宏观专题研究报告：认识LPPL模型：一把衡量市场泡沫的塑料尺

LPPL模型用于识别资产价格主升浪后期是否进入泡沫式加速结构，并估计可能结束的临界时间tc。模型核心思想是金融泡沫后期呈现价格加速上涨和波动频率加快两个特征，通过拟合价格的非线性加速结构进行预测。

模型应用案例：

• 韩国综指（KOSPI）：
  • 过去顶部回测：2021年6月、2024年7月、2026年1月三次顶部中，模型预测的tc均滞后于真实顶部，适配度有限。原因在于KOSPI受多重因素影响，价格路径未呈现清晰的LPPL加速震荡结构。
  • 下次顶部预测：最新主升浪滚动tc中位数已落在2026年5月中旬，最新窗口指向2026年7月下旬（边界解），基准参数下风险窗口集中在2026年8月中下旬，若采用更慢趋势起点识别方式，风险窗口可能后移至10月上旬。
• 费城半导体指数（SOX）：
  • 过去顶部回测：2021年底顶部（利率上行与半导体景气降温驱动）模型预测滞后；2024年7月顶部（政策与地缘冲击触发）模型提前识别风险区间。
  • 下次顶部预测：短期风险窗口已临近（滚动tc中位数为2026年6月10日），最新窗口指向2026年10月13日（边界解），基准口径下风险窗口集中在2026年9月中旬，若起点识别更慢或放宽参数范围，6月下旬附近存在提前风险信号。

模型敏感性分析：

• KOSPI：对趋势起点识别方式敏感，基准口径下风险窗口集中在2026年8月中下旬，更慢起点识别方式下可能后移至10月上旬。
• SOX：对起点设定更敏感，基准情景下风险窗口集中在2026年9月中旬，更慢起点识别或放宽参数范围后，6月下旬附近存在提前风险信号。

模型胜率影响因素：

• 主升浪行情选取方法、边界解判定、样本长度、指数本身结构（SOX行业集中、交易属性强，KOSPI受宏观因素影响大）。

结论： LPPL模型适合识别主题集中、交易拥挤、价格加速特征明显的指数和资产价格，但不可机械预测所有市场顶部。模型有效性受主升浪起点选择、样本长度、参数边界等因素影响。对当前市场，LPPL对KOSPI和SOX均已发出阶段性风险提示，但部分结果存在边界解，需结合基本面、流动性、估值、交易拥挤度和外部冲击等宏观因子共同判断。

风险提示： 模型存在误差、外部冲击超预期、交易结构和市场情绪超预期变化。