← 研究動態
研究2026/06/16 上午11:00

比特幣「漲時更波動」是真的嗎?11 年 4,101 天告訴你:時有時無

波動率leverage-effect非對稱效應btc時變性

讀者互動

登入會員可按讚與收藏。

分享到:LINEFacebookX / Twitter

持續追蹤這項研究

收藏、追蹤與明日提醒只保存必要識別資料,可在會員中心檢視或刪除。

研究資訊不構成個人投資建議;提醒僅代表研究更新,不代表交易訊號。

訂閱研究摘要

研究摘要與新文章,不轉售、不寄廣告,隨時可退訂。

比特幣有個在學術圈流傳已久的說法:它的漲跌方向和波動率的關係,跟股票 剛好相反 。股票通常是跌的時候波動更大,但 BTC 據說是漲的時候波動更大,俗稱「反槓桿效應」。

這說法到底站不站得住腳?用 2015 年到 2026 年 3 月,共 4,101 個交易日的完整數據跑完,答案出來了, 一部分時間成立,一部分時間根本沒有任何效應 。

 2026-06-16 Codex 24h 審查更正 :本文核心分段結論保留,但原文有兩個地方需要收斂。第一,rolling 顯著窗口不是全部集中在 2015-2017;結果檔顯示 11 個顯著窗口中,8 個結束於 2016-2017,另有 3 個結束於 2021 年初。第二,原實驗的 2023-2024 預測比較使用 arch 預設 origin-aligned forecast,卻與同 index 的 r_t^2 比較,屬於 forecast/realization 對齊風險;因此本文不再把那段 OOS 模型排名當成有效證據,需以 target-aligned forecast 重跑後才能下預測結論。


學術界怎麼說

2018 年,德國學者 Baur 和 Dimpfl 在期刊發表了一篇被廣泛引用的研究,指出 BTC 的波動具有反槓桿效應:好消息比壞消息更容易引起大波動。這個發現和傳統股票市場的規律剛好反過來,引起不少討論。

這個結論本身沒有問題,但問題在於: 那是用哪個年代的資料算出來的? 


把 11 年切成 6 段來看

我們把 2015-2026 年切成每兩年一段,分別估算「漲跌不對稱係數」(以下簡稱 γ,讀作 gamma),觀察它在不同時期怎麼變:

時間區間γ 係數是否顯著方向
2015-2016-0.151★ 顯著反槓桿(漲時波動大)
2017-2018+0.006不顯著無效應
2019-2020-0.067★ 顯著反槓桿(漲時波動大)
2021-2022≈0不顯著無效應
2023-2024-0.011不顯著無效應
2025-至今+0.146不顯著方向翻轉,但仍不顯著

★ 顯著 = 在統計上排除了偶然的可能性(p < 0.01)

六段時間,只有兩段出現統計上確實存在的反槓桿效應——2015-2016 和 2019-2020。其他四段,γ 的數值要麼接近零,要麼就算偏離也在隨機誤差範圍內。

BTC 各期漲跌不對稱係數(γ)比較


為什麼 Baur 說有,我們說「時有時無」

兩篇結論不矛盾,關鍵在樣本年代。Baur & Dimpfl (2018) 主要用的是 BTC 早期資料,那正好涵蓋了 2015-2016 這段效應最強的時期(γ=-0.151,屬於非常強烈的反槓桿訊號)。

用全樣本,2015 到 2026 年的資料跑下來,γ 的估計值是 -0.027,p 值大約 0.12,在標準統計門檻下 無法確認有效應 。

換句話說,Baur 的結論在他那個時代的資料上是正確的,但那個效應沒有持續下去。


滾動估計更清楚

除了分段,我們也用移動窗口(每次取 504 天,每隔約 3 個月往後滾動一次)來追蹤 γ 的變化。

BTC γ 滾動估計軌跡(2015–2026)

58 個窗口中:

  • 有 11 個窗口達到統計顯著,其中 8 個窗口結束於 2016-2017 年,另有 3 個窗口結束於 2021 年初
  • 2017 年後大多數窗口不顯著,但不能說完全沒有顯著窗口
  • γ 正值和負值的次數接近,負值佔 55%,正值佔 45%,幾乎各半

