Coinbase : l'effet "chute de septembre" n'est pas fiable, le marché des cryptomonnaies devrait se renforcer au début du Q4.

Auteur : David Duong (CFA), Responsable de la recherche mondiale chez Coinbase ;

Colin Basco, assistant de recherche chez Coinbase

Traduction : Jinse Caijing xiaozou

Points clés :

Nous prévoyons un renforcement du marché des cryptomonnaies au début du quatrième trimestre 2025, en raison d'une liquidité résiliente, d'un contexte macroéconomique favorable et de dynamiques réglementaires soutenantes, avec Bitcoin qui devrait se démarquer.

Les besoins technologiques des Réserves d'Actifs Numériques (DATs) devraient continuer à soutenir le marché des cryptomonnaies, même lorsque l'industrie entre dans une phase de compétition "joueurs contre joueurs".

Notre recherche montre que les modèles de saisonnalité mensuelle historiques (en particulier l'« effet de septembre ») ne constituent pas un indicateur prédictif significatif ou fiable de la performance du marché des cryptomonnaies.

1. Aperçu

Nous croyons que le marché haussier des cryptomonnaies a encore de l'espace pour se poursuivre au début du quatrième trimestre 2025, les principaux moteurs étant un environnement de liquidité résilient, un contexte macroéconomique favorable et des dynamiques réglementaires soutenantes. Nous pensons que le Bitcoin en particulier devrait continuer à dépasser les attentes du marché, car il bénéficie directement des facteurs macroéconomiques favorables existants. En d'autres termes, à moins que les prix de l'énergie ne connaissent des fluctuations sévères (ou d'autres facteurs susceptibles d'affecter négativement les tendances inflationnistes), les risques immédiats perturbant le chemin de la politique monétaire américaine sont en réalité assez faibles. Parallèlement, la demande technique des actifs numériques (DATs) devrait continuer à soutenir fermement le marché des cryptomonnaies.

Cependant, les préoccupations saisonnières continuent de tourmenter le domaine des cryptomonnaies : historiquement, le Bitcoin a chuté par rapport au dollar en septembre pendant six années consécutives entre 2017 et 2022. Bien que cette tendance ait conduit de nombreux investisseurs à penser que des facteurs saisonniers influent de manière significative sur la performance du marché de la cryptomonnaie, cette hypothèse a été réfutée en 2023 et 2024. En fait, nos recherches montrent que la taille de l'échantillon est trop petite et que la distribution des résultats peut être trop large, ce qui limite la signification statistique de tels indicateurs saisonniers.

La question plus cruciale pour le marché des cryptomonnaies est la suivante : sommes-nous au début ou à la fin d'un cycle DAT ? Au 10 septembre, les DAT publics détenaient plus de 1 million de BTC (110 milliards de dollars), 4,9 millions d'ETH (21,3 milliards de dollars) et 8,9 millions de SOL (1,8 milliard de dollars), tandis que les entrants tardifs commencent à cibler des altcoins plus en aval sur la courbe de risque. Nous pensons que nous sommes actuellement dans la phase "joueurs contre joueurs" (PvP) du cycle, ce qui continuera à diriger les flux de capitaux vers les grands actifs cryptographiques. Mais cela pourrait également être un signe avant-coureur que les petits participants DAT s'apprêtent à entrer dans une phase de consolidation.

2. L'avenir reste optimiste

Au début de l'année, nous avons proposé que le marché des cryptomonnaies atteindrait son point le plus bas au premier semestre 2025, et qu'il atteindrait un nouveau sommet historique au second semestre 2025. Cela était à l'époque un point de vue déviant par rapport au consensus du marché - à ce moment-là, les participants du marché étaient préoccupés par un potentiel déclin, remettant en question si la hausse des prix signifiait une flambée irrationnelle du marché, et s'inquiétant de la durabilité de toute reprise. Cependant, nous avons constaté que ces points de vue étaient trompeurs, nous revenons donc à notre perspective macroéconomique unique.

