过去十余年，比特币交易者形成了一套近乎“仪式化”的周期观察框架：用 Pi Cycle Top 判断顶部，用 MVRV 判断估值过热，用 Mayer Multiple 衡量价格相对长期均线的拉伸，用 Puell Multiple 观察矿工收入，用 200 周均线寻找周期底部。这些指标曾经精准得近乎不可思议，因而被市场反复引用。

但 2025 年 10 月的周期顶部出现了一个非常值得研究的现象：这些过去“从未缺席”的顶部指标没有一个发出有效信号，价格却仍然在此前两个成熟周期所指示的时间附近完成转折。换句话说，价格指标沉默了，时间结构没有沉默。

这项研究的核心结论可以概括为一句话：比特币周期的振幅正在衰减，但周期的时钟没有同步失效。价格、估值和链上指标本质上都在测量“价格离某个基准有多远”；随着市场成熟，这种偏离幅度逐周期压缩，固定阈值自然会从精准、提前，走向彻底失效。相比之下，减半之后经过了多少天，或者经过了多少个区块，是一个不依赖价格拟合、也不依赖事后解释的坐标。三轮成熟周期的顶部分别出现在减半后第 525、546 和 534 天，落在仅 21 天宽的窗口内。

这并不意味着“比特币必然每四年涨跌一次”，更不意味着三轮历史样本足以证明因果关系。更有价值的理解是：如果我们把比特币看作一个围绕长期采用曲线波动的资产，那么它的波动半径正在缩小，而波动节奏仍然与协议内生的减半时钟保持同步。对量化研究者而言，这不是一个简单的“择时故事”，而是一个关于非平稳性、坐标选择、信号衰减、因果估计和统计检验有效性的完整案例。

一、研究背景：为什么那些曾经精准的指标会集体失效

比特币的货币发行规则在协议启动时就已经确定。每挖出 210,000 个区块，新区块奖励减半一次。由于目标出块间隔约为十分钟，市场通常把它近似理解为“四年一次”。但严格来说，减半不是日历事件，而是区块高度事件：协议关心的是区块数量，不是具体日期。

这一区别很重要。日历只是人类观察市场的坐标，区块高度才是协议自身的坐标。前者会因为实际出块速度快慢而漂移，后者则由共识规则精确定义。

在比特币早期历史中，许多技术指标之所以有效，是因为市场规模小、参与者结构单一、流动性薄弱，价格很容易相对长期趋势产生巨大偏离。例如，价格可以涨到 200 日均线的数倍，市值可以显著高于链上已实现价值，矿工收入也可以相对过去一年均值出现极端扩张。在这种市场里，只要画一条足够高的阈值线，就很容易在泡沫顶部附近被触发。

问题在于，这些指标共同隐含了一个假设：未来的价格波动范围会和过去一样大。这个假设在市场早期大致成立，但在资产逐渐成熟、机构资金进入、衍生品和对冲工具丰富、信息传播速度提高之后，越来越不可靠。市场仍然会涨，也仍然会跌，但涨跌相对于长期趋势的“拉伸程度”在变小。

2025 年顶部提供了一个非常清晰的样本。以价格计，那是当时比特币历史上最大的周期高点；但以传统指标计，它却不是最极端的高点。若投资者仍然等待过去的阈值，例如 MVRV 高于 3.7、Mayer Multiple 高于 2.4、Puell Multiple 高于 4.0，或者价格达到两年均线的五倍，就不会收到顶部警告。

图：三轮成熟周期的顶部在减半后第 525、546、534 天附近聚集，而 2013 年第一轮周期仍属于市场早期的不成熟样本。

这张图传达的不是“某个日期会精准重复”，而是坐标系的变化。用日历日期观察，三个顶部分别位于 2017 年、2021 年和 2025 年，似乎只是大致相隔四年；改用“距离最近一次减半多少天”观察，它们突然落入非常窄的相位窗口。第一周期的顶部只出现在减半后第 371 天，明显更早，因此更适合作为市场早期和趋势估计尚未成熟的特例，而不是与后续三轮成熟周期直接混合。

这里也引出了全文最重要的区分：

• 振幅：价格相对趋势、估值相对历史、矿工收入相对均值的偏离有多大；
• 周期：偏离从扩张到收缩、再从收缩到恢复需要多长时间；
• 坐标：我们究竟用价格、估值、宏观变量，还是用协议时间来描述周期。

传统指标主要测量振幅，而减半时钟测量周期。如果振幅逐年压缩，振幅指标自然会失效；这并不能推出周期也已经消失。

二、数据与周期定义：先排除“人为挑点”

