財務數字已經從技術愛好者一個利基空間轉型為主流區○ ˚F投資策略。除了法定貨幣的替代品之外，這個領域還有更多，因為它們是需要的。然而，在本文中，我將從更大的演變中退後一步，探索一些關於比特幣估值驅動因素的理論，因為畢竟它的價格行為是許多人關注它的原因。有兩個經常被引用的驅動因素，稀缺性和網絡效應，比特幣的價值歸因於它們，儘管經常被單獨考慮而不是同時考慮。稀缺性可以用Stock-to-Flow 來表示，這是一個來自其他貴重商品估值的框架。網絡效應可以通過衡量其規模來評估，或者簡單地將參與其中的人數進行評估。讓我們潛入。
稀缺性和股票流動
一個對象可能被重視的原因有多種。它可能對人類生活至關重要，例如水。它也可能不是必需品，但人們喜歡它，因為它有光澤，他們可以用它製作珠寶，例如黃金。將價值賦予這種類型的材料，它可能應該有點罕見。衡量稀缺性的一種方法是使用股票流量比，其中股票是指已經存在的材料數量，流量是發現或開採新數量的材料的速率。對於貴金屬，該比率與材料的價值之間存在直接關係。例如，黃金> 白銀> 銅的存量流量比率與其相對價格一致。 PlanB 實現了將其應用於比特幣估值的有見地的飛躍。許多人發誓將比特幣價格與股票到流量重疊的K線走勢圖作為技術指標，以決定何時交易加密貨幣有利潤。關於導致K線走勢圖階梯性質的比特幣挖礦需要指出的重要一點是比特幣減半事件。在達到2100 萬枚硬幣上限的預定里程碑時，比特幣礦工獲得新區塊的獎勵減少了2 倍。以下是迄今為止的時間表，預計下一次減半將在2024 年：
關於這些事件是否與定價直接相關一直存在爭議。許多人引用了圍繞這些事件的比特幣價格可預測的上漲，而其他人（著名的以太坊創始人Vitalik Buterin）則聲稱情況並非如此。無論如何，存量流量可以說是那些希望預測比特幣價格走勢的人經常關注的最大單一因素。
網絡效應和活躍的比特幣地址
比特幣估值的另一個重要決定因素可能是它被人類持有或使用的程度。這個原理可以稱為遵循梅特卡夫定律。最初假設根據電信網絡的用戶數(n) 對電信網絡進行估值，但法律規定網絡的價值與n 平方成正比。換句話說，隨著新用戶的增加，價值以大於線性的方式增加。這可以通過評估我們今天擁有的一種重要類型的網絡來理解，即社交網絡。如果你和你的朋友是唯一互相發送你最新舞步視頻的人，不要指望很快就會IPO。但是考慮一個擁有數百萬甚至數十億用戶的網絡，再加上機器/深度學習算法建議你可能喜歡的內容，你得到了一些非常有價值的東西。一種近似比特幣網絡規模的衡量標準是每日活躍地址的數量。
比特幣股票流動、活躍地址和價格
這是從2010 年年中到2021 年5 月底每天的比特幣價格、股票到流量和活躍地址的K線走勢圖。
數據和模型
使用從Coin Metrics獲得的每日數據探索了Stock-to-Flow 和比特幣地址。通過估計2010 年年中至今（2021 年5 月29 日）對價格的影響，同時考慮了比特幣稀缺性（股票到流量）和網絡規模（活動地址）。這兩個值的Log10 以及中心日曆時間和代表月份的循環項都包含在廣義加性模型(GAM) 中，log10 比特幣價格作為響應。考慮這種類型的建模的一種方法是，與預先設置預測變量和響應之間關係的函數形式的模型相比，它允許建模者和數據之間進行更多的對話。例如，在線性模型中，特徵對響應的影響在其範圍內是固定的，即只有一個估計參數，無論特徵具有什麼值。小值或大值都會對響應產生相同的單位效應。 GAM 並非如此，其效果可能會根據功能的值而變化。此外，這種關係的函數形式不是事先指定的，而是使用平滑項從數據中估計出來的。可以找到有關數據和建模過程的更多詳細信息這裡。
GAM 模型擬合
在最終的GAM 模型中，所有術語似乎都與比特幣價格相關，並且似乎幾乎可以解釋其所有變化（超過99%）。以下是平滑模型係數及其對每個參數的指示。
活動地址
與時間和股票到流量相比，活動地址數量對價格的平滑影響不那麼複雜，需要的平滑項也更少，因此更容易解釋。該係數始終為正，並且似乎隨著活動地址數量的增加而增加。這與梅特卡夫定律一致，這表明隨著網絡規模的增加，價值增加幅度更大。更重要的是，使用平滑參數估計，我們可以估計網絡增長真正開始加速其對價格影響的臨界質量，超過3000 個地址。這可能有助於評估其他數字貨幣的價格變動。另一個觀察結果是，儘管理論表明網絡最終會耗儘自己，
股票到流動
Stock-to-Flow 係數需要更大的基礎維度來表示其形狀，從而導致顯著更寬的置信界限。它可能表明當存量對流量接近10（原始單位）時對價格的影響增加，當存量對流量增加超過10 時影響大小減小（儘管可能仍然為正）。價格最終會趨於平穩。然而，平滑關係中還有一些額外的曲折，實際上任何可以在置信範圍內繪製的曲線都應該被視為一種可能性。應謹慎解釋Stock-to-Flow 的平滑術語。
日曆時間
中心日曆時間的平滑術語反映了在此期間對比特幣價格整體上漲的時間影響。在中點（2015 年12 月23 日）之後，似乎有越來越大的影響，並穩定在一個新的更高水平。該術語可能正在捕獲模型中尚未包含的與時間相關的特徵。
月
儘管仍然顯著，但月效應與模型中其他平滑項的幅度不同。這可能表明春季至夏季價格上漲的季節性影響不大，而秋季則略有下跌。
關於預測的結論和思考
TL;DR：這些是使用Stock-to-Flow 和Active Addresses 的比特幣價格擬合GAM 模型的主要內容。
Stock-to-Flow 和Active Addresses 都與比特幣價格有著非常顯著的關係，加上時間效應，可以解釋從2010 年年中到2021 年5 月期間觀察到的幾乎所有變化（超過99%）。
Active Addresses 顯示出與比特幣價格呈遞增的非線性關係，這種關係似乎符合梅特卡夫定律，此時沒有網絡飽和的跡象。平滑函數可能表示一個拐點，在該拐點處，網絡規模的增加可能真正開始影響價值（超過3000 個活動地址）。
股票流量顯示出與比特幣價格的更複雜關係，隨著股票流量比率的增加，其影響可能會顯示價格的增長遞減。然而，這種效果需要更多的平滑術語來描述，因此具有更大範圍的可能值。
最後，這裡有一些關於使用這個模型來預測未來比特幣價格的想法。就其性質而言，從任何模型預測未來值總是在樣本外，因此比預測涉及觀察到的數據范圍時風險更大。然而，模型可以為未來的預測提供一些指導和結構，特別是如果替代方案是水晶球或預感。然而，對於GAM，在讓數據講述它們的故事方面有用的是在觀察到的信息範圍之外時的負擔。該模型可能會簡單地擴展最近的趨勢，隨著時間範圍的增加，誤差線會迅速增加。使用來自GAM 建模的見解來預測未來的最佳方法是使用來自平滑參數的信息來開發效果的參數化表示