Entrant dans le quatrième trimestre, nous restons optimistes quant au marché des cryptomonnaies, prévoyant un soutien continu par une forte liquidité, un environnement macroéconomique favorable et des progrès réglementaires encourageants. En ce qui concerne la politique monétaire, nous prévoyons que la Réserve fédérale procédera à des baisses de taux le 17 septembre et le 29 octobre, car le marché du travail américain a déjà fourni des preuves solides de faiblesse. Nous pensons que cela ne créera pas un sommet local, mais activera plutôt les fonds en attente sur le marché de gré à gré. En fait, nous avions indiqué en août que la baisse des taux pourrait inciter une composante importante des 7,4 billions de dollars des fonds du marché monétaire à mettre fin à leur état d'attente.

Néanmoins, un changement significatif dans la trajectoire actuelle de l'inflation (par exemple, une augmentation des prix de l'énergie) constituerait un risque pour cette perspective. (Remarque : nous pensons que les risques réels liés aux tarifs douaniers sont bien inférieurs à ceux évalués par certains points de vue.) Cependant, l'OPEP+ a récemment accepté d'augmenter à nouveau la production de pétrole, tandis que la demande mondiale de pétrole montre des signes de ralentissement. Cependant, la perspective de sanctions supplémentaires contre la Russie pourrait également faire monter les prix du pétrole. Actuellement, nous prévoyons que les prix du pétrole ne dépasseront pas le seuil qui plongerait l'économie dans une situation de stagflation.

3. Le cycle DAT est en train de mûrir.

D'une part, nous croyons que la demande technique pour les trésors d'actifs numériques (DATs) continuera à soutenir le marché de la cryptographie. En fait, le phénomène DAT a atteint un point de retournement critique. Nous ne sommes plus dans la phase d'adoption précoce caractéristique des 6 à 9 derniers mois, et nous ne pensons pas que nous soyons proches de la fin du cycle. En fait, nous sommes entrés dans ce que l'on appelle la phase de "confrontation entre joueurs" (PvP) - une phase compétitive où le succès dépend de plus en plus de l'exécution, de stratégies différenciées et du timing, plutôt que de la simple reproduction du modèle opérationnel de MicroStrategy.

En effet, des acteurs précoces comme MicroStrategy ont bénéficié d'une prime significative par rapport à la valeur nette d'actif (NAV), mais la pression concurrentielle, les risques d'exécution et les contraintes réglementaires ont conduit à une compression du mNAV (ratio de la capitalisation boursière par rapport à la valeur nette d'actif). Nous pensons que la prime de rareté dont ont bénéficié les premiers adoptants a déjà disparu. Néanmoins, les DATs axés sur le Bitcoin détiennent actuellement plus d'un million de BTC, représentant environ 5 % de l'offre circulante de ce jeton. De même, les DATs axés sur l'ETH détiennent un total d'environ 4,9 millions d'ETH (21,3 milliards de dollars), représentant plus de 4 % de l'offre totale d'ETH.

Figure 1. Accélération continue des achats d'actifs numériques spécifiques à l'ETH

En août, le Financial Times a rapporté que 154 sociétés cotées américaines avaient levé environ 98,4 milliards de dollars pour l'acquisition d'actifs cryptographiques d'ici 2025, une augmentation significative par rapport aux 33,6 milliards de dollars levés par les 10 premières entreprises cette année (données d'Architect Partners). Les investissements en capital dans d'autres tokens augmentent également, en particulier SOL et d'autres altcoins. (Forward Industries a récemment levé 1,65 milliard de dollars pour établir un trésor d'actifs numériques basé sur SOL, un projet soutenu par Galaxy Digital, Jump Crypto et Multicoin Capital.)