研究使用的主价格序列是 Bitstamp 的 BTC/USD 日频 OHLC 数据，覆盖 2011 年 8 月 18 日至 2026 年 6 月 10 日，共 5,411 天。另一个独立价格序列来自 Coin Metrics，覆盖 2010 年 7 月 18 日至 2026 年 5 月 23 日，共 5,789 天。两者在 5,393 个重叠交易日上的中位绝对差异只有 0.15%，因此关键结论并不是某个交易所异常报价造成的。

链上数据包括 MVRV 所需的市值与已实现市值，以及 Puell Multiple 所需的每日美元发行价值。宏观数据包括美国 M2 同比和 10 年期美债收益率减 2 年期美债收益率的利差。宏观变量在使用前加入披露滞后：M2 滞后 28 天，收益率利差滞后 7 天。以太坊数据被用于跨资产复现检验。

周期边界由四次减半划分：

• 第一周期：2012 年 11 月 28 日减半之后；
• 第二周期：2016 年 7 月 9 日减半之后；
• 第三周期：2020 年 5 月 11 日减半之后；
• 第四周期：2024 年 4 月 20 日减半之后。

为了避免“看图说话”，周期顶部和底部必须由机械规则生成。定义截至当日从历史最高收盘价计算的回撤为：

其中， 是第  天的收盘价。一个周期顶部必须满足两个条件：第一，它是历史最高价；第二，在价格创出更高历史高点之前，之后出现了至少 45% 的回撤。周期底部则被定义为相邻两个周期顶部之间的最低收盘价。

这个规则不是为了证明某一天一定是“情绪最高点”，而是为了让所有周期使用同一把尺子。它可以避免研究者在知道结果之后，根据叙事自由选择顶部或底部。

机械规则得到的成熟周期转折点如下：

三个成熟顶部之间的间隔范围只有 21 天；三个已完成的熊市底部距离各自顶部为 406、364 和 366 天，范围为 42 天。需要注意的是，顶部和底部的统计含义并不完全一样。后文会看到，顶部相对于减半的聚集更难由随机价格路径解释，而熊市持续一年左右本身就可能由高波动资产的回撤过程自然产生。

三、因果幂律：先估计“截至今天能看到什么”

长期趋势部分采用时间幂律。令  为日期  的价格， 为从创世区块日期到该日期经过的天数。基本形式是：

取对数后，可以用线性回归估计：

关键在于下标 。在日期  上，趋势参数只允许使用该日期及以前的数据，不能使用全样本。这样做是为了避免常见的“用未来拟合过去”问题：如果一个模型先把 2026 年的数据纳入回归，再声称它在 2017 年或 2021 年给出了有效信号，那么回测结果会天然包含未来信息。

为了看清估计过程，可以定义：

在日期  使用  个观测值时，普通最小二乘估计的斜率和截距为：

这里的  就是  的估计。由于求和可以滚动更新，整套估计不需要在每个交易日重新运行完整回归，计算复杂度仍然是线性的。这对实际策略研究很重要：方法上避免未来函数，工程上也可以被低成本实现。

估计出趋势后，价格相对趋势的偏离为：

再用截至当日的扩展窗口均值和标准差做标准化：

这个  可以理解为“价格相对其采用趋势的拉伸程度”。价格高于趋势时， 为正；价格低于趋势时， 为负。研究把它称为 SPRING，即弹簧半径：离趋势越远，弹簧被拉得越长。

因果估计得到的幂指数最终收敛到约 5.61；使用独立价格序列时约为 5.67。早期指数很高，随后逐步稳定。这也解释了为什么第一周期不适合直接纳入成熟周期检验：在市场最初几年，趋势模型自身还处于学习阶段，参数尚未形成稳定结构。

图：比特币价格围绕随时间增长的幂律趋势运行，以及扩展窗口估计的幂指数逐步收敛到约 5.6。

从机器学习角度看，这个设计很像严格的在线学习：模型在每一天只能看到历史训练集，随后对下一段时间做样本外评价。它避免了全样本标准化、全样本拟合趋势和全样本选择阈值等隐蔽的数据泄漏。

