Coinbase：「九月下跌」效應不保真 Q4 初加密市場將走強

作者：David Duong（CFA），Coinbase 全球研究主管；

Colin Basco，Coinbase 研究助理

翻譯：金色財經 xiaozou

要點：

我們預測 2025 年第四季度初加密市場走強，原因在於韌性充足的流動性、有利的宏觀背景及支持性監管動態，其中比特幣有望表現突出。

數字資產財庫（DATs）的技術需求預計將持續爲加密市場提供支撐，即便行業進入競爭性「玩家對弈」階段。

我們的研究表明，歷史上的月度季節性規律（尤其是「九月效應」）並非加密市場表現的顯著或可靠預測指標。

1、概述

我們相信加密牛市在 2025 年第四季度初仍有延續空間，主要驅動力包括韌性充足的流動性環境、有利宏觀背景及支持性監管動態。我們認爲比特幣尤其有望持續超越市場預期，因其直接受益於現有宏觀順風因素。換言之，除非能源價格出現劇烈波動（或其他可能負面影響通脹趨勢的因素），當前幹擾美國貨幣政策路徑的即時風險實際上相當低。與此同時，數字資產財庫（DATs）的技術需求應繼續爲加密市場提供有力支撐。

然而季節性疑慮持續困擾加密領域——歷史上比特幣在 2017 至 2022 年期間連續六年九月兌美元下跌。盡管這種趨勢使許多投資者認爲季節性因素顯著影響加密市場表現，但該假設在 2023 和 2024 年已被證僞。事實上，我們的研究表明：樣本量過小及可能結果分布過廣，限制了此類季節性指標的統計顯著性。

對加密市場而言更關鍵的問題在於：我們處於 DAT 週期的早期還是晚期階段？截至 9 月 10 日，公共 DATs 持有超過 100 萬枚 BTC（1100 億美元）、490 萬枚 ETH（213 億美元）及 890 萬枚 SOL（18 億美元），而後期入場者已開始瞄準風險曲線更下遊的替代幣。我們認爲當前正處於週期的"玩家對弈"（PvP）階段，這將繼續推動資金流向大型加密資產。但這也極可能預示着小型 DAT 參與者即將進入整合階段的前兆。

2、前景依然樂觀

年初我們曾提出：加密市場將在 2025 年上半年觸底，並在 2025 年下半年創下歷史新高。這在當時是偏離市場共識的觀點——彼時市場參與者對潛在衰退心存憂慮，質疑價格漲是否意味着市場非理性暴漲，並擔憂任何復蘇的可持續性。但我們發現這些觀點存在誤導性，所以還是回到我們獨到的宏觀展望視角。

進入第四季度，我們對加密市場保持樂觀展望，預期將持續獲得強勁流動性、有利宏觀經濟環境及鼓舞性監管進展的支撐。在貨幣政策方面，我們預計联准会將在 9 月 17 日和 10 月 29 日實施降息，因美國勞動力市場已提供疲軟的強有力證據。我們認爲這非但不會形成局部頂點，反而將激活場外觀望資金。事實上，我們在 8 月曾指出：利率下降可能促使貨幣市場基金中 7.4 萬億美元資金的重要組成部分結束觀望狀態。

盡管如此，當前通脹軌跡若發生重大轉變（例如能源價格漲）將對此展望構成風險。（注：我們認爲關稅實際帶來的風險遠低於某些觀點所評估的程度。）但 OPEC+近期已同意再次增產石油，而全球石油需求正顯現放緩跡象。不過，對俄羅斯實施更多制裁的前景也可能推高油價。目前我們預計油價不會突破使經濟情境陷入滯脹區間的閾值。

3、DAT週期正在成熟化

另一方面，我們相信數字資產財庫（DATs）的技術需求預計將持續爲加密市場提供支撐。事實上，DAT 現象已到達關鍵轉折點。我們既不再處於過去 6-9 個月特徵的早期採用階段，也不認爲已接近週期尾聲。事實上，我們已進入所謂的"玩家對弈"（PvP）階段——這是一個競爭性階段，成功越來越取決於執行力、差異化策略和時機把握，而非簡單復制 MicroStrategy 的運作模式。

