摘 要：本文以价格暴 后 生崩 作 泡沫的定义， 了 A 股市 泡沫的行业特征及其收益预测能力。首先，本文识别了 A 股市 的价格暴 及泡沫情况，评估机构,地价评估,股权评估通过 整价格暴 的识别方法， 新方法下全部泡沫样本的平均价格上涨期仅为 21 个月。其次， 比并总 了价格暴 期间泡沫行业的有关特征， 泡沫行业具有更高的 去收益、波 率、换手率以及成交量，行业价格暴 期的极端特征更能 反映行业的泡沫情况。最后， 了上述特征的收益率 能力，并 一步引入博彩偏好来解 A 股市 泡沫。整体资产评估公司,无形资产评估,资产评估公司实证结果表明：行业的 去 2 年收益、最大波 率和最大换手率 行业未来收益具有较强预测能力；市盈率、市净率作 A 股市 泡沫指标并不 健；投资者博彩偏好是 A 股市 泡沫形成的重要解 原因，博彩程度越高的行业拥有越低的未来收益率。
关 ：股市泡沫；价格暴 ；博彩偏好
中 分 号：F832.5 文献 ：A 文章 号：1007-4392（2022）05-0044-09
一、引言
伴随着价格暴 的 狂和价格暴跌的幻 ， 价格泡沫一直吸引着社会各界的广泛关注。 价格泡沫不 在投 者 造成了 富再分配，其本身更是未来金融危机是否 生的重要 指 （Greenwood 等，
2020）[1]。 股票市 作 金融 的重要 成
部分，其价格的暴 暴跌同 也会 体
生影响（刘 和范小云，2001）[2]。 多
学者从理 角度 泡沫的 生 程
行解 （Minsky，1974；Shiller，2000）[3，4]。 典
的研究中，部分学者 从不 背市 有效性的理性泡沫和投 者异 信念角度，构建理论模型解释泡沫 （Blanchard 和 Watson，1982）[5]。 然而，理性泡沫模型并不能 解
泡沫期 投 者的 度 和价格 化幅
度之大（Giglio 等，2016）[6]。 于此，近年来大
部分学者开始 从 度自信、价格外推以
及 断效 等投 者行 角度搭建模型解
泡沫（Scheinkman 和 Xiong，2003；Barberis
基金 目：本文受国家自然科学基金面上 目“基于大数据的中国金融系 性 度及其演化 律研究”
的支持（ 目 号：71873070）。
-44-
哪些价格暴 更容易崩 ？
等，2018；Bordalo 等，2020）[7，8，9]。
泡沫的 方面，大量文献通 收益模型、剩余价 估 模型、股价和宏 量的 整关系等方式确定 的真 价 衡量，并据此 一步研究泡沫的影响因素（ 国 等，2009；徐浩峰和朱松，2012；石广平等，2018）[10，11，12]。 其他方法方面，部分学者以市盈率、市 率等指 作 泡沫程度的判断 准，研究了机构投 者在股市中的泡沫 乘行 （Greenwood 和 Nagel，2009；刘京 等，2018； 蓉和 欣 ，2021）[13，14，15]。 此
外， 有的学者以反映股票价格 情况的
LPPL 模型等数理模型 基 ， 识别 A 股市 的泡沫 点（潘娜等，2018）[16]。 在探究泡沫的相关特征 ，部分文献从理性定价模型等角度 泡沫的 因素 行了考察（ 浪南
和王升泉，2019）[17]。
上述文献中，以真 价 准确定 泡沫程度，无 其 取何种方式确定真 价格，都会存在 漏 量 （Xiong，2013）[18]。以市盈率、市 率等 一指 作 泡沫代理同 存在上述 偏差的 ，并且 指标对 A 股市 的适 性尚需 。 另外，现有文献多是从某个 一角度切入研究泡沫， 有文献直接 股市泡沫特征 行全面考察。 上述情况，Greenwood 等（2019）[19]在回 Fama 泡沫存在性的 疑 ， 以价格暴 后 生崩 作 泡沫的定 ，避免了以真 价格确定泡沫 存在的偏差。 同 ，该方法 我 有机会考察不同 在价格暴 期存在的区 ， 而更全面的分析泡沫特征并做出 。 Sun 和 Tsang（2019）[20]基于同 的方法 了美国房地 市 的泡沫特征。
