Coinbase: Эффект «Сентябрьского падения» не будет достоверным, крипторынок начнет укрепляться в начале четвертого квартала.

Автор: Дэвид Дуонг (CFA), руководитель глобальных исследований Coinbase;

Колин Баско, исследовательский ассистент Coinbase

Перевод: Золотая экономика xiaozou

Основные моменты:

Мы прогнозируем, что в начале четвертого квартала 2025 года крипторынок будет усиливаться благодаря достаточной ликвидности, благоприятной макроэкономической обстановке и поддерживающей регуляторной динамике, при этом ожидается, что биткойн будет выделяться.

Технические требования к цифровым активам (DATs) ожидается, что будут продолжать поддерживать крипторынок, даже когда отрасль войдет в конкурентную стадию «игры игроков».

Наши исследования показывают, что исторические месячные сезонные закономерности (особенно «сентябрьский эффект») не являются значительным или надежным индикатором для оценки производительности крипторынка.

1. Обзор

Мы верим, что бычий рынок криптовалют все еще имеет пространство для продолжения в начале четвертого квартала 2025 года, и основные движущие силы включают достаточную ликвидность, благоприятный макроэкономический фон и поддерживающую регуляторную динамику. Мы считаем, что биткойн особенно может продолжать превышать рыночные ожидания, так как он напрямую выигрывает от существующих макроэкономических благоприятных факторов. Иными словами, если только цены на энергоносители не будут резко колебаться (или другие факторы, которые могут негативно повлиять на инфляционные тенденции), текущие немедленные риски, нарушающие путь денежно-кредитной политики США, на самом деле довольно низки. В то же время технологический спрос на цифровые активы (DATs) должен продолжать оказывать сильную поддержку криптовалютному рынку.

Однако сезонные сомнения продолжают беспокоить крипто-сферу — исторически биткойн снижался по отношению к доллару в сентябре шесть лет подряд с 2017 по 2022 год. Несмотря на то, что эта тенденция заставила многих инвесторов считать, что сезонные факторы значительно влияют на работу крипторынка, это предположение было опровергнуто в 2023 и 2024 годах. Фактически, наши исследования показывают: слишком маленький размер выборки и возможное широкое распределение результатов ограничивают статистическую значимость таких сезонных индикаторов.

Ключевым вопросом для крипторынка является то, находимся ли мы на ранней или поздней стадии цикла DAT? По состоянию на 10 сентября, публичные DAT владеют более 1 миллионом BTC (110 миллиардов долларов), 4,9 миллиона ETH (21,3 миллиарда долларов) и 8,9 миллиона SOL (1,8 миллиарда долларов), в то время как поздние участники начали нацеливаться на альтернативные токены с более низкой кривой риска. Мы считаем, что в настоящее время мы находимся на стадии "игры игроков" (PvP), что будет продолжать направлять капитал в крупные криптоактивы. Но это также может очень вероятно предвещать приближение этапа консолидации для мелких участников DAT.

2. Перспективы по-прежнему оптимистичны

В начале года мы заявили: крипторынок достигнет дна в первой половине 2025 года и установит исторический максимум во второй половине 2025 года. Это тогда было отклонением от рыночного консенсуса — участники рынка были обеспокоены потенциальным спадом, ставя под сомнение, означает ли рост цен нерациональный бум на рынке, и беспокоясь о устойчивости любого восстановления. Но мы обнаружили, что эти мнения являются вводящими в заблуждение, поэтому вернемся к нашему уникальному макроэкономическому взгляду.

С началом четвертого квартала мы сохраняем оптимистичный взгляд на крипторынок, ожидая продолжения устойчивой ликвидности, благоприятной макроэкономической среды и обнадеживающих регуляторных новостей. В отношении денежно-кредитной политики мы ожидаем, что Федеральная резервная система снизит ставки 17 сентября и 29 октября, поскольку рынок труда в США уже предоставляет убедительные доказательства ослабления. Мы считаем, что это не только не приведет к образованию локального пика, но и активирует средства, находящиеся в ожидании вне рынка. Фактически, мы в августе отметили: снижение ставок может побудить значительную часть средств в размере 7,4 триллиона долларов в фондах денежного рынка выйти из состояния ожидания.

