hunter

大家应该都越来越强烈感受到 BTC 的定价权已经从币圈转移了，但是程度有多少还是没有办法确定。今天来看一篇对这个问题做实证研究的论文《BTC 定价权的转移》，论文发表于 2025 年 5 月，覆盖 2016-2024 年日频数据。研究方法是把 16 个候选变量放进隐马尔可夫模型（HMM），用贝叶斯马尔可夫链蒙特卡洛方法（MCMC）反复试探哪些变量对模型有贡献，筛出真正驱动 BTC 价格的因子。16 个变量涵盖美股指数、汇率、黄金、原油、VIX 等宏观指标和算力、矿工收入、CEX 交易量等 BTC 内生指标。所有变量都做了 7 天滞后处理，也就是用一周前的数据来解释当前 BTC 价格，这个设定模拟了实际操作中的信息延迟。论文的核心发现：BTC 定价因子在 2019 年前后发生了切换。2016-2019 年预测表现最好的是纯 BTC 变量组合（矿工收入、算力、CEX 交易量、减半天数），到了 2019-2024 年，表现最好的变成了宏观 + BTC 混合组合（人民币汇率、道琼斯、黄金期货、CEX 交易量），纯 BTC 变量组合的预测表现显著变差。注：数据截止到 2024 年 12 月，包含了 BTC 现货 ETF 获批（2024 年 1 月）后约 11 个月的数据，但论文没有单独拆出 ETF 前后做对比，ETF 带来的结构性变化（机构资金流入、与美股联动加深）没有单独作为因子来分析。减半效应的衰减是这个切换中最直观的例子。2019-2024 子样本中，减半天数直接没过后验概率门槛，被踢出了定价模型。客观地说，减半确实会切掉一半新增供给，但市场已经提前定价了这个所有人都知道日期的事件。因此减半前建仓的叙事依然有市场影响力，但不要假设减半效应会持续推高价格半年以上。论文也证实了宏观因子的具体变量可以互换。标普和道琼斯可以互换，人民币汇率和欧元汇率也可以替换，预测表现差异不大。论文的解释是这些变量之间的高度共线性使得它们在模型中可以相互替代。按我的理解，真正在 BTC 定价中起作用的是"全球风险偏好"和"美元流动性"两个潜在因子，用哪个具体指标来代理关系不大。值得注意的是论文也花了大量篇幅用滚动窗口评估 HMM 的预测能力，但结果不理想，多数场景下从 1 天到 30 天的预测都不具备转化为交易信号的意义。论文提到了波动率和外部冲击等因素，但我认为更根本的原因是框架和市场的结构性不匹配：HMM 的核心假设是状态有"粘性"，单个市场状态（regime）持续 30-60 天，模型需要累积好几天的异常数据才能判断"状态变了"，但 BTC 的价格跳跃是事件驱动的。预测误差率（MAPE）尖峰图也印证了这一点：每次重大事件冲击时模型误差飙升几十倍，HMM 对这些冲击只能事后识别。论文也测试了 LASSO、Elastic Net、随机森林、SVM 四种替代方法来选变量，结果都不如贝叶斯 MCMC：LASSO 和 Elastic Net 几乎不淘汰变量，随机森林选出的最佳因子组合（标普、纳斯达克、道琼斯）全是高度共线的美股指数，放进 HMM 后收敛失败，SVM 的预测误差率（29.52%）接近 HMM 的两倍（15.78%）。

leifuchen's tweet photo. 大家应该都越来越强烈感受到 BTC 的定价权已经从币圈转移了，但是程度有多少还是没有办法确定。今天来看一篇对这个问题做实证研究的论文《BTC 定价权的转移》，论文发表于 2025 年 5 月，覆盖 2016-2024 年日频数据。

研究方法是把 16 个候选变量放进隐马尔可夫模型（HMM），用贝叶斯马尔可夫链蒙特卡洛方法（MCMC）反复试探哪些变量对模型有贡献，筛出真正驱动 BTC 价格的因子。16 个变量涵盖美股指数、汇率、黄金、原油、VIX 等宏观指标和算力、矿工收入、CEX 交易量等 BTC 内生指标。所有变量都做了 7 天滞后处理，也就是用一周前的数据来解释当前 BTC 价格，这个设定模拟了实际操作中的信息延迟。

论文的核心发现：BTC 定价因子在 2019 年前后发生了切换。2016-2019 年预测表现最好的是纯 BTC 变量组合（矿工收入、算力、CEX 交易量、减半天数），到了 2019-2024 年，表现最好的变成了宏观 + BTC 混合组合（人民币汇率、道琼斯、黄金期货、CEX 交易量），纯 BTC 变量组合的预测表现显著变差。

注：数据截止到 2024 年 12 月，包含了 BTC 现货 ETF 获批（2024 年 1 月）后约 11 个月的数据，但论文没有单独拆出 ETF 前后做对比，ETF 带来的结构性变化（机构资金流入、与美股联动加深）没有单独作为因子来分析。

