作者：David Duong（CFA），Coinbase全球研究主管；Colin Basco，Coinbase研究助理；翻译：xiaozou

要点：

我们预测2025年第四季度初加密市场走强，原因在于韧性充足的流动性、有利的宏观背景及支持性监管动态，其中比特币有望表现突出。

数字资产财库（DATs）的技术需求预计将持续为加密市场提供支撑，即便行业进入竞争性"玩家对弈"阶段。

我们的研究表明，历史上的月度季节性规律（尤其是"九月效应"）并非加密市场表现的显著或可靠预测指标。

1、概述

我们相信加密牛市在2025年第四季度初仍有延续空间，主要驱动力包括韧性充足的流动性环境、有利宏观背景及支持性监管动态。我们认为比特币尤其有望持续超越市场预期，因其直接受益于现有宏观顺风因素。换言之，除非能源价格出现剧烈波动（或其他可能负面影响通胀趋势的因素），当前干扰美国货币政策路径的即时风险实际上相当低。与此同时，数字资产财库（DATs）的技术需求应继续为加密市场提供有力支撑。

然而季节性疑虑持续困扰加密领域——历史上比特币在2017至2022年期间连续六年九月兑美元下跌。尽管这种趋势使许多投资者认为季节性因素显著影响加密市场表现，但该假设在2023和2024年已被证伪。事实上，我们的研究表明：样本量过小及可能结果分布过广，限制了此类季节性指标的统计显著性。

对加密市场而言更关键的问题在于：我们处于DAT周期的早期还是晚期阶段？截至9月10日，公共DATs持有超过100万枚BTC（1100亿美元）、490万枚ETH（213亿美元）及890万枚SOL（18亿美元），而后期入场者已开始瞄准风险曲线更下游的替代币。我们认为当前正处于周期的"玩家对弈"（PvP）阶段，这将继续推动资金流向大型加密资产。但这也极可能预示着小型DAT参与者即将进入整合阶段的前兆。

2、前景依然乐观

年初我们曾提出：加密市场将在2025年上半年触底，并在2025年下半年创下历史新高。这在当时是偏离市场共识的观点——彼时市场参与者对潜在衰退心存忧虑，质疑价格上涨是否意味着市场非理性暴涨，并担忧任何复苏的可持续性。但我们发现这些观点存在误导性，所以还是回到我们独到的宏观展望视角。

进入第四季度，我们对加密市场保持乐观展望，预期将持续获得强劲流动性、有利宏观经济环境及鼓舞性监管进展的支撑。在货币政策方面，我们预计美联储将在9月17日和10月29日实施降息，因美国劳动力市场已提供疲软的强有力证据。我们认为这非但不会形成局部顶点，反而将激活场外观望资金。事实上，我们在8月曾指出：利率下降可能促使货币市场基金中7.4万亿美元资金的重要组成部分结束观望状态。

尽管如此，当前通胀轨迹若发生重大转变（例如能源价格上涨）将对此展望构成风险。（注：我们认为关税实际带来的风险远低于某些观点所评估的程度。）但OPEC+近期已同意再次增产石油，而全球石油需求正显现放缓迹象。不过，对俄罗斯实施更多制裁的前景也可能推高油价。目前我们预计油价不会突破使经济情境陷入滞胀区间的阈值。

3、DAT周期正在成熟化

另一方面，我们相信数字资产财库（DATs）的技术需求预计将持续为加密市场提供支撑。事实上，DAT现象已到达关键转折点。我们既不再处于过去6-9个月特征的早期采用阶段，也不认为已接近周期尾声。事实上，我们已进入所谓的"玩家对弈"（PvP）阶段——这是一个竞争性阶段，成功越来越取决于执行力、差异化策略和时机把握，而非简单复制MicroStrategy的运作模式。

