作者：老余捞鱼
原创不易，转载请标明出处及原作者。
文中示例仅用于技术讨论，不构成任何操作建议。
量化策略开发应以学习和技术交流为目的。
本号不荐股、不卖课、不承诺收益。
市场有风险，请合法合规投资。
本文约 7000 字 | 阅读预计需12-18分钟，建议先收藏
· · ·
先看时间线
昨天，2026年7月13日周一，当你在下午收盘打开交易软件看了一眼持仓，如果你手里有半导体存储芯片相关、不管是哪个市场的，估计心里都不太好过。
图1：7月13日，量化信号从韩国传到日本、传到A股、传到港股，半天席卷亚太存储芯片产业链
韩国KOSPI收盘跌8.97%，报6806.93点，本月累跌近20%。盘中触发SIDECAR机制暂停程序化抛盘，年内第七次熔断。SK海力士收盘重挫15.4%，创纪录最大跌幅，较历史高点回落近40%，总市值跌破9000亿美元。三星电子跌近11%。
讽刺的是，三天前的7月10日，SK海力士刚在纳斯达克完成首秀，募资265亿美元，首日涨12.76%。CEO郭鲁正在上市当天说，2027年将是存储行业历史上供应最紧张的一年，即使到2030年以后客户需求仍可能高于供应能力。三天后股价创纪录大跌。
不只是韩国，A股存储芯片板块同日集体崩盘。沪指跌2.06%，深成指跌3.48%，创业板指跌3.1%，全天成交2.82万亿。兆易创新跌停，成交超340亿，位居A股成交额第一。香农芯创、德明利、诚邦股份跌停。普冉股份、北京君正、佰维存储跌超12%，江波龙、兆易创新跌超10%。科创半导体材料设备指数跌3.72%，科创半导体ETF跌6.04%。
港股那边，南方两倍做多海力士（07709）重挫超30%。日本日经225同日跌1315点，跌幅1.92%，报67242点。
一个量化信号从韩国传到日本、传到A股、传到港股，半天之内席卷整个亚太存储芯片产业链。这不是孤立事件，是regime change的传导链。
但这个信号不是今天才出现的。
回到6月23日。韩国KOSPI盘中熔断，暂停交易20分钟。三星和SK海力士，全球最大的两家内存芯片公司，一个上午跌掉12%。当天下午，纳斯达克跌2.2%。美光科技（Micron）两年涨了将近800%，这一天单日跌13%。费城半导体指数遭遇年内最惨烈的单日下跌之一。
市场短暂企稳。然后又来了。KOSPI一周内第二次熔断。到6月26日，纳斯达克从近期高点回落5%。深度绑定AI基础设施的Oracle，五天跌19%，互联网泡沫以来最差的一周。应用材料（Applied Materials）和Marvell各跌10%。Teradyne跌13.6%。KLA跌11.5%。
然后是7月2日。就在纳斯达克还在流血的时候，道琼斯工业平均指数收盘52,900点，历史新高，当天涨594点。金融板块涨2.2%。通信服务涨2.4%。工业涨1.4%。之前被AI行情甩在身后的传统板块，全面翻红。
Sandisk内存ETF（代码DRAM），4月初刚上市，到6月底差点翻了三倍，然后一周跌掉15%。
韩国券商KIS在7月13日发布研报，预计SK海力士二季度营业利润60.4万亿韩元，比市场一致预期的65万亿低8%。利润率环比下滑的原因是HBM发货占比偏高，平均售价低于市场平均水平。导火索是盈利预期落空，但燃料是两年积累的估值泡沫。
韩国央行同一天发报告驳斥了芯片周期见顶的担忧，说全球半导体仍供不应求，AI驱动的超级周期还会持续。市场显然不听。
你看到的是什么：是倒车接人？是随机噪音？还是崩盘？
而做量化的人看到的是信号。一个有名字、有公式、有30年历史记录的信号。
一、LPPL模型：量化圈识别泡沫的数学工具
LPPL，全称Log-Periodic Power Law（对数周期幂律模型），由物理学家Didier Sornette在1990年代末提出。核心观察很简单：泡沫破裂前，资产价格不是匀速上涨，而是加速上涨，比指数增长还快，同时伴随着频率越来越高的振荡。