二、价格暴 和泡沫的
本文以行 收益作 研究 象，行 分 参考 会分 准，剔除了 本期内包含企 数量不足 10 家的行 ， 最 得到 63 个行 。 从数据可得性出 ， 取 2002 年 1 月至 2021 年 6 月共 234 个月的 A 股市 月
度行 数据 行研究，行 数据由全部 A 股个股数据通 流通市 加 得到。 根据期限匹配原 ，本文以 1 月期国 到期收益率作 无 收益率。 本文的研究数据来源于 CSMAR 和 WIND 数据 。
泡沫的 识别 方法参考 Greenwood 等（2019）[19]的研究，首先 价格暴 期的行 ，在暴 期后 行 若 生崩 事件 定 行 存在泡沫。 于崩 事件，本文将其定 生价格暴 后，未来两年内任意 点出 收益下降 40%以上的情况。对 于价格暴 涨 期的界定 ，Greenwood 等（2019）[19]以两年累 收益和累 市 收益均超 100%且 5 年累 收益超 50%作 准。 然而 A 股市 ， 的 准是否合理呢？ 图 1 示，在 2008 年和 2015 年，沪深 300 指数 了巨大幅度的暴 和暴跌。因此，A 股市 以 市 收益作 判断 准必然忽 了 多泡沫 本。 因此，本文将 化价格暴 期的 条件， 使其符合中国 A 股市 的特征。
（一）A 股市 价格暴 期的界定
1. 无 收益 是 市 收益。 于
A 股市 泡沫 有一定的市 普遍性， 选择
行 两年累 无 收益大于 100%作 暴 期的 准，在 察到第一个价格暴 期后，两年以后才允 行 出 新的价格暴 期。 表 1 示，无 以何 准 价
-45-
金融市场
2022 年第 5 期（ 第 544 期）
6000 高的概率 生崩 。 同 ， 生价格暴
5000 后，泡沫行 两年后收益普遍 ，非泡沫
行 相 泡沫行 要 更 期的价格
4000 上 。 比两种 方法，以 无 收益
3000 作 准能 更多的价格暴 期。
2000 2.两年内最大收益或两年累 收益。 考
1000 到 A 股市 价格上 速度快周期短的特
2004 2006 2008 2010 2012 2014 2016 2018 2020 2022 性， 一步考察两年累 收益 准 A
图 1 沪深 300 指数走 股泡沫的适 性，以两年内最大 无 收
格暴 ，中国 A 股市 出 价格暴 后都有 益超 100%作 价格暴 期的判断 准，
表 1 不同收益 准下暴 期 比
无 收益标准 净市 收益标准 差异
泡沫 非泡沫 泡沫 非泡沫 泡沫 非泡沫
暴 测数 165 165 86 86 79 79
组内个数 142 23 71 15 72 7
占比（%） 86.06 13.94 82.56 17.44 91.14 8.86
暴 后一年收益
无 收益
均 （%） 38.42 13.58 10.50 30.97 2.57 -14.44
标准差 0.07 0.07 0.12 0.11 0.06 0.06
净市 收益
均 （%） 14.68 6.99 12.40 9.73 -3.76 9.18
标准差 0.05 0.11 0.09 0.16 0.03 0.03
暴 后两年收益
无 收益
均 （%） -12.34 55.35 -12.44 89.87 -30.24 -19.81
标准差 0.05 0.28 0.08 0.33 0.03 0.07
净市 收益
均 （%） 1.94 32.80 0.00 39.24 -6.09 7.30
标准差 0.03 0.31 0.04 0.47 0.02 0.03
两年内最大跌幅
均 （%） -62.63 -32.41 -63.58 -32.15 -61.36 -36.93
标准差 0.01 0.02 0.02 0.02 0.01 0.01
距最高点月数
均 5.23 6.57 3.77 9.67 3.71 2.29
标准差 0.36 1.43 0.58 1.73 0.39 0.89
