技术心得:对数周期幂率模型(LPPL)

简介: 技术心得:对数周期幂率模型(LPPL)

什么是对数周期幂率模型


对数周期性幂律模型由Johansen和Sornette提出。Johansen-Ledoit-Sornette(JLS)模型假设存在两类交易者:理性的基本面交易者和非理性的噪音交易者。JLS模型借鉴统计物理中解释铁磁相变的Ising模型。该模型在JLS模型的基础上发展而来,交易者之间相互模仿,可作出买和卖的决策。由于这些相互作用,交易者间会形成相似交易行为的群体,这将导致泡沫的形成,也就是市场变得“有序”(不同于正常市场的“无序”状态,也就是熵比较大的市场)。该模型中另外一个重要的特点是在交易者的相互作用和风险的增加之间引入了正反馈,使得泡沫得以维持。


正是基于交易者之间的相互模仿,这些局部相互作用可形成正反馈,从而导致泡沫和反泡沫的产生,因此该模型可用于金融泡沫和反//代码效果参考:http://www.lyjsj.net.cn/wz/art_23512.html

泡沫的建模和预测。

对数周期幂率模型可简单表示为:


ln【p(t)】=A+B(tc?t)β+C(tc?t)βcos【ωln(tc?t)+?】ln【p(t)】=A+B(tc?t)β+C(tc?t)βcos【ωln(tc?t)+?】ln【p(t)】=A+B(t_c-t)^{\beta}+C(t_c-t)^{\beta}//代码效果参考:http://www.lyjsj.net.cn/wz/art_23510.html

cos【\omega ln(t_c-t)+\phi】

其中p(t)p(t)p(t)为ttt时刻价格,tctct_c为临界时间,A=ln【p(tc)】A=ln【p(tc)】A=ln【p(t_c)】,ββ\beta为幂数,取值范围为(0,1),ωω\omega为波动频率,取值范围为(2,15),\phi为相位。


对数周期幂率模型的特征


一是对数周期性振荡,在线性尺度下,越接近临界时间,振荡频率越快,但在对数尺度下,振荡频率为常数;


二是幂律增长,或称超指数增长,即价格的增长率不是常数,而是单调递增。


对数周期幂率模型的缺点


没有考虑政策等基本面因素。


估计参数很多,容易陷入局域最优点,不太适合数据量小的情形。


计算方法


使用遗传算法,第一步先估计四个非线性参数tc,β,ω,?tc,β,ω,?t_c,\beta,\omega,\phi,第二步再计算三个线性参数A,B,CA,B,CA,B,C,最后残差平方和作为优化目标函数。


详细过程可参照:Everything You Always Wanted to Know about Log Periodic Power Laws for Bubble Modelling but Were Afraid to Ask。


图1:LPPL拟合2007年上证综指示意图。

相关文章
|
3月前
|
数据采集 算法 数据可视化
量化交易隐藏模式识别方法:用潜在高斯混合模型识别交易机会
本文将从技术实现角度阐述LGMM相对于传统方法的优势,通过图表对比分析展示其效果,并详细说明量化分析师和技术分析师如何应用此方法优化投资决策。
118 3
量化交易隐藏模式识别方法:用潜在高斯混合模型识别交易机会
|
人工智能 NoSQL atlas
使用MongoDB 构建AI:轻松应对从预测式AI到生成式AI
无论企业目前处于AI发展的哪个阶段,MongoDB均可提供支持
1933 2
|
机器学习/深度学习 数据采集 人工智能
智能化运维:AI在故障预测中的应用
【5月更文挑战第31天】本文探讨了人工智能(AI)技术在运维领域的应用,特别是如何通过机器学习和数据分析实现故障预测。文章首先介绍了智能化运维的概念,然后详细阐述了AI技术在故障预测中的具体应用,最后讨论了实施AI故障预测的挑战和未来发展趋势。
|
弹性计算 编解码 Cloud Native
IP报文在阿里云上的神奇之旅系列一:同地域内云上通信
一个IP报文如何跨越万水千山达到目的地?本文将以阿里云为例,带领大家一起探索同地域内云上通信的全过程,完整展现云上同地域内各种场景的IP报文之旅,深入理解云网络技术、产品和通信。
1409 2
IP报文在阿里云上的神奇之旅系列一:同地域内云上通信
|
10月前
|
编解码 监控 安全
远程软件怎么选?ToDesk、向日葵、Parsecd、TeamViewer评测结果公布
在全球化和数字化转型加速的背景下,选择一款高效稳定的远程控制软件成为许多个人用户和企业的核心需求。本文将对比四款热门远程控制软件——向日葵、ToDesk、Parsecd和TeamViewer,从连接速度、功能丰富度、安全性和易用性等多个维度进行评测。
1736 6
|
7月前
|
人工智能 JavaScript Java
从零开始教你打造一个MCP客户端
Anthropic开源了一套MCP协议,它为连接AI系统与数据源提供了一个通用的、开放的标准,用单一协议取代了碎片化的集成方式。本文教你从零打造一个MCP客户端。
5802 5
|
11月前
|
数据采集 人工智能 API
Qwen2.5-Coder深夜开源炸场,Prompt编程的时代来了!
通义千问团队开源「强大」、「多样」、「实用」的 Qwen2.5-Coder 全系列,致力于持续推动 Open Code LLMs 的发展。
|
12月前
|
机器学习/深度学习 算法 数据可视化
如果你的PyTorch优化器效果欠佳,试试这4种深度学习中的高级优化技术吧
在深度学习领域,优化器的选择对模型性能至关重要。尽管PyTorch中的标准优化器如SGD、Adam和AdamW被广泛应用,但在某些复杂优化问题中,这些方法未必是最优选择。本文介绍了四种高级优化技术:序列最小二乘规划(SLSQP)、粒子群优化(PSO)、协方差矩阵自适应进化策略(CMA-ES)和模拟退火(SA)。这些方法具备无梯度优化、仅需前向传播及全局优化能力等优点,尤其适合非可微操作和参数数量较少的情况。通过实验对比发现,对于特定问题,非传统优化方法可能比标准梯度下降算法表现更好。文章详细描述了这些优化技术的实现过程及结果分析,并提出了未来的研究方向。
320 1
|
机器学习/深度学习 自然语言处理 算法
深度学习之能源消耗预测
基于深度学习的能源消耗预测(Energy Consumption Prediction Based on Deep Learning)通过对历史能源数据的分析和建模,利用深度学习算法来预测未来的能源需求和消耗。
369 4