公式长这样：
ln p(t) = A + B(tc - t)^m + C(tc - t)^m × cos[ω ln(tc - t) + φ]别被公式吓到，拆开看：
• p(t) 是时刻 t 的价格；
• A 是基线价格水平；
• B 捕捉超指数增长率，经典泡沫中 B 必须为负（价格在接近 tc 时会下跌）；
• C 是对数周期振荡的振幅；
• m 是临界指数，有效泡沫信号要求 0.1 到 0.9 之间，越小加速越猛；
• ω 是振荡角频率，经验验证的泡沫通常在 6 到 13 之间；
• tc 是临界时间，模型预估的泡沫终结点，不一定是崩盘，但一定是 regime change（制度转换）；
振荡背后的直觉是行为学。泡沫膨胀时，市场由模仿行为主导，投资者不再独立定价而是互相模仿。LPPL信号中的振荡代表乐观与怀疑之间的反复拉锯，价格越离谱，拉锯越剧烈。振荡频率越来越快，像一个钟摆在接近临界点时越摆越快。
2025年Cao等人在arXiv发表的论文提出了HLPPL（Hyped LPPL），在纯价格信号上加了两个行为输入：来自金融新闻的情绪得分（Sentiment Score）和衡量媒体关注度的热度指数（Hype Index）。回测2018到2024年美股，HLPPL年化收益34.13%，夏普比率1.19，胜率72.30%，跑赢了持有策略和纯LPPL策略。
行为输入为什么重要？纯价格LPPL能识别英伟达、美光、Sandisk的超指数增长，但分不清这种增长到底是基本面驱动还是情绪驱动。HLPPL补上了这个区分能力：基本面驱动的超指数增长可能平稳过渡到新价格区间，不一定会崩；情绪驱动的，才容易出现6月底那种急跌。
2026年6月1日，arXiv上发表了论文《Boom, Bubble, or Buildout? A Multi-Method Evaluation of Whether Artificial Intelligence Is in an Ongoing Financial Bubble》，把LPPL框架直接应用到AI基础设施股票。核心发现：信号不均匀。最大、最赚钱的AI基础设施公司（具体说就是有真实收入和利润扩张的超大规模云厂商），在控制基本面增长后，泡沫信号较弱。而较小的、尚未盈利的半导体供应链公司，内存厂商、测试设备、光刻设备商，泡沫信号强烈。
论文的关键诊断结论是：2026年的AI市场不是统一的泡沫，也不是统一的机会。这是一个分裂的市场，泡沫信号集中在那些靠情绪放大AI主题但没有对应盈利基础的公司上。
这几乎就是6月最后两周跌幅最大的那批股票。
图2：LPPL模型的超指数增长曲线与对数周期振荡
二、资本支出的循环依赖
在聊LPPL之前，先得把资本支出这笔账算清楚，这是眼下行为信号放得最大的那个基本面风险。
五大云巨头（Google、Microsoft、Amazon、Meta、Oracle）2024年一共砸了2410亿美元，2026年预计要超过5000亿，两年翻一倍多。整个AI生态从2026到2029年的相关支出，估摸着要超过1.6万亿。Morgan Stanley算的全球数据中心支出，2025到2028年总共3万亿，其中大约一半：1.5万亿是靠私募信贷融资的。我之前总觉得这两个风险池是分开的，现在看来是一根绳上的蚂蚱。
来算算ROIC。假设2026年花5000亿建基础设施，按5年折旧，每年摊1000亿。要拿到15%的资本回报率（大部分科技公司内部定的门槛），这批设施一年得带来1750亿美元的新增收入。全球云计算市场现在一年也就7000亿左右，AI服务只占了很小一块。要填上这个回报缺口，AI收入增速得远远快过capex增速，而且后面每年还在追加投入。