注：泡沫 为识别到价格暴 后两年内发生崩 事件的行业，未发生崩 事件的行业则为非泡沫 。
-46-
同 要求两年内只能存在一个价格暴 期。
表 2 示，两年内最大 无 收益 准下多 的 本中，同 有 大比例的行 生了崩 事件， 些行 也同 有 低的两年后收益， 明 些暴 本的不可忽
表 2 不同期限 准下暴 期 比
两年内最大 差异组
收益为标准
泡沫 非泡沫 泡沫 非泡沫
暴 测数 212 212 47 47
组内个数 158 54 34 13
占比（%） 74.53 25.47 72.34 27.66
暴 后一年收益
无 收益
均 （%） 63.60 60.59 -17.90 75.06
标准差 0.10 0.10 0.08 0.24
净市 收益
均 （%） 21.08 40.56 -3.21 58.79
标准差 0.06 0.08 0.06 0.21
暴 后两年收益
无 收益
均 （%） 17.50 111.87 -3.53 104.72
标准差 0.08 0.23 0.12 0.22
净市 收益
均 （%） 11.15 77.38 0.71 81.15
标准差 0.05 0.17 0.12 0.20
距最高点月数
均 6.20 9.46 2.24 10
标准差 0.45 0.85 0.79 1.94
两年内最大跌幅
均 （%） -60.02 -31.32 -53.50 -31.73
标准差 0.01 0.01 0.02 0.02
泡沫期长度（月）
均 21.33 N/A 16.32 N/A
标准差 0.54 N/A 1.12 N/A
注：泡沫 为识别到价格暴 后两年内发生崩 事件的行业，未发生崩 事件的行业则为非泡沫 ；泡沫期长度为价格暴 期价格最低点到发生崩 前价格最高点的时间长度。
哪些价格暴 更容易崩 ？
性。
（二）不同暴 下的行 表 情况
一步考察不同暴 下行 的表
情况。 表 3 示，随着暴 的提高，价格暴 本中存在泡沫的概率也不断提高， 明已有的价格暴 程度能 泡沫存在的概率，暴 程度越高，行 存在泡沫的概率越大。 同 ，更高的暴 也意味着未来两年更低的 无 收益、更低的最大跌幅和更 的泡沫期。
表 3 不同暴 下的行 表 情况
暴 值 50% 100% 150% 200%
暴 测数 315 212 148 115
崩 个数 216 158 119 98
崩 概率（%） 68.57 74.53 80.41 85.22
暴 后一年收益
无 收益
均 （%） 47.91 62.84 61.68 50.62
标准差 0.06 0.08 0.08 0.10
净市 收益
均 （%） 21.25 26.04 30.29 31.03
标准差 0.04 0.05 0.06 0.07
暴 后两年收益
无 收益
均 （%） 48.01 41.54 22.49 13.93
标准差 0.07 0.09 0.09 0.11
净市 收益
均 （%） 20.22 28.02 26.82 26.14
标准差 0.05 0.06 0.07 0.09
泡沫 后两年内最大跌幅
均 （%） -55.66 -60.02 -62.67 -65.43
标准差 0.01 0.01 0.01 0.01
泡沫期长度（月）
均 20.83 21.33 22.33 22.97
标准差 0.50 0.54 0.57 0.59
注：泡沫 为识别到价格暴 后两年内发生崩 事件的行业，未发生崩 事件的行业则为非泡沫 。
-47-
金融市场 2022 年第 5 期（ 第 544 期）
（三）A 股市 泡沫概述
上，本文 取 去两年最大 无
收益超 100%作 价格暴涨期的识别标
准， 将首次 出 去两年最大收益大于
100%的 刻 0 刻，若 行 此后两
年内 生崩 事件，称 行 存在泡沫。 表 2
示， 以本文方法 出价格暴 期后，有
74.53%的行 存在泡沫，普遍 要 一年
的 一步增 。 同 ，存在泡沫的行 平均
要 60%以上的跌幅， 明已有 A 股市
