摘要：“我更倾向于使用 S2F 模型来预测未来的比特币价格”

介绍

比特币库存流量（Stock-to-Flow S2F）模型于 2019 年 3 月发布。该模型得到了 bitcoiners 和投资者的好评。许多分析师已经验证了 S2F 模型，确认了比特币价格预测。

S2F 模型也受到了批评。反对该模型的最佳论据来自有效市场假说 (EMH)。该论点指出，该模型基于公开的信息 (S2F，比特币的供应轨迹)，因此，分析和结论必须已经反映在价格中。

在这篇文章中，我分享了我对 S2F 模型和 EMH 的看法。我分析了套利机会、风险与回报模型和衍生品市场。

注：比特币的库存流量（S2F）模型描述了以当前的供应率比特币达到其当前生产率所花费的时间，以及形成了一种称为库存 / 流量的度量标准。简而言之，S2F 描述的是“目前的日均产量多少年能产出目前的存量规模”的变化，随着存量不断增大，产量不变的情况下通胀率也在不断下降。

在该模型中，黄金拥有最高的 SF 62，即需要 62 年的生产才能获得当前的黄金存量。白银以 SF 22 排名第二。

Stock-to-Flow 模型

S2F 模型是受 Nick Szabo 的不可锻造稀缺性概念和 Saifedean Ammous 对 S2F 的分析启发而发表的一种比特币估值模型。S2F 是对稀缺性的度量。正如 Trace Mayer 所描述的，S2F 与比特币价格随时间的幂律关系揭示了比特币复杂的动态网络效应系统的内在规律性。

S2F 模型是拟合 2009 年 10 月- 2019 年 2 月月度数据的幂律函数：BTC 价格 =0.4S2F ^3(其中 S2F=1/ 通货膨胀率)。2009-2019 年年度数据的后期模型有更高的预测 :BTC 价格 =0.18S2F ^3.3

Nick Phraudsta 是第一个验证 S2F 模型 (或者更好的说法是“不证伪”) 的人，他还补充了协整分析，表明这种相关性很可能不是伪造的。Marcel Burger 通过几个附加的统计检验验证了 S2F 模型和协整。Manuel Andersch 是第一个验证 S2F 模型和协整的机构投资者 (BayernLB)。

有效市场假说

有效市场假说是金融经济学中著名的理论。EMH 是基于弗里德里希·哈耶克 (1974 年诺贝尔奖) 等人的思想。根据哈耶克的市场是信息处理系统，提供最好的价格发现。

EMH 是由尤金·法玛 (Eugene Fama, 2013 年诺贝尔奖得主) 正式描述的，有三种类型：

弱有效市场假说：历史价格数据已经反映在价格中，不能用于盈利。技术分析 (TA) 和时间序列分析 (TSA) 不起作用。

半强势有效市场假说：来自 MSNBC、彭博、华尔街日报和研究公司等媒体渠道的公开新闻信息已经被计入股价，不能用于盈利。基础分析 (FA) 不起作用。

强有效市场假说：即使是内部消息也不能用来盈利，因为所有的信息都已经被反应在价格中了。详情可参见 “比特币减半和有效市场假说”

大多数投资者和经济学家都认为，现代金融市场是相当有效的 (即他们接受弱的和半强的有效市场假说)，但他们拒绝强的有效市场假说。

在 EMH 之后，S2F 模型应该被定价，因为它是基于公开可用的数据。

风险和回报

说实话，在我 20 多年管理数十亿欧元资产负债表的机构投资者经历中，我从未直接使用过有效市场假说。在实践中，我们假设 EMH，并使用风险 & 回报模型。

假设 EMH

有人认为比特币市场没有效率，但我并不同意这一说法。在过去，你可以在一个以美元为单位的交易所购买比特币，不久之后在另一个以欧元或日元为单位的交易所出售比特币，然后再将其兑换成美元，这样就有了套利的可能。但现在，那些日子已经一去不复返了，如下表所示 (2020 年 1 月 13 日，20:00 GMT 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

或许大型计算机、快速通信线路和高频交易 (HFT) 算法仍能带来一些利润，但套利机会并不容易。

我们可以有把握地假设，日交易量为 100 亿美元、规模为 1500 亿美元的比特币市场是相当有效的。

风险与收益模型

假设 EMH 并不意味着你不能赚钱。你必须承担风险。有效市场假说和无套利理论将我们引向了风险与回报模型。

Harry Markowitz(1990 年诺贝尔奖得主) 在其著名的投资组合理论 (PT) 中引入了一个早期风险与回报模型。威廉·夏普 (1990 年诺贝尔奖得主) 发表了著名的资本资产定价模型 (CAPM)。根据 Markowitz 和夏普的说法，所有的回报都可以用风险来解释。

