（罗琳夫人，梵高）
前言：对比特币的未来估值的观点从来都不一致，甚至有很大的意见向左。有人认同S2F模型，有人相信有效市场假说，有人担心矿工会在减半后投降，有人认为比特币是有效市场，很多信息已经计入价格，而有人认为市场高估了风险......不同的看法，带来不同的决策。这会继续伴随比特币的成长历史。本文作者PlanB，由“蓝狐笔记”社群的“JoTo”翻译。
介绍
比特币S2F模型发布于2019年3月，它受到比特币支持者和投资者的欢迎，很多分析师也验证了协整S2F模型，并确认其价格预测。（蓝狐笔记：Stock-to-Flow模型，是衡量稀缺性的指标。假设黄金的S2F为62，那么，需要62年的时间才能生产出现有黄金的存量，也就是说S2F越高，新增越慢，物品越稀缺。比特币会在下次减半后达到黄金近似的水平）
S2F模型也受到了批评。反对S2F模型的最佳论点则来自于有效市场假说（EMH，Efficient Market Hypothesis）。该论点声称S2F模型基于公开信息（S2F，比特币供应量轨迹可见），因此分析和结论已经计入价格。
本文会分享关于S2F模型和EMH的观点，我分析套利机会，风险与回报模型以及衍生品市场。
S2F模型
S2F模型是作为比特币估值模型发布的，其灵感来自于Nick Szabo的不可伪造的稀缺性概念以及Saifedean Ammous的S2F分析。S2F是对稀缺性的衡量。随着时间的推移，S2F和比特币价格之间的幂律关系捕捉了比特币复杂的网络效应动态系统的底层规律，正如Trace Mayer所提到的。
S2F模型是幂律函数，适用于2009年10到2019年2月的月度数据：BTC价格=0.4*S2F ^3
，其中S2F=1/通胀率。2009到2019的年度数据的较新模型则得出更高的预测：BTC价格=0.18*S2F ^3.3
以太坊2.0合约质押数量达1086万ETH:金色财经消息，据欧科云链链上大师数据显示，当前以太坊2.0存款合约地址已收到10,866,610ETH，占以太坊当前流通量的9.20%。近一周新增16.6万ETH，质押年化收益率约合4.79%。[2022/3/31 14:29:50]
Nick Phraudsta是第一位验证（或更好地“不伪造”）S2F模型的人，它添加了协整分析，表明这种相关性可能不是虚假的。Marcel Burger验证了S2F模型和协整性，并进行一些其他的统计检验。Mannel Andersch是第一个验证S2F模型和协整性的机构投资者。
有效市场假说
有效市场假说（EMH）是金融经济学中众所周知的理论。有效市场假说基于哈耶克等人的思想，根据哈耶克（1974年诺贝尔奖得主）的理论，市场是信息处理系统，可以提供最好可能的价格发现。有效市场假说的正式描述来自于Eugene Fama（1973年诺贝尔奖得主），并具有如下三种：
*弱有效市场假说
历史价格数据已经计入价格，不能用来获利。技术分析（TA）和时间序列分析（TSA）不起作用。
*半强有效市场假说
来自MSNBC、彭博社、WSJ以及研究公司等媒体的公开新闻已经计入价格，不能用来获利。基本面分析（FA）不起作用。
*强有效市场假说
即使有内部消息也无法用来获利。因为所有信息都已经被计入价格。
大多数投资者和经济学家都同意现代金融市场具有相当高的效率（即，他们接受弱和半强的有效市场假说），然而，他们拒绝强有效市场假说。（蓝狐笔记：也就是他们认为，历史价格数据和基本面分析已经计入价格，很难用来获利。但内部消息不属于此范畴）
继有效市场假说之后，S2F模型也应该被计入价格，因为它是基于公开可获取的数据（S2F）。
风险和回报
老实说，在我作为机构投资者管理数十亿欧元资产负债表的20多年的经验中，我从来没直接使用过有效市场假说。在实践中，我们假定有效市场假说，并使用风险与收益模型。
数据：持有超1000枚BTC的地址数量仍保持上升趋势:据Santiment链上数据分析显示，BTC巨鲸并没有放慢对BTC的囤仓，持有超1000枚BTC的地址数量仍在继续保持上升趋势。[2021/6/10 23:27:02]
*假定有效市场假说
有人认为比特币市场效率不高，但我不认同。在以往，你可以用USD在一个交易所买入比特币，然后在另外一个交易所买出，获得EUR或JPY，然后将其换回USD获利，这个时候，套利是可能的。但这些日子一去不复返，可以看看下图（GMT 2020.1.13 20:00的价格）：
BTCUSD = 8100
BTCEUR = 7300
BTCUSD/BTCEUR = 8100/7300 = 1.11
EURUSD = 1.11
BTCJPY = 885.000
BTCJPY/BTCUSD = 885.000/8100 = 109
USDJPY = 109
