Bubbles, in the financial markets, show similar characteristics in the way they evolve and grow. This specific movement can be captured by Log-periodic-power-law model. In addition, since the time of a crash is one of the parameters in LPPL, we can predict the most probable time of a crash. For this, this paper reviews the issues related to the original LPPL, as well as compare calibration methods of fitting LPPL. With this, we will predict real financial crashes of bubble happened in Korea, and by comparing this with a Logistic regression model, we show LPPL is superior to any other models in find financial crashes.
금융 시장에서 버블은 생성 되고 커져 나가는 과정에서 비슷한 특징들을 보인다. 이러한 움직임은 Log-periodic-power-law라는 모형에 의해 포착 될 수 있다. 뿐만 아니라, 버블이 붕괴되는 시점은 LPPL모형의 모수 중 하나로, LPPL을 이용 하여 붕괴 시점까지 예측 할 수 있다. 이에 대해, 본 연구는 LPPL 모형에 대해 근래 제기 되었던 관련 문제들을 검토하였고, 7차원의 목적 함수를 가진 LPPL 모형을 4차원과 3차원으로 축소 하여 최적화 방법론을 비교 하였다. 그리고 로지스틱 회귀 모형을 비교군으로 하여, 한국 주식 시장 버블 예측을 진행 한 결과, LPPL이 종합적으로 우수한 성능을 가짐을 보였다.