这是一个简化的风险与回报模型 (没有相关性或奇异的数学)：

债券，黄金，股票：1955~ 2019 年数据。比特币：2009 年 ~2019 年数据

理解这个图表非常重要，所以让我们深入了解它。

这个图表的 x 轴是风险 (最大年度损失)，y 轴是回报 (平均年度回报)。

图表显示了三种经典资产：债券、黄金和股票。债券的风险最低为 8%，回报率最低为 6%。黄金的风险高 33%，回报率高 7.5%。股票的风险最高为 40%，回报率最高为 8%。

关键的见解是，回报率可以单独用风险来解释，这与有效市场假说是一致的。如果你遇到了高于这条线的资产，你的第一反应可能是这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观点来看) 是，这好得令人难以置信。我们可能错过了风险 (或计算错误的风险)，应该努力使资产回归正轨。量化风险 (波动性) 是困难的，而金融机构定量分析师的专业技能也的确如此。如果投资者计算出风险低于市场价格，如果他确切知道资产为什么高于这条线，那么，也只有在那时，他才应该决定投资。

比特币的字面意思是“脱离图表”：200% 的回报，80% 的风险。因为我不能把它画在图上，我把它调整为 1% 的比特币加上 99% 的现金投资。这个比特币投资远远高于这条线：8% 的回报率，1% 的风险 (注意，你不能损失超过 1%，即使比特币下跌 99%，因为你只投资了 1%)。因此，我的第一反应是：市场看到了数据中没有的风险。以下是一些可能的风险 :

比特币面临死亡风险

政府将比特币定为非法并起诉开发商的风险

致命软件错误的风险

黑客攻击风险

中央集权的矿工发动 51% 攻击的风险

矿工死亡，减半后进入死亡螺旋

硬分叉风险

从有效市场假说和风险 & 回报的角度来看，所有这些风险都应该包含在价格数据中。但这些风险并不存在于数据中。根据 EMH 和图表中的风险与回报公式，1% 的风险应该得到 5.5% + 6.2%*1% = 5.6% 的回报。数据显示，1% 的比特币+ 99% 的现金在过去 11 年的回报率为 8%。

似乎这些风险被市场高估了，而比特币确实是一个巨大的投资机会，符合 S2F 模型。

衍生品市场

让我们看看衍生品市场告诉我们的未来。

期权市场在跌去一半的时候或之后都没有出现上涨：

期货市场的情况也是如此：未来价格略高，但在跌去一半的时候或之后不会出现峰值，这表明在跌去一半的时候不会发生什么特别的事情：

这很有趣，因为 S2F 模型预测，油价下跌一半后，油价将大幅上涨。我们该如何解释呢 ?

我认为简单的答案是，目前市场高估了未来的风险，就像它高估了过去 11 年的风险一样。高效的比特币市场不仅忽视了稀缺性的基本价值 (S2F 模型)，也忽视了所有这些风险。

根据市场调查，数据显示：

42% 的投资者认为比特币期货是最大的风险 (鲸鱼和政府操纵比特币价格，欺骗和清洗交易)。

16% 的人仍然担心矿商会在比特币减半后投降。

15% 的受访者害怕诈骗带来的抛售压力（例如 Plustoken）。

我从与机构投资者的讨论中得知，他们最担心的是政府将比特币定为非法。

机构投资者经常提到的另一个风险是“下一个比特币”，一种新的 (政府 / 央行支持的) 货币取代比特币。

请注意，如果没有这些风险，比特币的价值会高得多，可能更符合 S2F 模型。

随着时间的推移，其中一些风险将不会出现并从列表中消失。以矿商的投降为例。我不认为矿商投降是一个大风险，但 15% 的投资者认为是。如果哈希率在下一轮减半后没有下降，矿商投降的风险就消失了，比特币价格就会上升，因为风险消失了。

结论

比特币 S2F 模型于 2019 年 3 月推出，并得到了许多人的验证。

EMH 意味着 S2F 和模型预测应该已经被市场消化，因为 S2F 模型使用了公开的 S2F 数据。

当前的比特币市场确实相当有效，因为不可能存在简单的套利机会。

债券、黄金、股票和比特币的历史风险收益数据表明，比特币市场高估了风险。比特币收益与风险并不一致，但与 S2F 模型非常一致。比特币期权和期货市场预计，比特币价格不会在跌去一半时或之后上涨。市场仍有可能高估了未来的风险。

我的结论是，在 S2F 模型中，比特币市场确实是合理有效且价格合理的，但也高估了风险。因此，相对于经典的风险收益模型，我更倾向于使用 S2F 模型来预测未来的比特币价格。

_ 原文链接：_

https://medium.com/@100 trillionUSD/efficient-market-hypothesis-and-bitcoin-stock-to-flow-model-db17f40e6107

_ 作者： PlanB_

_ 编译： 共享财经 Neo_

来源链接：mp.weixin.qq.com
来源：区块链新金融