问题就出在这：arXiv上那篇论文讲得很清楚，hyperscaler的AI支出，很大一部分是靠其他公司（模型公司、传统企业）的需求撑起来的，而那些公司的收入增长，又得指望整个生态继续砸钱。OpenAI承诺8年花1.4万亿建数据中心，主要靠借债，它现在年收入大概130亿，开支是收入的100多倍，这数字在企业史上从来没出现过。更绕的是，出钱的金主里有一部分就是hyperscaler自己，而他们同时还在建互相竞争的设施。这不是打比方，这是当前AI投资格局里白纸黑字写着的特征。
再看借钱的速度。Dealogic的数据，Alphabet、亚马逊、Meta、甲骨文、英伟达、SpaceX这六家，今年在全球债券市场发了大概2440亿美元的债，去年是1080亿，2024年才170亿。两年翻了14倍。这种借钱建AI基础设施的规模和速度，企业史上同样找不着先例。
高盛的经济学家说，AI每年把美国核心PCE通胀推高大概20个基点，到今年年底估计要翻倍到50个基点。长期看AI确实能压通胀，但作用可能比不上90年代互联网那会儿。短期倒是实打实的，基建投资把半导体这些关键零部件的价格顶上去了，供应又跟不上。
图3：AI资本支出的循环依赖闭环
NBER（美国国家经济研究局）2026年2月发表的工作论文（WP 34836）发现一个行业不太爱提的事：90%的企业说AI对办公或生产没什么可量化的影响，但同一批高管却预测AI能提效1.4%、增产0.8%。
预期和现实之间有个大缺口。支撑这么猛capex（资本性支出）的乐观估计，到现在还没被数据验证过。可市场已经把这种预期提前算进股价里了，那些最依赖capex的股票涨得凶，但这种超指数增长背后，藏着光看价格动量看不出来的结构性脆弱。
三、分流信号：道指新高 vs 纳指下跌
说白了，现在最值得琢磨的不是AI行不行，而是市场结构本身。
7月2日，道琼斯创了新高，纳斯达克却在跌。金融涨2.2%，工业涨1.4%，苹果、Visa、沃尔玛涨了3到5个点；半导体指数却连着两天往下走。不是崩盘，是钱在换地方。
用大白话讲，就是之前AI一家独大，现在开始往别的板块散了。2026上半年AI股把大部分涨幅吃掉了，标普500涨了14.9%，但几乎全靠科技撑场，科技半年涨了80%多，其他板块基本没动。
这种高度集中到了什么程度？英伟达市值破5万亿的时候，占标普500的7.3%，前十大公司加起来超过40%，比1999年互联网泡沫顶峰的27%还高。所以道指涨、纳指跌，恰恰说明这种集中度在松动。钱没跑出股市，只是从那几家巨无霸流出来，去了金融、医疗、工业、公用事业这些前期没涨的板块。经典的价值轮动。
现在的问题是：这只是AI歇口气，还是长期变天？LPPL这套框架不看基本面多好，只看价格走成什么样。历史上铁路和互联网都是真改变世界了，但股票照样先崩了80%多，后面才兑现价值。LPPL回测都能抓到那种加速上涨、振荡加剧的信号。眼下这个形态，是不是又走到那个临界点上了，值得盯着。
四、诊断：哪些是泡沫，哪些是基建？
6月那篇arXiv论文做了个挺有意思的分组：把半导体和AI基础设施公司分成两类，看股价涨了多少是靠实打实的业绩撑着的，多少是靠情绪炒上去的。
第一组叫”基本面支撑组“，主要是hyperscaler自己和台积电。台积电2026年预期市盈率16倍，收入增长预期30%，不论怎么比都比其他AI供应链公司估值克制得多。论文发现，把已实现的收入增长和利润率控制住之后，台积电的LPPL泡沫信号明显比周围的半导体公司弱。
第二组，LPPL信号最强的是内存那帮人：美光、三星、SK海力士，还有测试设备厂商Teradyne、KLA、Marvell、应用材料。这帮公司赚的是AI建设周期的钱，而不是靠AI收入来证明自己值这个价。它们的收入全靠hyperscaler持续砸钱。到2025年底2026年初，它们的估值已经把capex继续加速这件事算进去了，但现在这个预期开始被质疑，质疑的人里有一部分就是hyperscaler自己。
