比特币一震，股票和商品会跟着抖吗？
发布时间：2026-09-10 12:50
阅读：1,943
栏目：商讯
比特币一震，股票和商品会跟着抖吗？
论文 Figure 3：BTC、S&P 500 与 Bloomberg Commodity Index 的九组脉冲响应函数。风险经理的屏幕上，三张波动率监控图几乎同时开始跳动：比特币突然剧烈波动，美股也出现异动，另一类传统资产随后跟着偏离常态。问题不是“它们今天是不是一起跌”，而是更难回答的那一个——冲击究竟从哪里开始，又沿着什么路径传出去？先把研究对象说清楚：作者研究的是 Bitcoin、S&P 500 与 Bloomberg Commodity Index（BLCOMM），另外把 VIX 作为外生变量加入 VAR。它真正要回答的是，BTC、股票与大宗商品之间，谁在把短期冲击传给谁。论文使用2019年1月1日至2025年4月30日的日度收盘价格，并以 VAR、SVAR、脉冲响应和预测误差方差分解追踪市场之间的动态关系。三张图背后，其实是三个完全不同的交易系统
作者选择 BTC，是因为它代表加密资产；选择 S&P 500，是因为它覆盖美国约80%的股票市值；选择 Bloomberg Commodity Index，则是为了代表广义商品市场。VIX不进入三资产的结构冲击排序，而作为外生变量，希望控制股票市场的预期波动状态。这里首先出现一个风险经理必须重视的市场微观结构问题：BTC 24小时、每周7天交易，而 S&P 500 和商品指数都有自己的交易时段。论文写的是统一使用 Yahoo Finance 的“daily closing prices”，但没有进一步说明如何对齐 BTC 的自然日收盘与美国股票、商品市场的交易日收盘，也没有报告时区同步处理。这不是小问题。如果一个市场已经吸收了数小时甚至十几个小时的信息，而另一个市场当天还没有开盘，那么所谓“领先一天”有可能部分来自时间戳，而不是真正的经济传染。因此，这篇论文适合用来研究日频条件下的统计结构，却不能把某个滞后系数直接解释成可交易的信息领先。样本本身也有值得警惕的不一致。论文称研究区间覆盖2019年至2025年、使用日度数据，但描述统计里 BTC、BLCOMM 和 VIX 只有386个观测，S&P 500为384个；SVAR最终样本则是380个观测。 这个数量明显少于完整六年日频数据应有的规模。论文没有在正文中充分解释这一筛选过程，因此所谓“2019—2025长期样本”需要谨慎理解。先别谈溢出：第一步只是看今天的收益能不能被昨天解释
所有价格先转换成对数收益当天对数收益等于当天价格与前一日价格之比的自然对数。随后作者把 BTC、S&P 500、BLCOMM 的收益放进一个多变量 VAR，并把 VIX 收益作为外生变量。直觉上，就是同时问三个问题：昨天 BTC 的变化能否解释今天股票？昨天股票能否解释今天商品？每个市场自己的过去，又能解释多少自己的今天？ADF 与 Phillips-Perron 单位根检验都拒绝收益序列存在单位根，论文报告各序列的 p 值均为0.000，因此在收益水平上直接估计 VAR。作者最终采用3阶滞后。不过表4本身留下了一个技术细节：LR、FPE 和 AIC支持3阶，但表中 HQIC 与 SBIC 的星号却出现在0阶模型上。换句话说，正文“所有准则都指向3阶”的表述，与表格并不完全一致。这不意味着模型必然错误，但意味着3阶滞后的选择没有论文文字描述得那么毫无争议。更重要的是，VAR首先研究的是滞后收益关系，而不是“波动率真的从A传到B”。这一区分决定了后面结果应该怎样读。最醒目的结果，反而是大多数市场昨天都预测不了别人今天