或许通过大型计算机、快速的通信线路以及高频交易算法（HFT）依然能够赚钱，但容易套利的机会已经没有了。我们可以放心地认为，日交易量达到100亿美元的1500亿美元的比特币市场是相当有效的。
风险&收益模型
假定有效市场假说并不意味着你无法赚钱。你只需冒险。有效市场假说和无套利引导我们进入风险&收益模型。
Harry Markowitz（1990年诺贝尔奖得主）凭借其著名的投资组合理论（PT）提出了一种早期风险&收益模型。William Sharpe（1990年诺贝尔奖得主）发表了其著名的资本资产定价模型（CAPM）。根据Markowitz和Sharepe说法，所有的收益都可以用风险来解释。
这是一个简化的风险&收益模型（没有相关性和外来数学）：
债券，黄金，股票：1955-2019数据。比特币：2009-2019数据。
了解这个图表至关重要，让我们深入了解一下。
该图表的x轴是风险（最大年度亏损），y轴是收益（平均年度回报）。
图表显示了三种经典资产：债券、黄金和股票。债券有最低的风险（8%）和最低的收益（6%）。黄金有较高的风险（33%）和较高的收益（7.5%）。股票有最高的风险（40%）和最高的收益（8%）。
关键见解是，这与有效市场假说一致，收益可以仅用风险来解释。如果你遇到超出上述范围的资产，那么，第一反应可能是一个巨大的投资机会。一个更好的反应（从有效市场假说和无套利的角度看）是太好了，难以置信。
我们可能忽略了风险（或对风险的计算有误），应该尝试将这个资产带入正常范围。量化风险（波动性）是很难的，对金融机构的量化专家来说也是如此。如果投资者对风险的计算低于市场的计入价格，并且如果他确切地知道资产为什么超出范围，那么，只在这个时候，他才应该决定投资。
比特币实际上是“图表范围外”的东西：200%的回报，80%的风险。由于我无法在图表上绘制它，因此，我将其调整为1%的比特币加上99%的现金投资。这种比特币的投资远远超过正常范围：8%的回报，1%的风险（请注意，即使比特币下跌了99%，你也不会损失超过1%，因为你只投资了1%）。因此，我的第一反应是：市场看到不在数据中的风险。这是一些可能的风险清单：
*比特币失败的风险
*政府将比特币定为非法并起诉开发者的风险
*致命软件错误的风险
*交易所被黑客入侵的风险
*中心化矿工发起51%攻击的风险
*减半后矿工死亡螺旋的风险
*硬分叉的风险
从有效市场假说和风险&收益的角度看，所有这些风险都应该包含在价格数据中。但是，这些风险并不在数据中。根据有效市场假说和图表中的风险&收益公式，1%的风险应该给出5.5%+6.2%*1%=5.6%的回报。数据显示，在过去11年，1%的比特币+99%的现金，拥有8%的回报。
看上去，这些风险似乎已经被市场高估，并且与S2F模型一致，比特币确实是一个巨大的投资机会。
衍生品市场
让我们看一下，衍生品市场告诉我们未来是什么。
期权市场在下一个减半时或之后没有出现峰值：
期货市场跟期权的市场相同：未来价格会略高，但减半或减半后不会出现峰值，这表明减半时不会发生特殊情况：
这很有趣，因为S2F模型预测在减半后会有更高的价格。我们应该如何解释？
我认为简单的答案是，当前市场高估了未来的风险，就像在过去11年中高估了风险一样。高效的比特币市场不仅低估了稀缺性的基本价值（S2F模型），也高估了所有这些风险：
*42%的投资者将比特币期货视为最大风险（鲸鱼通过“纸比特币”操作比特币价格）
*16%的人依然担心在减半后矿工投降
*15%的人担心局带来的抛压
通过与机构投资者的讨论，我知道他们最大的担心是政府会将比特币定为非法。机构投资者经常提到的另一个风险是“下一个比特币”，这是一种新（由政府/央行支持的）代币，会取代比特币。
请注意，如果没有这些风险，比特币的价值会更高，可能会与S2F模型保持一致。随着时间的流逝，其中一些风险将不会实现，也不会从列表中消失。以矿工投降为例。我不认为矿工投降是个大风险，但15%的投资者认为这是大风险。如果在下一个减半后，哈希率没有下降，那么，矿工投降的风险会消失，并且比特币价格会上涨，因为这种风险消失了。
结语
比特币S2F模型于2019年3月推出，并得到很多人的验证。有效市场假说暗示S2F和模型预测应该已经在市场上计入价格，因为S2F模型使用了公开可用的S2F数据。
当前比特币市场的确相当有效，因为不可能有容易的套利机会。债券、黄金和股票和比特币的历史风险和回报数据表明，比特币市场高估了风险。比特币回报跟风险不符，但与S2F模型非常吻合。比特币期权和期货市场并不预期减半或减半后价格会上涨。市场可能依然会高估未来的风险。
我的结论是，比特币市场确实相当有效，且计入S2F模型的价格，但也高估了风险。因此，相对于用经典的风险与收益模型，我更喜欢使用S2F模型来预测比特币的未来价格。
郑重声明： 本文版权归原作者所有， 转载文章仅为传播更多信息之目的， 如作者信息标记有误， 请第一时间联系我们修改或删除， 多谢。