Тем не менее, если текущая траектория инфляции претерпит значительные изменения (например, рост цен на энергию), это создаст риски для данного прогноза. (Примечание: мы считаем, что реальные риски, связанные с тарифами, гораздо ниже, чем предполагают некоторые оценки.) Однако OPEC+ недавно согласилась снова увеличить объемы производства нефти, в то время как глобальный спрос на нефть уже показывает признаки замедления. Тем не менее перспектива введения дополнительных санкций против России также может привести к росту цен на нефть. В настоящее время мы ожидаем, что цены на нефть не превысят порог, который приведет к стагнации экономики.

3. Период DAT становится зрелым.

С другой стороны, мы верим, что технологические требования к цифровым активам (DATs) продолжат поддерживать криптовалютный рынок. Фактически, феномен DAT достиг критической точки поворота. Мы больше не находимся на этапе раннего усыновления, характерном для последних 6-9 месяцев, и не считаем, что близки к завершению цикла. На самом деле, мы вошли в так называемую стадию "игрок против игрока" (PvP) — это конкурентная стадия, где успех все больше зависит от исполнительской способности, дифференцированной стратегии и тайминга, а не от простого копирования модели работы MicroStrategy.

Действительно, ранние игроки, такие как MicroStrategy, пользовались значительной премией к чистой стоимости активов (NAV), но конкурентное давление, риски исполнения и регуляторные ограничения привели к сжатию mNAV (коэффициент рыночной капитализации к чистой стоимости активов). Мы считаем, что премия за редкость, которой пользовались ранние адоптеры, уже исчезла. Тем не менее, DAT, сосредоточенные на биткойне, в настоящее время владеют более 1 миллионом BTC, что составляет около 5% от общего объема обращения токена. Точно так же топовые DAT, сосредоточенные на ETH, в общей сложности владеют около 4,9 миллиона ETH (21,3 миллиарда долларов), что составляет более 4% от общего объема обращения ETH.

Рисунок 1. Специальный цифровой актив ETH продолжает ускорять процесс закупки.

В августе газета Financial Times сообщила, что 154 американские публичные компании собрали около 98,4 миллиарда долларов для приобретения криптоактивов к 2025 году, что значительно превышает 33,6 миллиарда долларов, собранные первыми десятью компаниями в этом году (по данным Architect Partners). Инвестиции в другие токены также растут, особенно в SOL и другие альтернативные токены. (Forward Industries недавно собрала 1,65 миллиарда долларов для создания цифрового активного хранилища на основе SOL, проект поддерживается Galaxy Digital, Jump Crypto и Multicoin Capital.)

Этот рост привел к более строгому контролю. На самом деле, недавние отчеты показывают, что Nasdaq усиливает регулирование DAT, требуя одобрения акционеров для определенных сделок и выступая за улучшение раскрытия информации. Однако Nasdaq уточнил, что не выпускал никаких официальных пресс-релизов о новых правилах для DAT.

В настоящее время мы считаем, что цикл DAT становится зрелым, но он не находится ни на ранней, ни на поздней стадии. Одно можно сказать точно: с нашей точки зрения, эпоха легкой прибыли и гарантированного премиума mNAV закончилась — на этой стадии PvP только самые дисциплинированные и стратегически подготовленные участники смогут процветать. Мы ожидаем, что криптовалютный рынок продолжит извлекать выгоду из беспрецедентного капитала, входящего через эти носители, что улучшит показатели доходности.

3. Существуют ли реальные сезонные риски?

В то же время сезонные колебания остаются проблемой, на которую участники крипторынка обращают внимание. Биткойн на протяжении шести лет подряд с 2017 по 2022 год в сентябре снижался по отношению к доллару, а средняя отрицательная доходность за последние десять лет составила 3%. Это создало у многих инвесторов впечатление, что сезонные факторы серьезно влияют на результаты крипторынка, и сентябрь обычно является неблагоприятным временем для держателей рискованных активов. Однако, если основывать торговлю на этом предположении, оно будет опровергнуто как в 2023, так и в 2024 году.

На самом деле, мы считаем, что месячные сезонные колебания не являются эффективным торговым сигналом для Биткойна. Мы пришли к единому выводу с использованием различных методов, таких как частотные распределения, логические соотношения, оценка вне выборки, тесты плацебо и контрольные переменные: месяцы года не являются статистически надежными предсказателями положительных и отрицательных значений логарифмической доходности BTC. (Примечание: мы используем логарифмическую доходность для измерения геометрического или сложного роста, так как это лучше отражает долгосрочные тенденции и учитывает высокую волатильность Биткойна.)

