Coinbase：「九月魔咒」或失效，DAT将持续为加密市场提供支撑

原文翻译：xiaozou，金色财经

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

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。