泡沫事件的泡沫程度 大。 而 A 股市 的平
均泡沫期 度 21 个月， 反映出 A 股市
泡沫形成迅速。
图 2 以首次 出价格暴 的 0 刻作 基准收益，刻画了 0 刻前后两年内 生价格暴 行 的累 收益率。 可以看出，
于已 生价格暴 的所有行 ，存在泡沫的行 和非泡沫行 有着截然不同的价格走 。 非泡沫行 多是从高点回落后的暴涨，并且价格增 将一直持 。 而泡沫行 多是从低点上 ，在 0 刻 上 一年左右出 崩 。 在此期 ，市 收益的走 与泡沫行 十分近似， 再次 明 A 股市 以
市 收益 价格暴 将忽 大量的泡沫 本。
图 3 刻画了不同 期下 A 股市 泡沫行 的平均累 收益率， 可以看出，2002-
2
1.5
1
0.5
0-24 -18 -12 -6 0 6 12 18 24
平均 泡沫
非泡沫 市 收益
图 2 生价格暴 的平均行 累 收益率
2009 年 生的泡沫 了 期的价格
增 ， 在 点后一年左右才出 崩
象。 而 2009-2013 年 的行 泡沫多是从高
点下跌后回 形成的，其 0 点后 平 的收
益曲 表明 期泡沫特征异 性 ，各
个泡沫崩 点不一致。 2013 年以后形成
的泡沫具有形成周期短的特点，其从最低点
上升至最高点的 甚至不到一年，0 点以
后 平的收益曲 同 意味着 期泡沫
的异 性。
2
1.5
1
0.5
0
-24 -18 -12 -6 0 6 12 18 24
2013-2021
图 3 不同 期泡沫行 的平均累 收益率
三、价格暴 期的泡沫特征与收益
（一）指 明
行 价格暴 期可以更好地分析泡沫行 的特征， 参考已有相关泡沫研究， 取了三种特征指 。 一是波 和交易数量 指 ， 取波 率、 手率和成交量 行描述。 参考 Nonejad（2017）[25]， 用真 波 率作 波 率的衡量指 。 将个股 手率按月份排名后， 出排名占比指 ，再将 指 按流通市 加 得到行 手率指 。 行 成交量由月度个股成交量的排名占比指 以流通市 加 得到。 二是行 成熟度指标，引入上市年限指 行描述。 算个股当月上市年限的排名占比指 后，以流通市 加 得到行 年限。 三是价格比例指 ， 取市盈率和市 率作 行 特征 行描述。 将月度个股市盈率加 得到行 市盈率。 将月度个股市 率加 得到行 市
-48-
哪些价格暴 更容易崩 ？
率。
（二）收益
下一步， 行 特征 未来收益率的
能力。Liu 等（2021）[26]通 比 卷和个人交易数据 ， 卷 博彩偏好能 解 投 者 彩票股的 ，投 者 度交易 机主要来源于投 者博彩偏好和 度自信。 于此，本文引入博彩偏好 指 一步解 行 未来收益率。
1.博彩偏好与泡沫。 博彩偏好，即投 者会更加重 低概率高收益 ，从而 度投 彩票性股票，使得 未来 有 低收益的情况（Barberis 和 Huang，2008）[21]。本文从博彩偏好角度探 泡沫的相关特点并解 未来收益率。 相 于一般行 ，博彩程度 高的行 能 吸引具有博彩偏好的
股市 投 者， 投 者 度追求相关行 股票推高其价格。 而在 期，泡沫 会破裂， 意味着 行 有 低的未来收益率。 上，本文提出如下假 ：
假 1： 泡沫行 有更高的博彩程度特征， 博彩程度越高的行 未来收益率越低。
考 到 A 股市 存在 跌停限制，参考 Liu 等（2021）[20]提出的区 内 停方法， 取反映 A 股市 行 博彩程度的指 ：一是累 停， 首先 算个股的期 累 停，再用流通市 加 成行 指 。 二是最大 停，以个股数据 流通市 加 得到行 指 。 考察泡沫行 的博彩程度情况，表 4 出了价格暴 期泡沫行 和非泡沫行 博彩程度特征的 比。 无 是反映区 整体特征的累 停指 是反映区 极端情况的最大 停指 ，泡沫行 的博彩特征均
表 4 行 博彩程度 比
泡沫 非泡沫 泡沫减非泡沫
博彩特征
均 标准差 均 标准差 差值 t 值