Рисунок 2. Тепловая карта месячной логарифмической доходности Биткойна

Следующее тестирование показало, что «календарный месяц» ненадежен для прогнозирования положительных и отрицательных значений месячной логарифмической доходности биткойна:

(1) Доверительный интервал Уилсона

На рисунке 3 показано, что после учета неопределенности малых выборок ни один месяц не смог преодолеть явный порог предсказанной сезонности. Месяцы, которые кажутся "высокими" (февраль/октябрь) или "низкими" (август/сентябрь), имеют диапазон ошибок, который пересекается с общим средним значением и другими месяцами, демонстрируя случайную вариацию, а не устойчивый календарный эффект.

Каждая точка показывает долю вероятности того, что BTC закроется с ростом за этот месяц; вертикальные линии/столбчатая диаграмма представляют собой 95% доверительный интервал Уилсона — когда в каждом месяце имеется всего около 12-13 точек данных, это является подходящей мерой, так как обеспечивает более точный порог неопределенности для малых выборок.

Пунктирная линия показывает среднее значение вероятности общего роста. Поскольку мы одновременно рассматриваем данные за 12 месяцев, мы используем метод многократной проверки Хома, чтобы избежать того, чтобы один удачный месяц не маскировал закономерный паттерн.

Рисунок 3. Логарифмическая доходность BTC и 95% доверительный интервал Уилсона

(2) Анализ логистической регрессии

Мы используем модель логистической регрессии для проверки влияния определённых месяцев на вероятность изменения цены биткойна (с января в качестве базового месяца). На рисунке 4 видно, что отношения шансов для большинства месяцев сосредоточены около 1,0, причем ключевым моментом является то, что 95% доверительный интервал пересекает границу 1,0.

Значение, близкое к 1.0, означает «такую же вероятность получения положительной доходности за январь», значение выше 1.0 указывает на "большую вероятность", а значение ниже 1.0 — на "меньшую вероятность".

Например, коэффициент 1.5 означает, что "вероятность роста в месяце примерно на 50% выше, чем в январе", а 0.7 означает "вероятность ниже примерно на 30%".

Поскольку большинство доверительных интервалов охватывают 1.0 и ни один месяц не показывает значимости после коррекции по Холму, мы не можем считать календарные месяцы эффективными индикаторами предсказания положительных и отрицательных значений логарифмической доходности биткойна.

Рис. 4. Логистическая регрессия — отношение вероятностей положительных и отрицательных логарифмических доходностей BTC за месяц по сравнению с январем (базовый месяц)

(3) Прогнозирование вне выборки

На каждом этапе мы переоцениваем две модели, используя только доступные данные за этот месяц (на начальном этапе мы используем половину набора данных для обучения):

Бенчмарковая модель - это логистическая модель, содержащая только интерсепт, которая предсказывает постоянную вероятность (равную базовой ставке, равной доле месяцев с положительными доходами за всю историю).

Модель эффекта месяца (MoY) представляет собой логистическую регрессию с виртуальными переменными месяца; она предсказывает вероятность увеличения месяца в текущем календарном месяце на основе прошлых показателей этого месяца.

Наши результаты представлены на рисунке 5, где ось X представляет собой прогнозируемую вероятность месячного положительного логарифмического дохода, а ось Y представляет собой долю месяцев с фактически реализованной положительной доходностью. При построении прогнозных результатов точки данных идеальной калибровки должны располагаться вдоль линии 45° — например, при прогнозировании 50% вероятности роста фактическая доля месяцев с ростом составляет ровно 50%.

Модель эффекта месяца (MoY) имеет значительные искажения. Например:

Когда вероятность роста прогнозируется примерно в 27%, фактическая частота выполнения составляет около 50% (чрезмерно пессимистично);

Только приблизительно близко к цели в диапазоне прогнозов 45-60%;

В зоне высокой вероятности наблюдается чрезмерная самоуверенность — например, около 75% прогнозов соответствуют примерно 70% фактических значений, в то время как прогнозы в экстремальной зоне составляют около 85%, но реализуются примерно на 0%.