图4：市场分流——基本面支撑组 vs 情绪放大组
Meta 7月初说可能要把多余算力拿出去卖，这事挺值得琢磨。一家砸了几百亿建AI基础设施的公司开始琢磨怎么把用不完的算力变现，只能说明内部利用率没达到当初砸钱时的预期。这是一个主要玩家在暗示自己的capex假设可能太乐观了，同时也抽掉了供应链公司估值底下的那块垫脚石。
落实到组合操作上，结论挺清楚。估计误差越大，Kelly分数就该越小，而不是反过来。LPPL的置信指标在一篮子半导体供应链股票上响了，但在hyperscaler和台积电那边没响。Kelly公式在这种信号活跃的股票上，应该给比基本面更干净的公司更低的仓位。因为信号告诉你这个资产正处在情绪驱动的泡沫状态里，临界时间还不确定，种环境下你的估计误差天然就大。
五、我的判断
模型数据告诉我几件事，逐条说。
① AI基建没结束，基本面是真的。
每个主要hyperscaler的财报都写着他们还在砸钱，这个趋势大概率持续多年。光凭两周半导体抛售就说AI投资到头了，基本面不支持。
② 但有一层估值是虚的。
内存厂商、测试设备公司这类供应链股票，涨得最凶的那部分，已经把”capex永远加速增长”的预期算进价格里了。LPPL模型在这些股票上看到了泡沫晚期振荡的数学指纹，超指数上涨、振荡加快、集中度飙升。KOSPI两次熔断，SK海力士从高点回落近40%，A股存储芯片集体跌停，传导速度本身就说明了这块绷得有多紧。
③ 轮动正在发生，是市场的自我修复，不是自相矛盾。
道指创新高、纳指下跌，钱没离开股市，只是从七家巨无霸流到了金融、医疗、工业、消费这些前期没涨的板块。但轮动本身恰恰是泡沫晚期阶段的典型特征：不是系统变强了，是接近临界点时钟摆频率加快了。
④ 我的预期不是崩盘，是持续分化。
内存和半导体设备组合的调整还没完。hyperscaler和台积电相对扛得住，因为基本面更干净。宽市场继续向估值温和的板块轮动。LPPL给出的不是一个崩盘日期，而是一个临界区域：2026年6月底到7月初信号集中触发，说明regime已经进入历史泡沫终点的振荡水平，后续收益的不对称性已经不利于那些LPPL置信得分最高的持仓。
⑤ Kelly公式的结论很清楚：不确定性越大，仓位越小。
LPPL信号越强的股票，边际估计误差越大，按比例降低敞口，收紧仓位，等振荡频率降下来再说。
⑥ 有个背离值得盯着。
SK海力士CEO刚说完”2027年存储供应最紧张”，三天后股价跌了15%。叙事热度还在高位，价格已经反转。这正是HLPPL模型要抓的东西。
⑦ 最后，NBER那组数据是真正的底线。
90%企业说AI还没可测量的影响，同一批高管却预估提升1.4%生产力。如果预估对了，capex还能续；如果预估错了，或者只是慢于市场定价的速度，LPPL识别的那层结构性脆弱就会从数学概率变成实际波动。
⑧ 技术重要，和投资该技术能赚钱，是两码事。
不是说AI不重要，蒸汽机改变了旧时代，互联网改变了新世界，但投资铁路股和互联网股的人照样亏过85%和78%。技术改变世界和投资该技术的人赚到钱，是两件事，它们相关也不相关。
参考文献如下：
arXiv 论文：arXiv 2606.01575（2026年6月1日发表）
HLPPL 论文：arXiv 2510.10878（2025年10月发表）
NBER 工作论文：WP 34836（2026年2月发表）
#LPPL模型 #AI半导体 #量化分析 #市场泡沫 #半导体股票 #资本支出 #Sornette #泡沫检测 #量化策略 #金融模型 #道指纳斯达克分化 #Kelly公式
Be First to Comment