累计 停 4.364 0.27 2.551 0.20 1.813 3.77
最大 停 1.185 0.06 0.870 0.09 0.314 2.70
注：泡沫 为识别到价格暴 后两年内发生崩 事件的行业，未发生崩 事件的行业则为非泡沫 。
要 著高于非泡沫行 ， 果印 了假
前半段泡沫行 有更高博彩程度的 论。
2.各行 特征 未来收益的 。 引入博彩程度特征后， 一步 指 和其他特征 行 未来收益率的 能力。 以 0 时刻到两年后的累 无 收益和 0 刻后两年内最大跌幅作 被解 量。 由于泡沫行 有更低的两年后收益和更大的后两年最大跌幅，而两年内最大跌幅又是判断泡沫的必要条件。 因此，以 两个指 作 被解 量 各行 特征 泡沫的 能力。 具体的回 方程如下：
Rit→t+24=α+β*Chari+εi （1）
Rmin=α+β*Chari+εi （2）
其中，Rit→t+24 代表出 价格暴 行 的
未来两年 无 收益，Rmin 代表出 价格暴 行 未来两年内的最大跌幅，Chari 代表出 价格暴 行 的各个特征。
表 5 示，行 去两年的 无 收益 泡沫存在和行 的未来收益率有 著 能力。 明了在本文的价格暴 方法下，行 去的价格走 是判断泡沫存在与否的重要特征。 波 率和 手率指 然能 解 行 未来两年收益，但 行 未来两年最大跌幅的 能力并不 著，
两者作 泡沫和收益 的指 不 健。 再来看最大波 率和最大 手率指 ，
-49-
金融市场
2022 年第 5 期（ 第 544 期）
表 5 行 特征 未来收益率的 能力
未来两年 无 收益 未来两年内最大跌幅
特征 系数 t 值 R2 系数 t 值 R2
过去 2 年 无 收益 -0.309*** （-2.79） 0.036 -0.060*** （-4.16） 0.076
波 率 1.700*** （3.08） 0.043 -0.133 （-1.51） 0.011
最大波 率 -1.773** （-2.47） 0.028 -0.223** （-2.33） 0.025
换手率 1.964*** （3.95） 0.069 -0.098 （-1.43） 0.010
最大换手率 0.377 （0.63） 0.002 -0.403*** （-5.41） 0.122
成交量 -0.557 （-1.03） 0.005 -0.053 （-0.73） 0.003
最大成交量 -1.609** （-2.49） 0.029 -0.235*** （-2.73） 0.034
上市年限 0.466 （0.80） 0.003 -0.267*** （-3.54） 0.057
市盈率 -0.000 （-1.63） 0.009 0.000 （0.16） 0.000
最大市盈率 -0.000 （-0.08） 0.004 0.000 （0.16） 0.000
市净率 -0.016 （-1.54） 0.011 -0.000 （-0.25） 0.000
最大市净率 -0.018** （-2.01） 0.019 -0.001 （-0.67） 0.002
累计 停 -0.110*** （-4.13） 0.075 -0.008** （-2.26） 0.024
最大 停 -0.293** （-2.55） 0.030 -0.034** （-2.21） 0.023
联合检验 F 值 — （3.44） 0.197 — （4.76） 0.253
注：*、**、*** 分别表示 10%、5%、1%水平下 著。
最大波 率 未来收益和未来跌幅均有 著 能力，暴 期 出 的行 极端波 越大，其未来收益越低。 而最大 手率 能 行 的未来最大跌幅，作 泡沫 特征并不 健。 成交量指 中，0 刻成交量 收益的 均不 健；而最大成交量指 能有效 行 泡沫情况，价格暴 期极端月成交量越大，行 未来收益越低。 上市年限 能 行 未来最大跌幅，与特征 比的 果一致，A 股市 中越旧的行 反而越容易崩 。 察市盈率指 ，无 市盈率 是最大市盈率均不能解 未来收益情况， 反映出市盈率并不适合作 A 股市 价格泡沫程度的代理 量。 同理，市 率指