Cette croissance a entraîné un contrôle plus strict. En effet, des rapports récents indiquent que le Nasdaq renforce la régulation des DATs, exigeant que certaines transactions soient approuvées par les actionnaires et plaidant pour un renforcement de la divulgation d'informations. Cependant, le Nasdaq a clarifié qu'aucun communiqué de presse officiel n'avait été publié concernant de nouvelles règles pour les DATs.

Nous pensons actuellement que le cycle DAT est en train de mûrir, mais il n'est ni au début ni à la fin. Il est certain que, de notre point de vue, l'ère des bénéfices faciles et de la garantie des primes mNAV est terminée - à ce stade PvP, seuls les participants les plus disciplinés et stratégiques pourront prospérer. Nous prévoyons que le marché des cryptomonnaies continuera de bénéficier de l'afflux sans précédent de capitaux dans ces véhicules, ce qui améliorera les performances des rendements.

3. Le risque saisonnier existe-t-il vraiment ?

En même temps, la volatilité saisonnière est un problème que les participants du marché des cryptomonnaies surveillent depuis longtemps. Le Bitcoin a chuté pendant six années consécutives en septembre entre 2017 et 2022 par rapport au dollar, avec un rendement moyen négatif de 3 % au cours de la dernière décennie. Cela a laissé à de nombreux investisseurs l'impression que les facteurs saisonniers influencent fortement la performance du marché des cryptomonnaies, et que septembre est généralement un moment défavorable pour détenir des actifs risqués. Cependant, si l'on effectue des transactions sur la base de cette hypothèse, cela sera réfuté en 2023 et 2024.

En fait, nous pensons que la fluctuation saisonnière mensuelle n'est pas un signal de trading efficace pour le Bitcoin. À travers diverses méthodes telles que les histogrammes de fréquence, les rapports de cotes logiques, les scores hors échantillon, les tests de placebo et le contrôle des variables, les conclusions sont cohérentes : les mois de l'année ne sont pas des indicateurs prédictifs statistiquement fiables des valeurs positives et négatives du rendement logarithmique mensuel de BTC. (Note : Nous utilisons le rendement logarithmique pour mesurer la croissance géométrique ou composée, car il reflète mieux les tendances à long terme tout en tenant compte de la forte volatilité du Bitcoin.)

Figure 2. Carte thermique des rendements logaritmiques mensuels du Bitcoin

Les tests suivants ont révélé que le « mois calendaire » n'est pas fiable pour prédire la valeur positive ou négative du rendement logarithmique mensuel du Bitcoin :

(1) Intervalle de confiance de Wilson

La figure 3 montre qu'après avoir pris en compte l'incertitude des petits échantillons, aucun mois ne parvient à franchir le seuil évident de la saisonnalité prédite. Les mois qui semblent "élevés" (février/octobre) ou "bas" (août/septembre) ont des marges d'erreur qui se chevauchent avec la moyenne générale et d'autres mois, reflétant une variance aléatoire plutôt qu'un effet calendaire persistant.

Chaque point représente la proportion de probabilités que le BTC clôture en hausse au cours de ce mois ; les lignes verticales/histogrammes représentent l'intervalle de confiance de Wilson à 95 % — lorsque chaque mois ne compte qu'environ 12 à 13 points de données, c'est une mesure appropriée car elle fournit un seuil d'incertitude plus précis pour de petits échantillons.

La ligne en pointillés montre la valeur moyenne de la probabilité d'augmentation globale. Étant donné que nous examinons simultanément les données de 12 mois, nous utilisons la méthode d'ajustement de Holm-Bonferroni pour éviter qu'un mois chanceux ne se fasse passer pour un motif régulier.

Figure 3. Rendement logarithmique de BTC avec intervalle de confiance de Wilson à 95%

(2) Analyse de régression logistique

Nous utilisons un modèle de régression logistique pour examiner l'impact des mois spécifiques sur la probabilité de hausse ou de baisse du Bitcoin (avec janvier comme référence). Le graphique 4 montre que les rapports de cotes pour chaque mois sont majoritairement concentrés autour de 1,0, l'essentiel étant que leurs intervalles de confiance à 95 % chevauchent tous la ligne de 1,0.