確實，早期行動者如 MicroStrategy 曾享受較淨資產價值（NAV）大幅溢價，但競爭壓力、執行風險與監管約束已導致 mNAV（市值相對淨資產價值比率）壓縮。我們認爲早期採用者受益的稀缺性溢價已然消散。盡管如此，專注比特幣的 DATs 目前持有超 100 萬枚 BTC，約佔該代幣流通供應量的 5%。同樣，頂級專注 ETH 的 DATs 合計持有約 490 萬枚 ETH（213 億美元），佔 ETH 總流通供應量的 4%以上。

圖1. ETH專項數字資產財庫持續加速購入態勢

8 月份，《金融時報》報道顯示 154 家美國上市公司在 2025 年已籌集約 984 億美元用於加密資產購置，較今年前 10 家公司籌集的 336 億美元大幅增長（基於 Architect Partners 數據）。其他代幣的資本投入也在增長，尤其是 SOL 與其他替代幣。（Forward Industries 近期籌集 16.5 億美元成立基於 SOL 的數字資產財庫，該項目由 Galaxy Digital、Jump Crypto 和 Multicoin Capital 提供支持。）

這種增長已引發更嚴格審查。事實上，近期報告表明納斯達克正加強對 DATs 的監管，要求特定交易須經股東批準，並倡導加強信息披露。不過納斯達克澄清稱，並未就針對DATs的新規則發布任何正式新聞通稿。

目前我們認爲 DAT 週期正在成熟化，但既非早期也非晚期。可以肯定的是，在我們看來，輕鬆獲利與保證 mNAV 溢價的時代已經結束——在這個 PvP 階段，只有最具紀律性和戰略布局的參與者才能蓬勃發展。我們預期加密市場將繼續受益於這些載體流入的空前資本，從而提升回報表現。

3、季節性風險是否真實存在？

與此同時，季節性波動是加密市場參與者一直關注的問題。比特幣在 2017 至 2022 年間連續六年九月兌美元下跌，過去十年平均負收益率爲 3%。這給許多投資者留下季節性因素嚴重影響加密市場表現、九月通常是持有風險資產不利時機的印象。然而若基於此假設進行交易，其在 2023 與 2024 年均會被證僞。

事實上，我們認爲月度季節性波動並非比特幣的有效交易信號。通過頻率分布圖、邏輯優勢比、樣本外評分、安慰劑檢驗及控制變量等多種方法驗證，結論一致：年度月份並非 BTC 月度對數收益率正負值的統計可靠預測指標。（注：我們使用對數收益率衡量幾何或復合增長，因其更好反映長期趨勢並兼顧比特幣較高波動性。）

圖2.比特幣月度對數收益率熱力圖

以下測試發現「日曆月份」對於預測比特幣月度對數收益率正負值不可靠：

（1）威爾遜置信區間

圖 3 顯示在考慮小樣本不確定性後，沒有任何月份能突破預測季節性的明顯門檻。那些看似"偏高"（2 月/10 月）或"偏低"（8 月/9 月）的月份，其誤差範圍與整體平均值及其他月份相互重疊，表現的是隨機方差而非持續的日曆效應。

每個圓點顯示 BTC 在該月份以漲收尾的概率佔比；垂直線/條形圖代表 95%威爾遜置信區間帶——當每個月僅存在約 12-13 個數據點時，此乃恰當度量標準，因其能爲小樣本提供更準確的不確定性閾值。

虛線顯示整體漲概率平均值。由於我們同時審視 12 個月份數據，我們採用霍姆多重檢驗調整法，以避免某個幸運月份僞裝成規律性模式。

圖3. BTC正對數收益率與95%威爾遜置信區間

（2）邏輯回歸分析

我們採用邏輯回歸模型檢驗特定月份對比特幣漲跌概率的影響（以一月爲基準）。圖 4 顯示各月份的比值比大多集中在 1.0 附近，關鍵在於其 95%置信區間均跨越 1.0 界線。