减半效应的衰减是这个切换中最直观的例子。2019-2024 子样本中，减半天数直接没过后验概率门槛，被踢出了定价模型。客观地说，减半确实会切掉一半新增供给，但市场已经提前定价了这个所有人都知道日期的事件。因此减半前建仓的叙事依然有市场影响力，但不要假设减半效应会持续推高价格半年以上。

论文也证实了宏观因子的具体变量可以互换。标普和道琼斯可以互换，人民币汇率和欧元汇率也可以替换，预测表现差异不大。论文的解释是这些变量之间的高度共线性使得它们在模型中可以相互替代。按我的理解，真正在 BTC 定价中起作用的是"全球风险偏好"和"美元流动性"两个潜在因子，用哪个具体指标来代理关系不大。

值得注意的是论文也花了大量篇幅用滚动窗口评估 HMM 的预测能力，但结果不理想，多数场景下从 1 天到 30 天的预测都不具备转化为交易信号的意义。论文提到了波动率和外部冲击等因素，但我认为更根本的原因是框架和市场的结构性不匹配：HMM 的核心假设是状态有"粘性"，单个市场状态（regime）持续 30-60 天，模型需要累积好几天的异常数据才能判断"状态变了"，但 BTC 的价格跳跃是事件驱动的。预测误差率（MAPE）尖峰图也印证了这一点：每次重大事件冲击时模型误差飙升几十倍，HMM 对这些冲击只能事后识别。

论文也测试了 LASSO、Elastic Net、随机森林、SVM 四种替代方法来选变量，结果都不如贝叶斯 MCMC：LASSO 和 Elastic Net 几乎不淘汰变量，随机森林选出的最佳因子组合（标普、纳斯达克、道琼斯）全是高度共线的美股指数，放进 HMM 后收敛失败，SVM 的预测误差率（29.52%）接近 HMM 的两倍（15.78%）。

173

195

51K

hunter @chenouou3

6 months ago

@CryptoMaster_70 LBANK最高是可以持倉80萬u

333

hunter @chenouou3

6 months ago

@CryptoMaster_70 了解希望有機會跟您學習謝謝哥🫡

chenouou3 retweeted

b12ny

@b66ny

7 months ago

有人說1990年代的生活好像比較輕鬆，這話確實很tricky。 ⠀ 客觀來看，那時候鳥事也沒少過，錢難賺，科技爛，叫個外送都沒辦法，但不知道為什麼，日子過得比較完整，不像現在，隨時都在碎掉。 ⠀ 那時候的注意力，有其止損點。 ⠀ 不會焦慮一直滑手機，不會看到眼球脫窗，走進唱片行，CD就那幾排，挑了一張，那張專輯就是整個禮拜的BGM，就算選到一張很難聽的，那個失望也是很具體的，而不是現在這種滑過去就忘記的空虛。 ⠀ 這和做交易不也是一模一樣嗎？ ⠀ 以前研究一檔股票，是把財報印出來讀，現在打開TradingView，幾百多個指標任君選擇，打開推特幾萬個老師在喊盤，今天 BSC 明天 SOL ，注意力被拉到無限分散，根本不知道自己在幹嘛。 ⠀ 並非是機會變多了，而是焦點變得模糊了。 ⠀ 所以以前的快樂，需要花力氣的，想玩遊戲，要準備花上幾小時跟朋友拷貝，或者線上遊戲也要去買來安裝 exe 幾個小時，那個等待的過程，已經把期待感拉到最滿，因為付出過，所以會很珍惜。 ⠀ 現在是按一個鈕，遊戲就下載好了，玩沒幾分鐘就刪掉，然後下一個，什麼都留不住，甚至變成電子陽痿。 ⠀ 交易也是，整天尋找財富密碼，想找一個按下去就能賺錢的聖杯，但哪有這種事，沒有經歷過連續止損的痛苦，沒有為自己的進出場或枯坐搞到半夜三點，難以真正把經驗累積刻進骨子裡。現在什麼都太容易得到，東西根本不會被珍惜，讓人痛不欲生的虧損，才是最好的老師，現在還多了一種看不見的壓力，叫社群焦慮。 ⠀ 會一直感覺到別人的人生正在別的地方起飛，拿著自己的人生自己的日子去對照幾萬個不同版本。 ⠀ 以前虧錢，只是我一個人的事，現在虧錢，打開手機看到別人又賺了100倍，那種感覺比死還難受，無聊變成一種罪，空白時間變成一種需要馬上被填滿的危機。 ⠀ 表面上一切很好，但很少有東西能真的留下來，有時候覺得，可能不是我們變老或長大了，而是懷念那樣的日子，那種活在當下的狀態。不需要一邊活著，一邊在旁邊評估自己活得屌不屌，然後準備隨時切換到下一個看起來更屌的人生。 ⠀ 在這個時代，注意力本身，就是最稀缺的資產。能管好注意力在哪的人，才能管好自己的錢。

215

14K