确实，早期行动者如MicroStrategy曾享受较净资产价值（NAV）大幅溢价，但竞争压力、执行风险与监管约束已导致mNAV（市值相对净资产价值比率）压缩。我们认为早期采用者受益的稀缺性溢价已然消散。尽管如此，专注比特币的DATs目前持有超100万枚BTC，约占该代币流通供应量的5%。同样，顶级专注ETH的DATs合计持有约490万枚ETH（213亿美元），占ETH总流通供应量的4%以上。

图1. ETH专项数字资产财库持续加速购入态势

8月份，《金融时报》报道显示154家美国上市公司在2025年已筹集约984亿美元用于加密资产购置，较今年前10家公司筹集的336亿美元大幅增长（基于Architect Partners数据）。其他代币的资本投入也在增长，尤其是SOL与其他替代币。（Forward Industries近期筹集16.5亿美元成立基于SOL的数字资产财库，该项目由Galaxy Digital、Jump Crypto和Multicoin Capital提供支持。）

这种增长已引发更严格审查。事实上，近期报告表明纳斯达克正加强对DATs的监管，要求特定交易须经股东批准，并倡导加强信息披露。不过纳斯达克澄清称，并未就针对DATs的新规则发布任何正式新闻通稿。

目前我们认为DAT周期正在成熟化，但既非早期也非晚期。可以肯定的是，在我们看来，轻松获利与保证mNAV溢价的时代已经结束——在这个PvP阶段，只有最具纪律性和战略布局的参与者才能蓬勃发展。我们预期加密市场将继续受益于这些载体流入的空前资本，从而提升回报表现。

3、季节性风险是否真实存在？

与此同时，季节性波动是加密市场参与者一直关注的问题。比特币在2017至2022年间连续六年九月兑美元下跌，过去十年平均负收益率为3%。这给许多投资者留下季节性因素严重影响加密市场表现、九月通常是持有风险资产不利时机的印象。然而若基于此假设进行交易，其在2023与2024年均会被证伪。

事实上，我们认为月度季节性波动并非比特币的有效交易信号。通过频率分布图、逻辑优势比、样本外评分、安慰剂检验及控制变量等多种方法验证，结论一致：年度月份并非BTC月度对数收益率正负值的统计可靠预测指标。（注：我们使用对数收益率衡量几何或复合增长，因其更好反映长期趋势并兼顾比特币较高波动性。）

图2. 比特币月度对数收益率热力图

以下测试发现"日历月份"对于预测比特币月度对数收益率正负值不可靠：

（1）威尔逊置信区间

图3显示在考虑小样本不确定性后，没有任何月份能突破预测季节性的明显门槛。那些看似"偏高"（2月/10月）或"偏低"（8月/9月）的月份，其误差范围与整体平均值及其他月份相互重叠，表现的是随机方差而非持续的日历效应。

每个圆点显示BTC在该月份以上涨收尾的概率占比；垂直线/条形图代表95%威尔逊置信区间带——当每个月仅存在约12-13个数据点时，此乃恰当度量标准，因其能为小样本提供更准确的不确定性阈值。