數值接近 1.0 表示「與一月獲得正對數收益率的概率相同」，高於 1.0 表示"概率更高"，低於 1.0 表示"概率更低"。

例如，比值比 1.5 意味着「漲月份概率比一月高約 50%」，而 0.7 則表示"概率低約 30%"。

由於大多數置信區間跨越 1.0 且經霍姆多重檢驗調整後無月份呈現顯著性，我們無法認定日曆月份是預測比特幣對數收益率正負值的有效指標。

圖 4. 邏輯回歸——月度 BTC 對數收益率正負值相對於一月（基準）的概率比值

（3）樣本外預測

在每個步驟中，我們僅使用截至該月可用數據重新估算兩種模型（初始階段採用半數數據集進行訓練）：

基準模型是僅含截距項的邏輯模型，其僅預測恆定概率（等於歷史至今正收益月份佔比的基準率）。

月份效應（MoY）模型是包含月份虛擬變量的邏輯回歸；它根據該月份過往表現預測當前日曆月份出現漲月份的概率。

我們的結果呈現在圖 5 中，其中 X 軸代表正對數收益率月份的預測概率，Y 軸代表實際實現正收益的月份佔比。在繪制預測結果時，完美校準的模型數據點應沿 45°線分布——例如預測 50%漲概率時實際漲月份佔比恰爲 50%。

月份效應（MoY）模型存在顯著偏差。例如：

當預測漲概率約爲 27%時，實際實現頻率約 50%（過度悲觀）；

在 45-60%預測區間內僅大致接近目標；

在高概率區間則過度自信——例如約 75%的預測對應約 70%的實現值，而極端區間預測約 85%卻實現約 0%。

相比之下，始終預測歷史基準率（約55-57%漲概率）的基準模型緊貼 45°線，且鑑於比特幣歷史上正收益月份概率相對穩定，該線幾乎不發生移動。簡言之，該結果表明日曆月份在樣本外預測中幾乎不具備預測能力。

圖5：月份效應（MoY）邏輯回歸模型的樣本外預測準確度

（4）安慰劑隨機檢驗

爲驗證「月份標籤」是否有助於預測正負對數收益率，我們採用帶月份虛擬變量的簡單邏輯模型，並通過整體檢驗判斷這些變量是否比無月份基準模型提升擬合度（標準似然比聯合檢驗）。觀測得到 p 值爲 0.15，這意味着即使月份因素無關緊要，僅憑偶然性出現至少如此顯著模式的概率約爲 15%。隨後我們隨機打亂月份標籤數千次，每次重新進行相同聯合檢驗。

結果顯示約 19%的隨機打亂操作產生小於或等於觀測 p 值的結果（圖 6）。

簡言之，該結果在純隨機條件下十分常見，這強化了「不存在月份信號」的結論。若月份標籤具有統計意義，真實數據聯合檢驗應呈現 p 值<0.05，且打亂操作中產生如此小 p 值的比例應低於 5%。

圖6.邏輯模型中隨機打亂「月份」標籤產生的安慰劑p值分布

（5）控制變量測試

添加現實日曆標志並未解鎖可交易優勢——且通常會使漲跌方向預測準確度下降。我們採用相同月份虛擬變量重新估算"正收益月份概率"，隨後疊加兩項重大事件的實踐控制變量：1）可能影響比特幣對數收益率；2）每年發生月份不固定——農歷新年與比特幣減半窗口（±2 個月）。我們僅使用每年對應不同日曆月份的控制變量，以避免冗餘虛擬變量導致模型估計不穩定。

本測試旨在驗證兩個常見疑慮：（i）看似"月份效應"的現象可能只是週期性事件的僞裝——例如農歷新年（LNY）流動性或比特幣減半效應；（ii）即便原始月份模式微弱，在考慮這些驅動因素後或可產生效用。初始階段，我們採用半數數據集訓練，半數用於測試。使用Brier評分評估每月概率預測，該評分反映預測概率與實際漲跌結果之間的平均平方誤差（即預測值與現實的偏離程度）。

圖 7 中，柱狀圖顯示各模型相較於簡單基準（僅使用訓練窗口歷史上漲率單一數值）的 Brier 改進值。所有柱體均低於零，意味着每個控制變量變體的表現均差於恆定概率基準。簡言之，在月份標籤基礎上引入額外日曆標志僅增加了噪聲。

圖7：添加控制變量的邏輯回歸模型在樣本外預測中的Brier改進評分

4、結論

市場季節性觀念對投資者心智產生有害桎梏，且可能形成自我實現的預言。然而我們的模型表明：單純假設每月漲跌概率與長期歷史平均值基本一致的表現，優於所有基於日曆的交易策略。這強烈暗示日曆模式並不包含預測比特幣月度方向的有效信息。既然日曆月份無法可靠預測對數收益率的正負方向，其預測收益率幅度的可能性更是微乎其微。往年九月的同步下跌乃至比特幣"暴漲十月"傳說中的漲幅或許具有統計趣味性，但均不具備統計顯著性。