В сравнении, базовая модель, которая постоянно предсказывает историческую базовую ставку (примерно 55-57% вероятность повышения), плотно следует 45° линии, и учитывая относительно стабильную вероятность положительных доходов по биткойнам в историческом контексте, эта линия почти не смещается. Проще говоря, этот результат указывает на то, что календарные месяцы почти не имеют предсказательной способности в вневыборочном прогнозировании.

Рисунок 5: Точность предсказания вне выборки логистической регрессии для эффекта месяца (MoY)

(4) Рандомизированное испытание плацебо

Чтобы проверить, помогает ли «месячная метка» предсказывать положительные и отрицательные логарифмические доходности, мы использовали простую логистическую модель с фиктивными переменными для месяцев и оценили, улучшают ли эти переменные подгонку по сравнению с базовой моделью без месяцов (тест отношения правдоподобия). Мы получили p-значение 0.15, что означает, что даже если месячные факторы не имеют значения, вероятность появления хотя бы такого значительного шаблона только случайно составляет примерно 15%. Затем мы случайным образом перемешали месячные метки тысячу раз, каждый раз повторно проводя тот же совместный тест.

Результаты показывают, что около 19% случайных перестановок приводят к результатам, меньшим или равным наблюдаемому p-значению (рисунок 6).

Короче говоря, этот результат довольно распространен при чисто случайных условиях, что усиливает вывод о том, что «месячного сигнала не существует». Если месячные метки имеют статистическое значение, объединенный тест реальных данных должен показывать p-значение <0.05, и доля случаев, когда в процессе перемешивания возникает столь малое p-значение, должна быть ниже 5%.

Рисунок 6. Распределение p-значений плацебо, полученное путем случайного перемешивания метки «месяц» в логической модели

(5) Тестирование контролируемых переменных

Добавление знака реального календаря не разблокирует преимущества торговли — и обычно снижает точность прогнозирования направления роста и падения. Мы переоцениваем "вероятность положительных доходных месяцев" с помощью виртуальных переменных того же месяца, а затем накладываем две практические контрольные переменные значительных событий: 1) которые могут повлиять на логарифмическую доходность биткойна; 2) месяцы, в которые происходят события, не фиксированы — китайский Новый год и окно уменьшения в два раза для биткойна (±2 месяца). Мы используем только контрольные переменные, соответствующие разным календарным месяцам каждого года, чтобы избежать нестабильности оценки модели из-за избыточных виртуальных переменных.

Данный тест направлен на проверку двух распространенных опасений: (i) явление, которое кажется «эффектом месяца», может быть лишь маскировкой периодических событий — например, ликвидности во время празднования Лунного Нового года (LNY) или эффекта халвинга биткойна; (ii) даже если первоначальная модель месяца слабая, после учета этих факторов она может оказаться полезной. На начальном этапе мы использовали половину набора данных для обучения и половину для тестирования. Для оценки ежемесячных прогнозов вероятности использовалась оценка Брайера, которая отражает среднеквадратичную ошибку между прогнозируемой вероятностью и фактическими результатами повышения или понижения (т.е. степень отклонения прогнозов от реальности).

На рисунке 7 столбчатая диаграмма показывает улучшения Brier для каждой модели по сравнению с простым эталоном (использующим только одно значение исторической ставки роста в тренировочном окне). Все столбы ниже нуля, что означает, что производительность каждой варианта контролирующей переменной хуже, чем у постоянного вероятностного эталона. Проще говоря, введение дополнительных календарных признаков на основе месячных меток только увеличивает шум.

Рисунок 7: Улучшенная оценка Брайера модели логистической регрессии с добавленными контрольными переменными в предсказании вне выборки

4. Заключение

Сезонные представления рынка создают вредные преграды для ума инвесторов и могут формировать самоисполняющееся пророчество. Тем не менее, наша модель показывает, что простое предположение о том, что вероятности роста и падения каждый месяц соответствуют долгосрочным историческим средним, превосходит все стратегии торговли на основе календаря. Это настоятельно указывает на то, что календарные модели не содержат эффективной информации для прогнозирования месячного направления Биткойна. Поскольку календарные месяцы не могут надежно предсказать положительное или отрицательное направление логарифмических доходностей, вероятность прогнозирования амплитуды доходностей еще менее вероятна. Синхронное падение в сентябре в предыдущие годы или даже рост, связанный с мифом о "сумасшедшем октябре" Биткойна, возможно, имеет статистический интерес, но не обладает статистической значимостью.