虚线显示整体上涨概率平均值。由于我们同时审视12个月份数据，我们采用霍姆多重检验调整法，以避免某个幸运月份伪装成规律性模式。

图3. BTC正对数收益率与95%威尔逊置信区间

（2）逻辑回归分析

我们采用逻辑回归模型检验特定月份对比特币涨跌概率的影响（以一月为基准）。图4显示各月份的比值比大多集中在1.0附近，关键在于其95%置信区间均跨越1.0界线。

数值接近1.0表示"与一月获得正对数收益率的概率相同"，高于1.0表示"概率更高"，低于1.0表示"概率更低"。

例如，比值比1.5意味着"上涨月份概率比一月高约50%"，而0.7则表示"概率低约30%"。

由于大多数置信区间跨越1.0且经霍姆多重检验调整后无月份呈现显著性，我们无法认定日历月份是预测比特币对数收益率正负值的有效指标。

图4. 逻辑回归——月度BTC对数收益率正负值相对于一月（基准）的概率比值

（3）样本外预测

在每个步骤中，我们仅使用截至该月可用数据重新估算两种模型（初始阶段采用半数数据集进行训练）：

基准模型是仅含截距项的逻辑模型，其仅预测恒定概率（等于历史至今正收益月份占比的基准率）。

月份效应（MoY）模型是包含月份虚拟变量的逻辑回归；它根据该月份过往表现预测当前日历月份出现上涨月份的概率。

我们的结果呈现在图5中，其中X轴代表正对数收益率月份的预测概率，Y轴代表实际实现正收益的月份占比。在绘制预测结果时，完美校准的模型数据点应沿45°线分布——例如预测50%上涨概率时实际上涨月份占比恰为50%。

月份效应（MoY）模型存在显著偏差。例如：

当预测上涨概率约为27%时，实际实现频率约50%（过度悲观）；

在45-60%预测区间内仅大致接近目标；

在高概率区间则过度自信——例如约75%的预测对应约70%的实现值，而极端区间预测约85%却实现约0%。

相比之下，始终预测历史基准率（约55-57%上涨概率）的基准模型紧贴45°线，且鉴于比特币历史上正收益月份概率相对稳定，该线几乎不发生移动。简言之，该结果表明日历月份在样本外预测中几乎不具备预测能力。

图5：月份效应（MoY）逻辑回归模型的样本外预测准确度

（4）安慰剂随机检验

为验证"月份标签"是否有助于预测正负对数收益率，我们采用带月份虚拟变量的简单逻辑模型，并通过整体检验判断这些变量是否比无月份基准模型提升拟合度（标准似然比联合检验）。观测得到p值为0.15，这意味着即使月份因素无关紧要，仅凭偶然性出现至少如此显著模式的概率约为15%。随后我们随机打乱月份标签数千次，每次重新进行相同联合检验。

结果显示约19%的随机打乱操作产生小于或等于观测p值的结果（图6）。

简言之，该结果在纯随机条件下十分常见，这强化了"不存在月份信号"的结论。若月份标签具有统计意义，真实数据联合检验应呈现p值<0.05，且打乱操作中产生如此小p值的比例应低于5%。

图6. 逻辑模型中随机打乱"月份"标签产生的安慰剂p值分布

（5）控制变量测试

添加现实日历标志并未解锁可交易优势——且通常会使涨跌方向预测准确度下降。我们采用相同月份虚拟变量重新估算"正收益月份概率"，随后叠加两项重大事件的实践控制变量：1）可能影响比特币对数收益率；2）每年发生月份不固定——农历新年与比特币减半窗口（±2个月）。我们仅使用每年对应不同日历月份的控制变量，以避免冗余虚拟变量导致模型估计不稳定。

本测试旨在验证两个常见疑虑：（i）看似"月份效应"的现象可能只是周期性事件的伪装——例如农历新年（LNY）流动性或比特币减半效应；（ii）即便原始月份模式微弱，在考虑这些驱动因素后或可产生效用。初始阶段，我们采用半数数据集训练，半数用于测试。使用Brier评分评估每月概率预测，该评分反映预测概率与实际涨跌结果之间的平均平方误差（即预测值与现实的偏离程度）。

图7中，柱状图显示各模型相较于简单基准（仅使用训练窗口历史上涨率单一数值）的Brier改进值。所有柱体均低于零，意味着每个控制变量变体的表现均差于恒定概率基准。简言之，在月份标签基础上引入额外日历标志仅增加了噪声。

图7：添加控制变量的逻辑回归模型在样本外预测中的Brier改进评分

4、结论

市场季节性观念对投资者心智产生有害桎梏，且可能形成自我实现的预言。然而我们的模型表明：单纯假设每月涨跌概率与长期历史平均值基本一致的表现，优于所有基于日历的交易策略。这强烈暗示日历模式并不包含预测比特币月度方向的有效信息。既然日历月份无法可靠预测对数收益率的正负方向，其预测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币"暴涨十月"传说中的涨幅或许具有统计趣味性，但均不具备统计显著性。