[论文解读] Are Bitcoin Bubbles Predictable? Combining a Generalized Metcalfe's Law and the LPPLS Model

Spencer Wheatley, Didier Sornette+3 more|arXiv (Cornell University)|Mar 15, 2018

Complex Systems and Time Series Analysis被引用 17

一句话总结

本文提出了一种混合模型，结合广义梅特卡夫定律用于基本面估值与LPPLS模型，以检测并预测比特币泡沫。该研究识别出2013年以来的四个显著泡沫，表明由羊群效应和正反馈驱动的超指数价格增长，可借助LPPLS模型提前预测，且崩溃时间的置信区间始终覆盖实际修正时点。

ABSTRACT

We develop a strong diagnostic for bubbles and crashes in bitcoin, by analyzing the coincidence (and its absence) of fundamental and technical indicators. Using a generalized Metcalfe's law based on network properties, a fundamental value is quantified and shown to be heavily exceeded, on at least four occasions, by bubbles that grow and burst. In these bubbles, we detect a universal super-exponential unsustainable growth. We model this universal pattern with the Log-Periodic Power Law Singularity (LPPLS) model, which parsimoniously captures diverse positive feedback phenomena, such as herding and imitation. The LPPLS model is shown to provide an ex-ante warning of market instabilities, quantifying a high crash hazard and probabilistic bracket of the crash time consistent with the actual corrections; although, as always, the precise time and trigger (which straw breaks the camel's back) being exogenous and unpredictable. Looking forward, our analysis identifies a substantial but not unprecedented overvaluation in the price of bitcoin, suggesting many months of volatile sideways bitcoin prices ahead (from the time of writing, March 2018).

研究动机与目标

• 开发一种诊断框架，结合基本面估值与技术性泡沫检测，以评估比特币市场的稳定性。
• 检验比特币价格偏离基于网络的内在价值是否表明存在投机泡沫。
• 评估LPPLS模型在预测比特币价格历史中泡沫破裂时间方面的预测能力。
• 评估当前比特币市场估值相对于由网络效应推导出的基本面价值的水平。
• 基于价格与用户增长的可观测模式，提供潜在市场崩盘的前瞻性预警。

提出的方法

• 基于比特币活跃用户数量推导广义梅特卡夫定律，以估计基于网络规模的基本价格。
• 计算市价与梅特卡夫定律推导出的基本价值之比，以识别高估与泡沫形成。
• 将对数周期幂律奇异性（LPPLS）模型应用于市价与梅特卡夫比值，以检测超指数增长模式。
• 使用轮廓似然估计法拟合LPPLS参数（a, b, c, d, w, m, t_c），并计算临界时间t_c的95%置信区间。
• 采用似然比检验比较LPPLS拟合与更简单的双曲幂律模型，验证对数周期行为的存在。
• 通过测试随着数据累积，t_c的估计何时更早且更准确，评估模型的预测性能。

实验结果

研究问题

• RQ1 比特币价格偏离基于网络的内在价值是否可被可靠识别为投机泡沫？
• RQ2 LPPLS模型在多大程度上能基于可观测的价格模式预测比特币价格修正的时间？
• RQ3 当前比特币的市场价格与基于活跃用户增长推导出的基本面价值相比如何？
• RQ4 比特币中观察到的泡沫模式是否与普遍动力学一致，如超指数增长与对数周期振荡？
• RQ5 该模型是否能在实际崩盘发生前，提供可靠的前瞻性预警？

主要发现

• 在比特币价格历史中识别出四个显著泡沫，每个泡沫均表现为市价与梅特卡夫定律推导出的基本价值之间出现显著且持续的偏离。
• LPPLS模型对所有四个泡沫均提供了稳定可靠的提前预警，估计的临界时间（t_c）及其95%置信区间均覆盖了实际崩盘日期。
• 似然比检验确认LPPLS模型在三个泡沫中优于更简单的双曲幂律模型（p值 < 0.05），表明存在对数周期行为。
• 模型估计在t_c附近崩溃风险极高，市场在接近临界时间时变得日益脆弱。
• 当前比特币市值显著高估——基于基本面网络价值估算为220–440亿美元，暗示存在4倍下行调整的潜在空间。
• 分析表明，比特币市场可能经历数月的波动性盘整走势，与从高估状态修正的市场行为一致。