更準確的讀法是:反槓桿效應不是 BTC 的穩定常數;它在早期最強,2021 年初短暫出現過,但後續沒有一路延續。


對投資人實際有什麼意義

假設你聽信了「BTC 漲時波動更大」這個說法,在策略上做了調整(比如漲的時候縮部位,或對衝方向選反向),放到 2021 年以後要非常小心。

兩年分段結果顯示,2021-2022 的 γ 幾乎等於 0,2023-2024 的 γ=-0.011,也沒有統計顯著。2025 至今的點估計甚至轉成正值,但同樣不顯著。

所以可支持的實務結論是:不要把早期 BTC 的反槓桿效應當成固定參數。若要拿它做倉位或避險規則,必須定期重估;若要聲稱它能改善 2023-2024 的波動率預測,還需要用正確對齊的 OOS forecast 重新檢定。


結語

「比特幣漲時波動更大」這句話,放在 2015-2016 是成立的。放在 2021 年之後,分段估計與大多數 rolling window 不支持它是穩定規律;2021 年初 rolling 曾短暫顯著,但沒有延續。

BTC 的市場結構在這 11 年間改變很多,機構化、ETF 核准、更廣泛的衍生品市場,那個早期小眾資產特有的不對稱反應,不再穩定。

如果要從這份分析帶走一件事,大概是: 任何資產的「風格」都有時效性,用舊資料歸納出來的規律,都值得定期重新驗證。 


數據來源:yfinance BTC-USD,期間:2015-01-02 至 2026-03-25,樣本:4,101 個觀測值。本文對應 VolPred 波動率非對稱性研究系列;實驗檔案為 experiments/k445/k445_btc_leverage.py 與 experiments/k445/k445_btc_leverage_results.json。K445 README 仍是 placeholder,需另補。 [提出:Claude]

相關文章

先讀正式關聯,若無則使用標籤與主題相似度補齊

📄
K1725:比特幣美股盤中波動占比的斷點比 ETF 上市早 206 天,上市日的 Chow 顯著不能直接歸給 ETF
一般讀者版(〈比特幣 ETF 上市後,比特幣開始跟著美股的時鐘波動了嗎?〉)的結論是:現貨 BTC ETF 上市後,美股盤中占一週 RV 的比例只多了 1.86 個百分點,分不出真假。這篇補上那篇沒細談的方法問題:同一份資料裡有兩個名義上顯著的結果,在 IBIT 上市日做的 Chow 檢定(p = 0.021)與比較期拉長到兩年的 Welch(p = 0.025),兩者都不能當成 ETF 效果的證…
→
📄
K1884:拿 VIX1D 對照 SPY 同一天的已實現變異,年化分母、報價時點與盤中窗口各自能把答案改掉多少
一般讀者版〈一日恐慌指數開盤報的當日變異,平均是 SPY 盤中實際的 1.56 倍:這個數字該怎麼讀〉給的是水準與讀法。這篇處理做這個比較時要先決定的三件事:VIX1D 要除以哪一個年化分母、要拿哪一個時點的報價、已實現變異要涵蓋盤中哪一段。 K1884 的結果顯示,這三個選擇造成的偏移,與要量的效果同一個量級;選錯任何一個,程式不會報錯,只會回答另一個問題。 先釐清估計量。K1884 量的是同一…
→
📄
K1378:VIX 長期成分讓 SPY 波動預測勝過 GJR-GARCH,這個優勢在疫情窗外更穩定
做風險控管或選擇權定價的人,常要在兩種日頻波動模型之間取捨:只用報酬本身的 GJR-GARCH,或在 GARCH 之外加一個由 VIX 驅動的長期成分。後者多了一個外部變數要維護,值不值得,要看它的預測優勢從哪裡來。如果優勢只來自 2020 年那種市場崩跌的少數日子,平常用它就只是多背一個依賴;如果優勢出現在一般日子,它才是日常可用的改進。 K1378 用 SPY 的樣本外一步預測回答這個問題:A…
→