之间的原子的自旋互相影响。
受易辛模型启发，Sornette教授认为在金融市场中，投资者也只具有两种状态，即买或者卖。同时，投资者的交易行为取决于其他投资者的决策及外部因素的影响，这与易辛模型是多么的相似！
假想我们处于这样的一个市场中：资产没有派息、银行利率为零、市场极度厌恶风险，并且市场有着充足的流动性。显然，在这个市场中的金融资产没有任何价值，也就是其基础价值为零。在这样的框架内，市场中出现两类投资者，如上文所说，一类是理性投资者，一类是非理性的噪声投资者。后者具有羊群效应，使得金融资产价格偏离其基础价值，在没有足够的做空机制下，该结果导致理性投资者也不得不跟随噪声投资者的行为，通过享受泡沫来获得收益。最终当趋势达到某一临界值时，大量投资者没有足够的头寸维持该趋势，于是手中的卖单导致了市场的崩盘。
LPPL公式：
Beta = cos(wln(tc – x) – Oemga)
Y=a + b*POWER(tc-x,Beta) + c*POWER(tc-x,Beta)
Power()是指数函数，Beta是指数函数的指数值，这个值是周期变动的。
缺点：模型中的待估参数达到7个之多，如果能搞定这7颗龙珠，我就价值投资了，还算啥啊？
附录二
一些预测结果
另外一个结果：用这个模型预测深圳的房价，比较吓人了。几乎就是现在！
预测股市：房事的时间用月计算，股市要用天计算，一点点的误差导致差距巨大。请见我另外一个帖子：【数学】用lppl模型计算上海房价转折点 网页链接
发布者：全栈程序员-站长，转载请注明出处：https://javaforall.net/202682.html原文链接：https://javaforall.net
