泡沫识别新方法：调查数据分离基本面与投机，模型估计投机成分解释61%的估值比率波动
Andreasen和Bro在《金融评论》发表的研究将股市价格分解为预期股息、预期回报率和理性泡沫三个成分，利用投资者调查数据区分基本面与投机。基于1971至2024年美国月度数据，模型估计泡沫成分解释了标普500市价股息率变动的61%，并识别出包括潜在AI相关阶段在内的多个历史投机时期。论文还发现正向泡沫冲击伴随失业率下降和货币政策利率上升。
重要性实质性证据E3 可检验写法标准
股市泡沫事后容易辨认——互联网泡沫、2008年金融危机前的上涨、疫情期间科技股的飙升都是众所周知的例子。但泡沫正在形成时如何识别，是金融经济学长期未解的难题。股价上涨不一定意味着投机：投资者可能合理预期更强的盈利增长、更低的未来回报率或改善的经济条件。区分这些基本面解释与投机性泡沫，正是Andreasen和Bro在2026年发表于《金融评论》（Review of Finance）的研究试图解决的问题。
他们发展了一个现值模型，将股票价格分解为三个成分：预期未来股息、预期未来回报率和一个理性泡沫。关键创新在于将投资者调查数据——关于股息增长和股价的预期——与传统市场数据结合使用。这之所以重要，是因为高市价股息率本身不能证明泡沫存在：当投资者预期更强的股息增长或更低的必要回报率时，高估值可以是理性的。通过纳入市场参与者实际预期的信息，模型试图识别估值中无法被这些基本面成分解释的部分。在该框架中，理性泡沫是与模型理性预期假设一致的价格非基本面成分。
使用1971年1月至2024年12月的美国月度数据，作者发现估计的泡沫成分解释了标普500市价股息率变动的61%。预期回报率解释了另外42%，而预期股息增长在整个样本期内对市价股息率变动的解释力很小。需要注意的是，这些方差贡献不是固定总量的可加份额，不应被解读为百分比之和等于100%。这一发现表明，投机力量在解释股市估值波动方面的作用可能远大于不含泡沫成分的传统模型所暗示的。作者还显示，去除估计的泡沫后，股票估值的超额波动大幅降低，未调整的市价股息率中检测到的爆炸性动态证据也随之消失。
模型识别出几个可辨认的历史泡沫阶段。在1970年代初的Nifty Fifty热潮期间，估计泡沫约占市价股息率的10%，随后在1980年代降至约2%。互联网泡沫时期急剧上升，2001年1月达到27%。全球金融危机前后再次上升，新冠时期泡沫在2021年11月达到约19%的峰值。最引人注目的是，2024年12月估计泡沫达到市价股息率的近25%，可能反映了投资者对人工智能的热情。需要强调的是，这是基于模型的历史估计，并非AI相关股票必然被高估或后续市场调整不可避免的证据。