在未来 收益的 方面 著，以 指 作 A 股市 泡沫程度的代理尚存在着一定的争 。 同 ，累 停和最大 停指 均能有效 未来 无 收益和未来最大跌幅； 有更高博彩程度特征的行 其未来收益和未来最大跌幅都将更低。
四、 健性
（一）被解 量 健性
首先 被解 量的 健性情况，参
考 Greenwood 等（2019）[19]， 果 示，最大 停指 在原始收益中保持 健，而 于 市 收益回 不再 著。 明价格暴 期 极端月份的博彩程度只能体 行 泡沫 情况，并不能体 行 相 其他
-50-
哪些价格暴 更容易崩 ？
行 的泡沫程度， 也与 A 股市 存在整体性泡沫的特点相吻合。 而反映价格暴 期 体博彩程度的累 停指 ， 泡沫和相 泡沫均有 好解 。
（二）博彩程度指 健性
博彩程度指 的 健性 ， 参考 Bali 等（2011）[22] 的研究，以前期的最大日收益率作 博彩程度特征的考察指 。 算方法上， 首先 算个股当月最大日收益率，经 流通市 加 后得到行 当月最大日收益，之后 一步 价格暴 期 行 月度指 的最大 ，作 本部分博彩程度 健性 指 。 果 示，博彩特征指 行 未来收益和最大跌幅均具有 著的 能力。
（三）不同价格暴 下的 健性
不同暴 下 的 健性。 鉴
于 50%的上 幅度 低不一定能 反映泡沫期的特征， 取 150%和 200%作 价格暴 的 考察 健性。 果中，行 去两年的 无 收益不再 著。 究其原因，提升价格暴 的 后， 去两年的收益将更多反映价格上 程，其不再能反映行 暴 是否是高点下落后的反 ，也就 失了 未来收益的解 能力。 最大波 率指 得不 著， 明随着 幅的增加，不同行 的最大月度波 均有 高水平，因此 指 不再能体 行 的泡沫情况。 最后，反映行 博彩程度的两个指 在提高暴 后均保持 著， 一步印 了本文主要 的 健性。
五、 与政策建
本文参考 Greenwood 等（2019）[19]的研究，以价格暴 后 生崩 事件作 泡沫
方法， 了 A 股市 泡沫的行 特征及其 能力。 首先，本文 了 A 股市 的价格暴 与泡沫情况。 适 A 股市 的泡沫特征，本文以两年内最大 无 收益超 100%作 行 生价格暴 的 准，以价格暴 后未来两年内任意 出 收益下降 40%以上作 崩 事件的定 。 本文的方法 了更多的符合 A 股特征的短期泡沫 本，全部泡沫 本的平均价格上 期 21 个月。 其次， 出泡沫 本后，本文 了 A 股市 泡沫行 在价格暴 期的特征。 果 ，泡沫行 具有更高的 去收益、波 率、 手率以及成交量等特征， 而相 于被 出价格暴 的月份特征，行 价格暴 期的极端特征更能 反映行 的泡沫情况。 最后， 察到上述行 特征后，本文 一步引入博彩偏好来解 A 股市 泡沫，并 了所有特征 行 未来收益率的 能力。 果表明：行 的
去 2 年收益、最大波 率和最大 手率 行 未来收益具有 能力； 市盈率、市 率作 A 股市 泡沫指 并不 健； 果 明了投 者博彩偏好是 A 股市 泡沫形成的重要解 原因，博彩程度越高的行 有越低的未来收益率。
本文的研究 政策的制定具有一定的借 意 。 首先， 于价格暴 幅度越大的行 存在泡沫的可能越大， 管机构 当 价格暴 本身加大重 。 在 价格暴涨时，采用本文方法能 有效捕捉 A 股市 的泡沫特征， 警未来的泡沫提供了更合适的手段。 其次， 管机构在 警 充分考 市 极端月度波 率、极端月度成交量等信息，确保能更精准的 未来泡沫并
-51-
金融市场 2022 年第 5 期（ 第 544 期）
提前做好相 的防范措施。 最后， 于投 [12]石广平，刘 星，姚登宝，等. 度自信、市
者的博彩偏好行 是泡沫的解 原因之一， 流 性与投机泡沫[J].管理工程学 ，2018，32（3）：
管部 极推 投 知 的普及，加 10.
