[論文レビュー] Diagnosis and Prediction of Tipping Points in Financial Markets: Crashes and Rebounds

Wanfeng Yan, Ryan Woodard+1 more|arXiv (Cornell University)|Jan 1, 2010

Complex Systems and Time Series Analysis参考文献 18被引用数 4

ひとこと要約

本稿では、金融バブルとそのターニングポイント（牛市における崩壊と熊市における反発）を診断・予測するため、対数周期的振動を伴う加速的価格上昇を検出することで、対数周期的パワー則（LPPL）モデルを提案する。この手法は行動ファイナンス、合理的期待理論、統計物理学を統合し、石油価格（2008年7月）および上海株式市場（2009年8月）において、アウトオブサンプルテストで強く予測可能な性能を示した。誤差図により、ランダムな偶然を超える顕著な性能が確認された。

ABSTRACT

By combining (i) the economic theory of rational expectation bubbles, (ii) behavioral finance on imitation and herding of investors and traders and (iii) the mathematical and statistical physics of bifurcations and phase transitions, the log-periodic power law (LPPL) model has been developed as a flexible tool to detect bubbles. The LPPL model considers the faster-than-exponential (power law with finite-time singularity) increase in asset prices decorated by accelerating oscillations as the main diagnostic of bubbles. It embodies a positive feedback loop of higher return anticipations competing with negative feedback spirals of crash expectations. The power of the LPPL model is illustrated by two recent real-life predictions performed recently by our group: the peak of the Oil price bubble in early July 2008 and the burst of a bubble on the Shanghai stock market in early August 2009. We then present the concept of "negative bubbles", which are the mirror images of positive bubbles. We argue that similar positive feedbacks are at work to fuel these accelerated downward price spirals. We adapt the LPPL model to these negative bubbles and implement a pattern recognition method to predict the end times of the negative bubbles, which are characterized by rebounds (the mirror images of crashes associated with the standard positive bubbles). The out-of-sample tests quantified by error diagrams demonstrate the high significance of the prediction performance.

研究の動機と目的

• 効率的市場仮説に挑戦する、科学的かつリアルタイムな金融バブルおよびそのターニングポイントの診断・予測手法の開発を目的とする。
• 正のバブル（崩壊）に限らないLPPLモデルを、熊市場における負のバブル（反発イベント）へと拡張することを目的とする。
• 誤差図とアウトオブサンプルテストを用いて、予測性能を定量化し、ランダムな偶然を超える信頼性を評価することを目的とする。
• 中央銀行および金融機関がシステミックリスクの監視とリスク管理を改善できるフレームワークを提供することを目的とする。

提案手法

• LPPLモデルは、有限時間特異性を伴うべきべき乗則的成長に加え、加速する対数周期的振動が付随する価格上昇を、内生的バブル形成の兆候として特定する。
• 経済理論における合理的期待バブル、群衆行動や模倣行動に関する行動ファイナンス、分岐および相転移の統計物理学を統合する。
• 負のバブルの場合は、同じ数学的構造を用い、反転したダイナミクスを用いて、反発を前後する加速的下落を検出するようにLPPLを適応させる。
• 歴史的価格データに特徴的なLPPLシグナルを検出するパターン認識手法を実装し、反発の終了時刻のリアルタイム予測を可能にする。
• 誤差図を用いて、反発を逃すリスクと誤報のリスクのトレードオフをバランスさせることで、アウトオブサンプル予測性能を評価する。
• 少数のパラメータでモデルをキャリブレーションし、リアルタイムで更新可能であるため、リスク管理システムへの実用的導入が可能である。

実験結果

リサーチクエスチョン

• RQ1 金融バブルは、外部要因（ニュース）ではなく、市場の内生的ダイナミクスに基づいてリアルタイムに診断可能か？
• RQ2 LPPLモデルは、市場の崩壊および反発のタイミングを統計的に有意に予測可能か？
• RQ3 価格データに現れる加速的対数周期的振動は、バブルの崩壊や反発の早期警戒信号として信頼できるか？
• RQ4 LPPLフレームワークは、加速的下落とその後の反発を特徴とする負のバブルへと拡張可能か？
• RQ5 誤差図を用いて定量化された予測性能は、ランダムな偶然と比較してどのように評価されるか？

主な発見

• LPPLモデルは、2008年7月上旬に石油価格バブルのピークを的中して予測した。モデルの予測は、実際の市場の頂点とよく一致した。
• モデルは、2009年8月上旬に上海株式市場バブルの崩壊を正確に予測した。異なる市場および資産クラスにおいても、強固な性能を示した。
• アウトオブサンプルの誤差図により、モデルの予測性能がランダムな偶然を著しく上回っていることが確認された。これは、y=1−xの反対角線を下回ったことを示している。
• アラーム頻度が上昇するに従い、予測漏れ率が著しく低下したことは、特に負のバブル領域において強い予測力があることを示している。
• 同一のフレームワークで正のバブルと負のバブルの両方を検出できる能力は、その柔軟性と一般化可能性を強調している。
• 結果から、金融危機は定量的な不確実性を伴っても、事前に診断可能である可能性が示唆され、従来の予測不能性の見解に挑戦するものである。