四、信号电池：把“价格快慢”和“时间相位”放在同一套测试里

为了比较不同类型信号的稳定性，研究构建了一个覆盖价格、链上估值和时间变量的信号电池。核心信号包括以下几类。

第一类是相对强弱指标 RSI。常见 14 日 RSI 可以写为：

RSI 是典型快变量。它描述短期价格动量是否过热，但并不直接回答当前处于四年周期的哪个阶段。

第二类是长期均线偏离。例如 Mayer Multiple：

它衡量价格相对 200 日均线的倍数。Pi Cycle 则比较 111 日均线与两倍的 350 日均线：

第三类是链上估值。MVRV 用市值除以已实现市值，衡量当前价格相对链上成本基础的溢价；Puell Multiple 用每日发行价值除以过去一年发行价值均值，衡量矿工收入的相对热度。两者都比短周期技术指标慢，但仍然依赖价格或链上估值的历史分布。

第四类是幂律偏离，即前文的 。

第五类是纯时间变量：距离最近一次减半经过了多少天。它不包含任何价格信息，也不能从价格中拟合出来。

预测能力用信息系数衡量。先定义未来  日收益：

在某个周期  内，信号  与未来收益的 Spearman 信息系数为：

使用秩相关而不是线性相关，是为了降低极端价格变动对结果的影响。比特币收益具有厚尾和波动聚集，若只使用 Pearson 相关，少数暴涨暴跌日可能主导结论。

但仅计算 IC 还不够。30 日、90 日或 180 日收益彼此重叠，今天的未来 180 日收益和明天的未来 180 日收益共享大量价格路径，因此样本并不独立。若忽略这种自相关，显著性会被系统性高估。研究同时使用 Newey–West 异方差自相关一致估计和循环移动区块自助法，要求两种检验得出相对一致的结论。

更重要的一点是，即使使用 HAC 方法，在这种样本长度下仍不能保证检验可靠。研究构造了一个保持自相关结构的旋转零假设：在每个周期内，把未来收益序列相对信号序列做循环平移，从而破坏信号与未来收益之间的对齐，但保留序列本身的持续性、重叠结构和跨信号相关。2,000 次模拟显示，名义 5% 的 Newey–West 检验在部分周期中的真实拒绝率可达 17% 至 33%。

这个结果对量化研究非常有警示意义：当一个慢变量与重叠收益回归时，“看起来显著”可能比研究者以为的更容易出现。幂律偏离在两个最近周期中虽然都有同号且较大的 nominal t 值，但在该旋转零假设下，出现这种配置的概率仍有 0.21。因此，更可靠的证据不是单个 p 值，而是跨周期方向稳定、跨数据源复现、跨资产复现以及样本外经济表现共同形成的证据链。

五、指标为什么会按固定顺序死亡：阈值穿过一条收缩的包络线

传统周期指标的失效并不是随机的，而是有顺序的。越依赖极端振幅的阈值，越早失效；越温和的阈值，存活时间越长。

历史上，Pi Cycle 曾在 2013 年、2017 年和 2021 年 4 月的局部高点附近给出非常精准的信号；MVRV 和 Mayer Multiple 也曾多次提前或同步提示顶部；Puell Multiple 和价格相对两年均线的倍数则在更早周期中表现突出。但到 2021 年 11 月的熊市定义顶部时，部分指标已经提前数月触发，另一些指标完全沉默。到 2025 年 10 月，所有经典顶部阈值都没有发出有效信号。

图：传统顶部指标从早期精准命中，到 2021 年逐步提前或漏报，再到 2025 年集体沉默的过程。

这种现象背后的机制可以从各周期极值看出：

五个顶部侧指标的每轮周期最大值都在单调下降。底部侧最小值则从很低的位置抬升：MVRV 从第一周期的 0.56 上升到第四周期迄今为止的 1.15，Puell 从 0.31 上升到 0.53。也就是说，波动区间不是简单下移，而是从两端同时收窄。

图：顶部侧指标极值逐周期单调压缩，底部侧极值总体抬升，传统固定阈值因此逐渐失去可达性。

可以把每个指标看成一条围绕中心上下波动的曲线，把固定阈值看成一条水平线。早期波动范围很大，曲线很容易穿过水平线；随着波动包络收缩，最深的水平线先永远失去触碰机会，较浅的水平线随后失效。Puell 高于 4.0 和价格高于两年均线五倍属于更激进的阈值，因此更早沉默；MVRV 3.7 和 Mayer 2.4 相对温和，因此多存活了一轮。

这也解释了为什么“每轮重新校准阈值”并不是根本解决方案。若你用上一轮周期的高点重新设定这一轮阈值，本质上是在假设振幅压缩已经停止。问题在于，压缩本身就是观察到的规律。一个在旧振幅上拟合出来的新阈值，仍然是在用过去的外推赌未来的稳定。

对量化研究而言，这一点可以推广到所有长期非平稳市场：一个信号的历史有效区间，并不等同于它未来的可达区间。尤其当信号的分位数分布、波动率和市场参与结构都在变化时，固定阈值通常比连续变量更容易制造“曾经有效”的错觉。