Une valeur proche de 1.0 signifie « la même probabilité d'obtenir un rendement positif pour le mois de janvier », supérieure à 1.0 signifie "une probabilité plus élevée", inférieure à 1.0 signifie "une probabilité plus faible".

Par exemple, un ratio de 1,5 signifie que "la probabilité de hausse est d'environ 50 % plus élevée qu'en janvier", tandis que 0,7 indique que "la probabilité est d'environ 30 % plus faible".

Étant donné que la plupart des intervalles de confiance traversent 1,0 et qu'aucun mois ne présente de signification après un ajustement pour les tests multiples de Holm, nous ne pouvons pas affirmer que les mois calendaires sont un indicateur efficace des valeurs positives et négatives des rendements logarithmiques de Bitcoin.

Figure 4. Régression logistique - Rapport de probabilités des rendements logarithmiques mensuels de BTC positifs et négatifs par rapport à janvier (référence)

(3) Prédiction hors échantillon

À chaque étape, nous réévaluons uniquement deux modèles en utilisant les données disponibles jusqu'à ce mois-ci (la phase initiale utilise un ensemble de données de moitié pour l'entraînement) :

Le modèle de référence est un modèle logique ne contenant que l'ordonnée à l'origine, qui ne prédit qu'une probabilité constante (égale au taux de référence de la proportion des mois de gains positifs depuis l'histoire jusqu'à présent).

Le modèle d'effet des mois (MoY) est une régression logistique incluant des variables fictives pour les mois ; il prédit la probabilité qu'un mois calendaire actuel connaisse une augmentation, en se basant sur les performances passées de ce mois.

Nos résultats sont présentés dans la figure 5, où l'axe X représente la probabilité prédite des mois de rendement positif, et l'axe Y représente la proportion des mois ayant effectivement réalisé un rendement positif. Lors de la représentation des résultats de la prévision, les points de données d'un modèle parfaitement calibré devraient être distribués le long de la ligne à 45° - par exemple, lorsque la probabilité de hausse de 50 % est prédite, la proportion des mois de hausse réelle est exactement de 50 %.

Le modèle d'effet mensuel (MoY) présente un biais significatif. Par exemple :

Lorsque la probabilité de hausse est d'environ 27 %, la fréquence réelle de réalisation est d'environ 50 % (trop pessimiste) ;

Se rapprocher à peine de l'objectif dans la plage de prévision de 45 à 60 % ;

Dans les intervalles à forte probabilité, il y a une surconfiance - par exemple, environ 75 % des prévisions correspondent à environ 70 % des valeurs réalisées, tandis que les prévisions dans des intervalles extrêmes de 85 % n'atteignent environ 0 %.

En comparaison, le modèle de référence qui prédit constamment le taux de référence historique (environ 55-57 % de probabilité de hausse) est étroitement aligné sur la ligne à 45°, et étant donné que la probabilité des mois de rendement positif du Bitcoin est relativement stable dans l'histoire, cette ligne ne bouge presque pas. En d'autres termes, ce résultat indique que les mois du calendrier n'ont presque aucune capacité prédictive dans les prévisions hors échantillon.

Figure 5 : Précision de la prédiction hors échantillon du modèle de régression logistique de l'effet des mois (MoY)

(4) Essai randomisé contrôlé par placebo

Pour vérifier si le "label de mois" aide à prédire les taux de rendement logarithmiques positifs et négatifs, nous utilisons un modèle logique simple avec des variables fictives de mois et évaluons globalement si ces variables améliorent l'ajustement par rapport à un modèle de référence sans mois (test de rapport de vraisemblance standard). La valeur p observée est de 0,15, ce qui signifie que même si le facteur mois est insignifiant, la probabilité d'observer un modèle aussi significatif par pure coïncidence est d'environ 15 %. Ensuite, nous avons mélangé aléatoirement les étiquettes de mois des milliers de fois, à chaque fois en effectuant le même test conjoint.

