在一个价格波动性的市场，经济学家总是试图寻找某种金融模型来解释历史市场走向，从而预测市场下行或上行的拐点。在一个同质性较强且交易透明的市场如股市，存在大量的此类数据模型用于预测单只股票或整体市场走势，Log Periodic Power Law(LPPL)对数周期性幂律模型便是其中的一个。
长期以来，人们认为资产泡沫难以识别，因此更无法预测其破灭。但是，一个地球物理学家的发现改变了这种认识。Didier Sornette教授发现，金融市场泡沫的形成与破裂，与地震有相似之处，都是复杂系统的自组织行为。Sornette教授随后提出，用地球物理和临界现象研究中所常用的LPPL(Log-Periodic Power Law)模型(对数周期性幂律模型)来研究金融领域的泡沫。
这个模型假设市场存在两类投资者：理性的专业投资者和非理性的具有典型“羊群行为”的非专业投资者。从事股票交易的投资者形成了一个网络，而在这个网络中的个体只有两种状态买和卖，而买卖行为本身受其他交易者的决策和外部因素影响。正是由于这种决策方式的互动，构成了群体的自我相似性，在一个上涨的市场中导致泡沫的产生。逐渐增加的投资和交易者之间的互动行为在整体盈利的表象下，使得这种泡沫自促增长，直至破裂。
学者Shiller提供了多种案例论证大量的非理性投资行为导致股市和房市的波动。并列出了12种因素引发股市和房市的繁荣。这些因素被正反馈循环所放大，产生庞氏骗局，又进一步通过媒体不断宣传而扩大影响，最终引发市场崩溃。
据称历史上曾经发生的一些重大股市泡沫崩溃现象都可以由LPPL模型解释，例如1929年和1987年的美国股市大崩溃、1998年俄国市场崩溃、1990年日本Nikki指数大跌，1999年的香港股市崩溃、2000年的互联网泡沫破裂，以及其他二十几个新兴市场的暴跌。LPPL因此而得到金融界的关注，并被更广泛地用于其他投资市场如房地产以及黄金。
2008年金融危机之后，更多的投资者开始把目光转向艺术市场，金融顾问们发展出了一系列理论论证艺术品可以成为类似于股票、房产、债权和黄金等的投资品，并称某些门类的艺术品的价格走势与股市走势相反，因此可以称为整体投资组合中的一种资产配置，从而分散投资风险。这一理论被部分金融界人士所接受，并开发出了各类艺术品价格指数，尝试以量化的方式呈现整体艺术市场发展趋势。
也正是因为这些艺术品价格指数的存在，学者们产生了用LPPL模型来预测艺术市场泡沫崩溃点的想法。美国一家投资公司的研究院James Xiong将这一模型套用于中国艺术品市场。Shillier所列举的现象似乎也发生在中国的艺术品市场。中国艺术市场的投资者们存在典型的“羊群行为”，新富人群的资本大量涌入市场，导致价格上涨。以往艺术品增值的经验，使得投资者对市场过于自信，价格不断攀升导致泡沫产生。而下行的风险在任何市场都是不可避免的。
James Xiong例证LPPL模型同样适用于中国艺术品市场，并成功检验了2011年的整体市场大跌。但是他的研究仍然只是一种后验式的，尚未呈现成功预测未来的案例。这种量化分析依赖于大量市场数据，而如果数据本身缺乏可靠性，可能会对结果产生较大影响。LPPL当然也收到了金融界的质疑和挑战。指数可以反映宏观市场趋势，但是未必适用于局部市场。艺术市场的投资者们，在以大数据为基础的量化计算方法和经验丰富的市场专家建议之间，你会选择听信于哪一方呢?