六、连续指标也在衰减，存活的是更慢的趋势变量

阈值失效只是表层现象。即使不设置触发线，直接观察信号与未来收益的秩相关，也能看到快变量逐渐失去稳定含义。

以 14 日 RSI 为例，其 30 日 IC 在四个周期中大致为：

也就是说，RSI 在早期确实包含一定短期预测信息，但到第四周期已经接近零。把 RSI 参数从 7 日调到 30 日，结论没有本质变化。这说明问题不是参数没调好，而是信号所捕捉的市场结构发生了变化。

在 180 日 horizon 上，部分指标甚至出现方向翻转。一个信号如果在一个时代里高值预示未来上涨，在另一个时代里高值预示未来下跌，那么它的绝对 IC 再大，也很难在样本外直接使用。方向不稳定比“显著性不足”更致命，因为它意味着投资者无法提前知道应当正向还是反向解释信号。

与之相对，幂律偏离  在三个成熟周期中的 180 日 IC 分别为：

独立价格序列上的对应结果约为：

符号始终为负，含义也很直观：价格越高于因果估计的长期趋势，未来较长周期收益越差；价格越低于趋势，未来较长周期收益越好。它并不是一个高频 alpha，而更接近慢速风险溢价或估值偏离变量。

图：快速价格和链上信号的 IC 随周期衰减甚至翻转，而时间锚定和慢速趋势锚定信号的方向更稳定。

经济评价采用两种设计。第一种是离散交易：当价格相对趋势足够便宜时买入，回到趋势附近时退出，并设置灾难止损和交易成本。由于 15 年中触发次数太少，这种设计只能提供有限证据。第二种是连续暴露设计：当价格低于趋势或处于超卖状态时持有，其余时间空仓，并与始终持有的买入持有策略比较 Sharpe ratio。

年化 Sharpe 可以写为：

其中， 是策略日收益均值， 是日收益波动率， 是日化后的无风险收益。研究更关心相对买入持有的 Sharpe 改善，而不是孤立地看策略绝对收益。

在早期单边牛市中，任何择时策略都很难跑赢买入持有，因为空仓机会成本极高。幂律择时相对买入持有的 Sharpe 优势序列为：

它在第四周期首次转为正值。2025—2026 年样本外窗口中，该规则在 Sharpe 上优于买入持有，同时把最大回撤从约 51% 降到约 41%。不过这个样本外窗口只有 526 天，而且主要由一轮熊市构成，因此只能视为提示性证据，不能视为决定性证明。

图：幂律择时相对买入持有的 Sharpe 优势逐周期单调改善，并在当前周期转为正值，比特币和以太坊均出现类似模式。

对策略研究的启发不是“照抄这个规则”，而是：当市场从早期高波动的单边成长阶段进入成熟阶段后，低频估值偏离信号的经济价值可能逐渐从“牺牲牛市收益”转为“降低尾部回撤”。这类似于风险预算工具，而不是预测每一天涨跌的 alpha。

七、顶部为什么像被时钟锁定：从均匀零假设到真实价格路径模拟

顶部聚集最容易被质疑的一点是：三轮周期样本太少，看起来密集也许只是巧合。因此需要明确零假设。

假设每个顶部在减半后某个宽度为  的窗口内均匀随机出现，令  表示  个顶部日期点的最大值减最小值。对于  个独立均匀点，范围不超过  的精确概率为：

如果顶部与底部两个范围统计相互独立，联合概率就是：

在较慷慨的窗口设定下，仅使用三个成熟顶部，21 天范围的概率约为 0.0006；加入底部范围后，联合概率约为 。即使把第一周期顶部也纳入，采用最不利于结论的保守窗口，联合概率也约为 。

但均匀零假设仍然偏简单。价格不是独立随机点，高波动资产天然会周期性产生大回撤。为此，研究进一步使用循环区块自助法重组比特币自身日收益，保留波动聚集和回撤几何，再用完全相同的机械规则识别顶部和底部。每种区块长度生成 2,000 条路径，五种区块长度共 10,000 条。

在确定性顶部构造下，没有一条模拟路径能够把三个成熟顶部压缩到不超过 21 天的减半相位范围内；即使允许模拟路径在多个候选顶部中自由选择最有利组合，也只有 0.10% 至 0.25% 的路径达到同样紧密度。