Les résultats montrent qu'environ 19 % des opérations de randomisation produisent des résultats inférieurs ou égaux à la valeur p observée (Figure 6).

En termes simples, ce résultat est très courant dans des conditions de pure randomisation, ce qui renforce la conclusion selon laquelle « il n'existe pas de signal mensuel ». Si les étiquettes mensuelles ont une signification statistique, le test conjoint des données réelles devrait présenter une valeur p < 0,05, et la proportion de valeurs p aussi petites produites par la permutation devrait être inférieure à 5 %.

Figure 6. Distribution des valeurs p de placebo générées par le mélange aléatoire des étiquettes « mois » dans le modèle logique.

(5) Test des variables contrôlées

Ajouter un indicateur de calendrier réel n'a pas déverrouillé d'avantages négociables - et cela réduit généralement la précision des prévisions de la direction des hausses et des baisses. Nous réestimerons la "probabilité des mois à rendement positif" en utilisant des variables virtuelles du même mois, puis nous superposons deux variables de contrôle pratiques majeures : 1) pouvant affecter le rendement logarithmique du Bitcoin ; 2) mois d'occurrence non fixe chaque année - Nouvel An lunaire et fenêtre de réduction de moitié du Bitcoin (±2 mois). Nous n'utilisons que les variables de contrôle correspondant à différents mois de calendrier chaque année pour éviter qu'une variable virtuelle redondante n'entraîne une estimation instable du modèle.

Ce test vise à valider deux préoccupations courantes : (i) le phénomène apparemment appelé "effet mois" pourrait être simplement le déguisement d'événements cycliques - par exemple, la liquidité du Nouvel An lunaire (LNY) ou l'effet de réduction de moitié de Bitcoin ; (ii) même si le modèle de mois d'origine est faible, il pourrait produire une utilité après avoir pris en compte ces facteurs. À ce stade initial, nous avons utilisé la moitié du jeu de données pour l'entraînement et l'autre moitié pour les tests. Nous utilisons le score de Brier pour évaluer les prévisions de probabilité mensuelles, ce score reflète l'erreur quadratique moyenne entre la probabilité prévue et les résultats réels de hausse ou de baisse (c'est-à-dire le degré d'écart entre les valeurs prédites et la réalité).

Dans la figure 7, l'histogramme montre les valeurs d'amélioration de Brier de chaque modèle par rapport à la référence simple (utilisant uniquement la valeur unique du taux de hausse historique de la fenêtre d'entraînement). Tous les barres sont inférieures à zéro, ce qui signifie que la performance de chaque variante de variable de contrôle est inférieure à la référence de probabilité constante. En d'autres termes, l'introduction de marques de calendrier supplémentaires sur la base des étiquettes de mois n'a fait qu'augmenter le bruit.

Figure 7 : Amélioration du score de Brier dans la prédiction hors échantillon du modèle de régression logistique avec variables de contrôle ajoutées

4. Conclusion

La notion de saisonnalité sur le marché crée des entraves néfastes à l'esprit des investisseurs et peut donner lieu à des prophéties auto-réalisatrices. Cependant, notre modèle indique que supposer simplement que les probabilités de hausse et de baisse chaque mois sont essentiellement conformes à la moyenne historique à long terme est plus performant que toutes les stratégies de trading basées sur le calendrier. Cela suggère fortement que les modèles calendaires ne contiennent pas d'informations efficaces pour prédire la direction mensuelle du Bitcoin. Puisque les mois du calendrier ne peuvent pas prédire de manière fiable la direction positive ou négative des rendements logarithmiques, la probabilité de prédire l'amplitude des rendements est d'autant plus faible. Les baisses synchronisées de septembre des années passées, ainsi que les augmentations évoquées dans la légende du "mois d'octobre explosif" du Bitcoin peuvent avoir un intérêt statistique, mais manquent de signification statistique.