期价 投 理念的宣 ，以减少投 [13]Greenwood，R.，Nagel，S.Inexperienced in－
者 博彩 股票的 度追逐。 vestors and bubbles[J].Journal of Financial Economics，
2009（93）：239-258.
[14]刘京 ，刘彦初，熊和平.基金 争与泡沫
参考文献： 配置的模仿行 研究[J].管理科学学 ，2018，21
[1]Greenwood R，Hanson S G，Shleifer A，et al. （02）：114-126.
Predictable financial crises[R].National Bureau of E－ [15] 蓉， 欣 .机构投 者概念股偏好与股
conomic Research，2020. 市泡沫 乘[J].中国工 ，2021（03）：174-192.
[2]刘 ，范小云.股票价格膨 与中央 行政 [16]潘娜，王子 ，周勇. 价格泡沫何 生
策反 [J].南开 研究，2001（06）：65-69. 崩 ?—基于 LPPL 模型的在中国金融市 上的有
[3]Minsky Ph D H P.The Modeling of Fi nancial 效性 [J].中国管理科学，2018，26（12）：9.
Instability：An Introduction[J].1974. [17] 浪南，王升泉.股 泡沫 因素的
[4]Shiller，Robert，Irrational Exuberance[M].Prince－ 研究：基于 20 个国家的 据[J].管理科学学 ，
ton University Press，2000. 2019，22（1）：16.
[5]Blanchard O J，Watson M W.Bubbles，rational [18]Xiong W.Bubbles，crises，and heterogeneous
expectations and financial markets [J].NBER working beliefs [ R ] . National Bureau of Economic Research ，
paper，1982. 2013.
[6]Giglio，S.，Maggiori，M.，Stroebel，J.No -bubble [19]Greenwood R，Shleifer A，You Y.Bubbles for
condition：model -free tests in housing markets [J].E－ fama[J].Journal of Financial Economics，2019，131（1）：
conometrica.2016（84）：1047-1091. 20-43.
[7]Scheinkman J A，Xiong W.Overconfidence and [20]Liu H，Peng C，Xiong WA，Xiong W.Taming
speculative bubbles [J].Journal of political Economy， the bias zoo.[J].Journal of Financial Economics，2021.
2003，111（6）：1183-1220. [21]Barberis N，Huang M.Stocks as lotter ies：The
[8]Barberis N，Greenwood R，Jin L，et al.Extrapo － implications of probability weighting for security prices
lation and Bubbles [J].Journal of Financial Economics， [J].American Economic Review，2008，98（5）：2066-2100.
2018，129（2）：203-227. [22]Bali，Turan，Nusret Cakici，Robert Whitelaw.
[9]Bordalo P，Gennaioli N，Kwon S Y，et al.Diag － Maxing out：Stocks as lotteries and the cross-section of
nostic bubbles[J].Journal of Financial Economics，2021， expected returns [J].Journal of Financial Economics，
141（3）：1060-1077. 2011（99）：427-446.
[10] 国 ， ，王景.再售期 、通 幻
与中国股市泡沫的影响因素分析[J]. 研究， 责编：王博 校 ：耿佳佳
2009，44（05）：106-117.
[11]徐浩峰，朱松.机构投 者与股市泡沫的形
成[J].中国管理科学，2012，20（04）：18-26.
-52-
|