底部结论则明显弱一些。顶部之后 364 至 406 天见底的聚集，在 31% 至 43% 的模拟路径中也会出现。这说明“熊市持续约一年”很大程度上是高波动资产回撤过程的自然结果，不一定包含额外的减半信息。因此，整个框架中更硬的证据是顶部相对于减半的相位锁定，而不是底部相对于前一个顶部的持续时间。

还需要排除“任何四年节奏都可以”的解释。用美国总统选举周期测量，三个顶部范围扩大到 68 天；用固定四年日历测量，范围达到 1,423 天；2,000 个随机四年时钟中，没有一个像减半时钟一样把顶部压缩到 21 天范围内。

图：减半时钟相对选举周期、固定四年日历和随机四年时钟具有更窄的顶部相位聚集，周期性本身不足以解释该结果。

这个安慰剂检验区分了两个概念：

• “大约四年发生一次”只是周期长度；
• “在减半后第 525 至 546 天附近发生”才是相位锁定。

真正令人意外的不是比特币存在几年一轮的牛熊，而是成熟周期顶部在协议事件之后出现了非常稳定的相位。

八、宏观流动性解释为什么不稳定：相关不等于坐标

另一种主流解释认为，比特币周期主要由全球流动性或美元货币供应驱动。这个叙事有直观吸引力：流动性宽松时，风险资产估值扩张；流动性收缩时，高波动资产承压。比特币与流动性周期也确实大致同频，因此三轮或四轮样本不足以彻底排除宏观因素。

但宏观解释面临三个更具体的问题。

第一是符号不稳定。M2 同比增速与未来 180 日比特币收益的 IC 在三个周期中约为：

10 年期与 2 年期美债利差的对应序列为：

两者都发生了跨周期方向翻转。如果宏观变量是稳定坐标，至少不应在不同周期中要求投资者采用相反解释。

第二是领先关系不稳定。“M2 领先比特币约十周”更像单一周期中的经验总结。在第二周期，M2 增速在多个领先长度上确实与未来收益正相关；在第三周期和第四周期，同样的领先关系转为负相关。一个只在某个时代存在的领先长度，很难作为可交易规则。

第三是转折点定位太粗。三个比特币顶部距离最近一次 M2 同比峰值的时间分别为 +227、-253 和 -67 天，符号混合，误差范围远大于减半时钟的 ±10 天。宏观变量的转折点还只能在数月后确认，而减半日程在 2009 年就已经公开。

在联合 horse race 回归中，把未来 180 日收益同时回归到减半相位、M2 增速和收益率利差上，只有减半相位保留了相对明显的负向关系。不过，由于这些回归量都具有持续性，前文关于 HAC 检验过度拒绝的警告同样适用。因此，更稳妥的说法是：宏观变量没有表现出跨时代稳定的方向，而减半相位表现出更稳定的符号与定位能力。

2024—2026 年提供了一次自然实验。该阶段 M2 同比持续扩张，没有发生收缩；如果流动性扩张是充分条件，价格不应在 2025 年 10 月转入熊市。但价格仍然在第 534 天完成顶部并回撤。这不是宏观“无关紧要”，而是说明宏观变量更像周期内部的条件变量，而不是稳定的周期坐标。

九、中本聪时钟：用 CLOCK 和 SPRING 描述市场状态

研究最终把市场状态压缩到两个坐标：

• CLOCK：距离最近一次减半经过了多少天，描述周期角度；
• SPRING：价格相对因果幂律趋势的标准化偏离，描述波动半径。

如果只是为了形成直观图像，可以把 CLOCK 映射成角度，把 SPRING 映射成半径：

其中， 是当前周期的参考长度。这个表达并不是额外的预测模型，而是状态空间可视化：角度回答“我们处于周期的哪个阶段”，半径回答“价格相对趋势被拉伸了多少”。

各周期顶部的 SPRING 值依次为：

顶部侧半径每一轮都在缩小。底部侧读数为 -1.46、-0.61、-1.17，噪声更大，但整体也没有回到早期那种极端低估状态。成熟顶部的 CLOCK 读数则是 525、546、534，几乎没有漂移。

这就是“阻尼螺旋”的含义：每一轮周期仍然绕减半时钟旋转，但离长期趋势的半径越来越小。振幅在衰减，角度仍然稳定。

图：以减半相位为角度、以幂律偏离为半径时，比特币历史呈现半径逐轮缩小的阻尼螺旋，成熟顶部集中于同一相位窗口。

这个框架也解释了“周期是否已经结束”的争论为什么会混乱。若把周期理解为巨大的涨跌幅，那么它确实正在衰减；若把周期理解为减半后的时间结构，那么它反而表现得更清晰。两者不是同一个命题。

