原文標題：Monthly Outlook: Debunking the Seasonality Myth
原文作者：David Duong，Coinbase 全球研究主管；Colin Basco，Coinbase 研究助理

原文翻譯：xiaozou，黃金財經

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

數位資產財庫（DATs）的技術需求預計將持續為加密市場提供支撐，即便產業進入競爭性"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。我們認為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膨趨勢的因素），目前幹擾美國貨幣政策路徑的即時風險實際上相當低。同時，數位資產財庫（DATs）的技術需求應持續為加密市場提供強力支撐。

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。儘管這種趨勢使許多投資者認為季節性因素顯著影響加密市場表現，但該假設在 2023 和 2024 年已被證偽。事實上，我們的研究顯示：樣本量過小及可能結果分佈過廣，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（1,100 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游的替代幣。我們認為目前正處於週期的"玩家對弈"（PvP）階段，這將繼續推動資金流向大型加密資產。但這也極可能預示著小型 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，質疑價格上漲是否意味著市場非理性暴漲，並擔憂任何復甦的可持續性。但我們發現這些觀點有誤導性，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，我們預期聯準會將在 9 月 17 日和 10 月 29 日實施降息，因美國勞動市場已提供疲軟的強有力證據。我們認為這不但不會形成局部頂點，反而將啟動場外觀望資金。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 兆美元資金的重要組成部分結束觀望狀態。

儘管如此，目前通膨軌跡若發生重大轉變（例如能源價格上漲）將對此展望構成風險。 （註：我們認為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，對俄羅斯實施更多製裁的前景也可能推高油價。目前我們預期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，我們相信數位資產財庫（DATs）的技術需求預計將持續為加密市場提供支撐。 事實上，DAT 現像已到達關鍵轉折點。我們既不再處於過去 6-9 個月特徵的早期採用階段，也不認為已接近週期尾聲。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，而非簡單複製 MicroStrategy 的運作模式。

確實，早期行動者如 MicroStrategy 曾享有較淨資產價值（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。 我們認為早期採用者受益的稀少性溢價已然消散。 儘管如此，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 專案數位資產財庫持續加速購入態勢

8 月份，《金融時報》報導顯示 154 家美國上市公司在 2025 年已籌集約 984 億美元，今年預購加密公司 1025 年已籌集約 984 億美元，億美元大幅成長（基於 Architect Partners 數據）。其他代幣的資本投入也在成長，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 的數位資產財庫，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，近期報告顯示納斯達克正加強對 DATs 的監管，要求特定交易須經股東批准，並倡導加強資訊揭露。 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。

目前我們認為 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佈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，進而提升回報表現。

3、季節性風險是否真實存在？

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，過去十年平均負殖利率為 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 年均會被證偽。

事實上，我們認為月度季節性波動並非比特幣的有效交易訊號。 透過頻率分佈圖、邏輯優勢比、樣本外評分、安慰劑檢定及控制變數等多種方法驗證，結論一致：年度月份並非 BTC 月對數收益率正負值的統計可靠預測指標。 （註：我們使用對數收益率來衡量幾何或複合增長，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）威爾遜區間

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 在該月份以上漲收尾的機率佔比；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，因其能為小樣本提供更準確的不確定性閾值。

虛線顯示整體上漲機率平均值。由於我們同時檢視 12 月份數據，我們採用霍姆多重檢定調整法，以避免某個幸運月份偽裝成規律性模式。

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

我們採用基準成本數來檢驗我們對比特幣價格下跌）。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% 信賴區間均跨越 1.0 界線。

數值接近 1.0 表示"與一月獲得正對數收益率的機率相同"，高於 1.0 表示"機率更高"，低於 1.0 表示"機率較低」。

例如，比值比 1.5 意味著"上漲月份機率比一月高約 50%"，而 0.7 則表示"機率低約 30%"。

由於大多數信賴區間跨越 1.0 且經霍姆多重檢定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. 邏輯迴歸－月度 BTC對數報酬率正負值相對於一月（基準）的機率比值

（3）樣本外預測

在每個步驟中，我們只使用截至該月可用資料重新估算兩種模型（初始訓練階段採用半數數）資料集

基準模型是僅含截距項的邏輯模型，其僅預測恆定機率（等於歷史至今正收益月份所佔的基準率）。

月份效應（MoY）模型是包含月份虛擬變數的邏輯迴歸；它根據該月份過往表現預測當前日曆月份出現上漲月份的機率。

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機率，Y 軸代表實際實現正收益的月份佔比。在繪製預測結果時，完美校準的模型資料點應沿著 45°線分佈——例如預測 50% 上漲機率時實際上漲月份佔比恰為 50%。

月份效應（MoY）模型有顯著偏差。例如：

當預測上漲機率約為 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；

的實現值，而極端區間預測約 85% 卻實現約 0%。

相較之下，始終預測歷史基準比率（約 55-57% 上漲機率）的基準模型緊貼 45°線，且鑑於比特幣歷史上正收益月份機率相對穩定，該線幾乎不發生移動。簡言之，該結果顯示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）邏輯迴歸模型的樣本外預測準確度

（4）安慰劑隨機檢定

為驗證"月份標籤"是否有助於預測正負對數收益率，我們採用月份虛擬變數的簡單邏輯模型，並透過整體檢定判斷這些變數是否比無月份基準模型提升適合度（標準似然比聯合檢定）。觀測得到 p 值為 0.15，這意味著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機率約為 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定。

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，此結果在純隨機條件下十分常見，這強化了"不存在月份訊號"的結論。若月份標籤具有統計意義，真實資料聯合檢定應呈現 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」標籤所產生的安慰劑 p 值分佈

（5）控制變數測試

（5）控制變數測試

添加現實行事曆標誌且可將交易性下跌程度降低且可增加交易性下跌。我們採用相同月份虛擬變數重新估算"正收益月份機率"，隨後疊加兩項重大事件的實踐控制變數：1）可能影響比特幣對數收益率；2）每年發生月份不固定－農曆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。

本測驗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偽裝－例如農曆新年（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，我們採用半數資料集訓練，半數用於測試。使用 Brier 評分評估每月機率預測，該評分反映預測機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，長條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，意味著每個控制變數變體的表現均差於恆定機率基準。簡言之，在月份標籤基礎上引入額外日曆標誌僅增加了噪音。

圖 7：增加控制變數的邏輯迴歸模型在樣本外預測的 Brier 改善分數

4、結論

4、結論

4、結論

然而我們的模型顯示：單純假設每月漲跌機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資訊。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。

https://t.me/theblockbeats

Telegram 交流群：https://t.me/BlockBeats_App

Twitter 官方帳號：https://twitter.com/BlockBeatsAsia