进一步把三轮完整周期按“减半后第几天”对齐，并把所有价格除以各自减半日价格，跨周期路径相关系数平均达到 0.72；如果把周期随机错位对齐，相关系数只有 0.02。随机对齐中，只有约 2.8% 能达到减半对齐的相似度。这说明重复的不只是顶部和底部两个点，而是“上涨—见顶—回撤—修复”的整体路径。

按相位汇总未来 90 日平均收益，也能看到类似结构：减半后直到约第 520 天，平均未来收益较强；约第 520 至 900 天，收益转负；之后又重新转正。收益符号切换的位置与机械识别的顶部、底部窗口高度一致。

图：不同周期按减半相位对齐后，完整价格路径高度相似，且未来 90 日平均收益在历史顶部和底部相位附近发生方向切换。

但并不是所有结构都被时钟控制。实现波动率的峰值相位分别为第 157、585、394 天，跨周期波动率形态相关系数只有 0.15，与随机错位没有显著差异。这反而增加了框架的可信度：如果模型在一切变量上都找到“周期”，那更可能是过拟合；它能指出方向结构有效、波动结构无效，说明时钟主要组织的是趋势和相位，不是所有市场特征。

十、为什么区块高度比日历更接近协议原生坐标

减半由区块高度定义，而不是由日历日期定义。令  为某日结束时的区块高度， 为第  次减半高度，则区块相位为：

四次减半高度分别为：

三个成熟顶部位于减半后约 77,901 至 79,596 个区块，宽度约 1,695 个区块。由于比特币并不严格每天产生 144 个区块，日历相位会引入额外漂移，而区块相位直接反映协议进度。

在区块坐标下，确定性顶部构造在 10,000 条模拟路径中仍然无一复现；允许自由选择的保守构造从每 10,000 条中的 11 条降至 3 条。相对相似时钟的分离也更加明显：美国总统选举时钟对应约 12,775 个区块的顶部范围，固定日历时钟对应约 209,158 个区块，而减半对应约 1,723 个区块。

区块坐标还部分修复了底部结构。以日历测量时，底部相对于减半的相位在 1.7% 的模拟路径中可复现；以区块测量时，这一比例降至 0.16%。不过，“从顶部到底部需要多久”仍然没有变得更特殊，约 40% 的模拟路径仍可复现。因此，底部可能分别受到两个锚影响：既与回撤过程有关，也与下一次减半的接近有关。

2013 年第一周期顶部在日历上显得过早，部分原因也是早期链上出块速度快于成熟期。2011—2013 年网络平均每天约产生 170 个区块，而成熟阶段更接近 147 个。用区块坐标观察，第一周期顶部与成熟周期均值之间的距离缩小了约三分之一。这再次说明，协议事件最好优先在协议单位中测量。

但区块坐标并没有改善所有结果：完整路径对齐和波动率结构反而略弱。最合理的结论是，区块高度更擅长定位离散转折点，日历时间则并不差于、甚至略好于描述连续市场路径。两者可以互补，而不是互相替代。

十一、三个案例：2025 年顶部、2021 年双顶与以太坊复现

1. 2025 年顶部：价格指标沉默，时间指标准时

2025 年顶部是整套框架最有代表性的案例。传统顶部指标集体沉默，但价格仍然出现在减半后第 534 天，落在前两轮成熟周期指示的 525 至 546 天窗口中。

如果把这看成单一预测命中，证据并不足够；它的重要性在于，多个独立观察同时指向同一解释：

• 顶部指标的周期峰值继续下降；
• 幂律偏离在顶部时只有 +0.43，远低于早期周期；
• 减半相位仍然稳定；
• 宏观流动性在同一时期继续扩张，无法解释顶部时点；
• 随机价格路径很难复现如此紧密的顶部相位。

因此，2025 年顶部不是“某个指标又一次灵验”，而是振幅坐标和时间坐标发生分离的自然实验。

2. 2021 年双顶：为什么机械规则选择 11 月而不是 4 月

2021 年存在 4 月和 11 月两个重要高点。若从情绪叙事看，4 月是许多指标集中触发的位置；但从机械规则看，11 月价格更高，并且之后出现足够深的回撤，因此它是该周期真正定义熊市的顶部。

这个案例说明，指标可以识别局部过热，却不一定识别周期最终顶部。随着振幅压缩，指标可能越来越早地提示风险，但价格仍会继续创出新高。若把 4 月作为周期终点，会得到完全不同的相位结论；若坚持统一定义，11 月才是可比较的周期顶部。

这对回测尤其重要。许多策略研究会不自觉地选择“指标最有效”的那个高点作为评价基准，从而夸大信号表现。机械规则虽然看起来不够灵活，却避免了这种事后选择。

3. 以太坊复现：不同指数、同一成熟化现象

以太坊没有比特币式减半，但它同样可以用创世时间构建因果幂律。其估计指数约为 2.1，显著低于比特币的 5.6，说明两者长期采用曲线的形状不同。

尽管如此，以太坊仍出现类似的方向稳定和择时成熟化：180 日幂律偏离 IC 从约 -0.37 强化到 -0.65，择时规则相对买入持有的 Sharpe 优势从 -1.13 改善到 +0.33。更有意思的是，以太坊的机械周期顶部分别位于比特币减半后第 553、546、489 天，与比特币自身的 525、546、534 天非常接近。

这带来一个值得继续研究的问题：比特币减半可能不仅是比特币供应事件，也可能是整个加密资产市场共同关注的流动性与风险偏好时钟。一个没有自身减半机制的资产，仍然在比特币减半相位附近转折，说明“协调效应”或“市场共同定价机制”可能至少与比特币自身供应冲击同样重要。

十二、对量化策略研究的七点启示

1. 不要把固定阈值当成稳定规律

固定阈值只有在信号分布稳定时才可靠。若市场波动率、估值区间和参与者结构持续变化，历史阈值往往会变成一条越来越远的水平线。更稳健的做法是直接建模信号的时变分布，或使用滚动分位数、扩展窗口标准化和状态依赖阈值。

2. 区分 alpha 衰减与周期消失

信号收益下降不代表时间结构消失。一个策略可能越来越难赚钱，但市场仍可能按照相似节奏切换风险状态。对资产配置而言，周期相位可以不是收益预测因子，而是风险预算因子。

3. 把“因果可计算”放在策略设计之前

任何趋势、z-score、阈值和宏观变量都必须回答同一个问题：在当时能否真实获得。扩展窗口估计、宏观数据披露滞后、下一根 bar 成交，都是基本要求。尤其在长周期策略中，全样本拟合带来的未来函数很容易在视觉上非常隐蔽。

4. 对慢变量和重叠收益的显著性保持怀疑

慢变量具有强持续性，重叠收益又具有强自相关，两者结合会让传统显著性检验过度乐观。更好的做法是同时报告方向稳定性、跨样本复现、经济效果和保守零假设，而不是只报告一个 p 值。

5. 用相位做 regime feature，而不是直接做买卖按钮

减半相位可以被纳入风险状态识别，例如趋势市场、顶部风险区、回撤区和修复区。但它不应被孤立地转化为“某一天必须卖出”。更合理的用法是让相位影响仓位上限、止损宽度、波动率目标或对冲比例。

6. 把幂律偏离看作估值风险，而非短期预测

幂律偏离的优势主要体现在较长 horizon。它适合回答“当前价格相对采用趋势是否过高”，不适合预测明天涨跌。若把它用于短期交易，大概率会引入过高的换手和不必要的噪声。

7. 预注册比继续回测更重要

三轮成熟周期无法支撑无限复杂的模型。继续增加指标组合、参数网格和窗口选择，只会提高过拟合风险。更有价值的是提前写下可证伪的日期窗口和错误标准，让未来数据自己裁决。

十三、可证伪预测：这个框架怎样才算失败

一个时间模型如果只解释过去，科学价值有限。因此需要明确未来检验。

第一项预测是当前周期底部窗口。按照顶部后 364 至 406 天的历史范围，以 2025 年 10 月 6 日顶部计算，底部窗口为 2026 年 10 月 5 日至 11 月 16 日。若改用“距离下一次减半还有多久”进行反向定位，历史底部对应的窗口约为 2026 年 10 月 21 日至 11 月 19 日。两者重叠的核心区间约为 2026 年 10 月 21 日至 11 月 16 日。

在区块坐标中，该底部对应约 968,910 至 973,934 的区块高度，即 2024 年减半高度 840,000 之后再经过 128,910 至 133,934 个区块。

第二项预测是下一轮周期顶部。若下一次减半发生，顶部窗口应当位于减半后第 525 至 546 天。按照当前对 2028 年 4 月减半的粗略估计，对应日历窗口暂时落在 2029 年 9 月下旬至 10 月中旬，但由于下一次减半的准确日期取决于实际出块速度，日历窗口必须后续修正。

在区块坐标中，下一轮顶部窗口更明确：下一次减半高度为 1,050,000，顶部目标区间为高度 1,127,901 至 1,129,596，即减半后再经过 77,901 至 79,596 个区块。

第三项是失败标准。若 2026 年底部距离核心窗口超过约 90 天，或者下一轮顶部偏离减半后第 525 至 546 天超过约 90 天，时钟模型就应被视为受到实质性反驳。若下一轮顶部的 SPRING 高于 2025 年的 +0.43，则“振幅继续衰减”的部分也会受到挑战。

这三项预测的价值不在于保证正确，而在于它们足够具体，可以错。

十四、局限性：哪些结论不能被过度外推

第一，所有历史转折点都是事后由机械规则识别的。虽然规则统一，避免了人为挑点，但这仍然不是实时预测记录。真正能够改变证据权重的，是未来窗口是否命中。

第二，成熟顶部只有三个，已完成底部也只有三个。即使零假设下概率很低，三轮样本也不足以建立因果关系、精确估计周期长度，更不足以证明未来永远重复。

第三，顶部证据强于底部证据。模拟显示，底部在顶部后约一年出现，可以由高波动资产自身的回撤过程较常见地产生。因此，“底部也有时钟”目前只能作为较弱假设，不能与顶部相位锁定等量齐观。

第四，幂律择时的样本外窗口只有一个，而且主要由熊市构成。它相对买入持有的 Sharpe 转正值得关注，但不能直接推导为长期稳定超额收益。

第五，宏观因素无法被彻底排除。流动性周期和减半周期大致同频，三轮重叠样本不足以完全分离两者。研究只能说明宏观变量的方向和领先关系更不稳定，不能说明宏观对比特币没有影响。

第六，第一周期存在明显 warmup 问题。因果幂律需要约一个周期的数据才能形成稳定趋势，早期估计指数很高，偏离信号方向也不稳定。把第一周期直接混入成熟周期，会混淆“市场结构不同”与“模型尚未学习完成”两类问题。

第七，减半为什么有效仍没有唯一答案。它可能通过新增供应减少产生影响，也可能因为所有市场参与者都知道同一个时间表，从而形成协调预期，还可能是两者共同作用。对策略使用而言，这个因果差异暂时不影响“时间坐标更稳定”的观察；但对理论研究而言，这是下一步最重要的问题。

结语：真正衰减的是振幅，不一定是时钟

这项研究最有价值的地方，不是给出另一个“比特币顶部预测器”，而是重新定义了周期失效的含义。

传统指标失效，并不意味着市场没有周期；它更可能意味着市场已经不再产生过去那种极端振幅。随着资产成熟，价格相对采用趋势的拉伸变小，链上估值的极端区间收窄，技术指标的固定阈值失去意义。把旧阈值重新调低，只是在追赶一个持续收缩的包络。

与此同时，减半后的时间相位没有表现出同样的衰减。三个成熟顶部相隔多年，却都落在减半后约 525 至 546 天；改用区块高度后，这一结构仍然稳定，并与相似四年时钟拉开更明显距离。价格的历史因此可以被看作一条阻尼螺旋：周期仍然旋转，但离长期趋势的半径越来越小。

对金融从业者而言，真正的启发是把“预测价格”与“描述状态”分开。价格指标擅长描述振幅，却在市场成熟后逐渐失去稳定坐标；时间变量不能预测每天涨跌，却可能提供跨周期更稳定的风险状态。一个更稳健的研究框架，应该把因果估计、非平稳性检验、相位变量、保守零假设和预注册预测放在一起，而不是继续寻找下一个“从未失效”的神奇指标。

振幅可以被市场套利掉，时钟不会被套利掉；它本来就不是某个交易者的私有信号，而是公开写在协议里的时间规则。

参考文献

1. Molnar, J. (2026). Bitcoin Runs on a Clock: Why Every Price Indicator Dies and the Halving Clock Doesn’t. arXiv:2607.26188 [q-fin.ST].
2. Lo, A. W. (2004). The Adaptive Markets Hypothesis: Market Efficiency from an Evolutionary Perspective. Journal of Portfolio Management, 30(5), 15–29.
3. Newey, W. K., & West, K. D. (1987). A Simple, Positive Semi-Definite, Heteroskedasticity and Autocorrelation Consistent Covariance Matrix. Econometrica, 55(3), 703–708.
4. Benjamini, Y., & Hochberg, Y. (1995). Controlling the False Discovery Rate: A Practical and Powerful Approach to Multiple Testing. Journal of the Royal Statistical Society: Series B, 57(1), 289–300.
5. Santostasi, G., & Perrenod, S. (2026). A Mechanistic Derivation of the Bitcoin Price Power Law: Network Adoption Dynamics and Generalised Metcalfe Scaling. Nonlinear Science.