简单相关系数很低。BTC 与 S&P 500 的收益相关只有0.0907，与商品为0.0455；S&P 500 与商品相对高一些，也只有0.2250。VIX 与股票收益的样本相关甚至接近零，为-0.0047。但“相关低”只代表同期线性共振弱，并不自动意味着没有冲击传播。接着看 VAR。BTC 自身存在一个显著的一阶正向系数0.110，p=0.032，说明它在这个样本里有轻微的短期收益延续；但 BTC 滞后收益对 S&P 500 和商品的系数都不显著，股票和商品对 BTC 的滞后影响也普遍不显著。作者因此认为，在一两天尺度上，三个市场大部分时间仍然保持明显分离。这恰恰说明“比特币今天暴跌，所以明天做空美股”不是论文支持的结论。表5实际上告诉我们相反的事情：前一天一个市场的收益，对另一个市场今天收益的预测价值很有限。所以这里仍然不能说“因果”。最多能说，在控制各自历史收益后，论文没有发现稳定、显著的跨市场滞后预测关系。真正的冲击溯源，从 SVAR 的排序开始
作者随后建立 SVAR，并人为规定一个当期结构顺序BTC → S&P 500 → BLCOMM。含义非常强：BTC可以在同一时期影响股票和商品；股票可以同时影响商品；但商品不能在同一时期反过来影响股票和 BTC。作者给出的理由，是 BTC 交易最快、全天候交易且更加受情绪驱动，因此放在最上游；股票位于中间；商品更多受到增长、通胀和股票市场流动性的影响，因此排在最后。这一步必须记住，因为后面所谓“结构冲击”并不是完全由数据自由发现，而是在这一识别约束下得到的。估计结果很有意思。BTC 对 S&P 500 的当期结构系数为-0.035，p=0.079，只达到边际显著；BTC 对商品为-0.005，p=0.728，几乎没有证据。反而真正强烈的是股票对商品：BLCOMM ← S&P 500 的系数达到-0.156，p<0.001。同时，BTC 的结构冲击标准差为0.017，S&P 500为0.007，商品为0.005。也就是说，在三资产结构系统里，BTC确实拥有最大的独特冲击，但“自己很能震”与“能够把震动传给别人”是两回事。疫情、战争这些压力期，把平时看不见的连接暴露出来
论文没有真正做 regime-switching，也没有把 COVID、俄乌冲突分别切成子样本重新估计参数。所谓“分阶段”证据主要来自收益图与作者对压力时期共同波动的讨论，而不是独立的危机期模型。图1中，大多数阶段 BTC、股票和商品的波动幅度并不一致。例如 BTC 出现明显下跌时，股票和商品可能相对平静。但作者也观察到部分阶段三者同时下行，并将其联系到 COVID-19、俄乌战争等系统性冲击。脉冲响应进一步显示，大部分跨市场反应都很短，通常在3—5个时期内消退。BTC受到自身冲击后的反应明显，但 S&P 500 与商品对 BTC 冲击的响应很弱；股票冲击对商品的影响则更明显，而且是短暂的负向反应。预测误差方差分解给出了另一种尺度。三个市场90%以上的预测误差方差主要仍由自身冲击解释；但 S&P 500 的方差中，大约有5%—8%可以归因于 BTC 冲击。商品则更多受到股票冲击影响。于是整条冲击链就清楚了：BTC拥有巨大的自身波动，但大部分震荡留在加密生态内部；BTC→股票存在弱传导；真正更稳定的结构关系反而是股票→商品。所谓“BTC是波动领导者”，更准确的理解应是它具有最大的独特冲击和一定的方向性影响，而不是它持续主导所有传统市场。从统计联动到对冲决策，中间还隔着很长一段路
对风险经理而言，这篇论文给出的积极信息是：低同期相关、弱滞后关系以及超过90%的自身方差贡献，都意味着 BTC、股票和商品之间仍存在分散化空间。商品对股票冲击呈现的短期反向反应，也支持它在部分市场状态下充当“局部缓冲器”。首先，论文没有建立实际投资组合，也没有给出动态权重、风险预算、换手率或样本外收益。其次，没有交易成本、滑点和融资成本。第三，没有建模厚尾、跳跃或真正的非对称条件波动；整个核心框架仍然是线性 VAR/SVAR。论文自己也承认，只有三个主要资产类别、线性假设，以及缺少利率、通胀等宏观因素，都会限制结论。还有一个尤其重要的边界：作者在图1之后甚至指出，若要更充分描述波动传播，未来需要 SVAR-GARCH、事件标记和 regime-switching 分析。也就是说，这篇文章真正完成的是收益系统中的结构冲击分解，而不是一套完整的动态条件波动率模型。因此，最稳妥的组合含义不是“看到 BTC 跌就交易股票”，而是把 BTC 当成一类高独特风险资产，把股票—商品关系看成更值得监控的传统市场传导通道，并在压力期重新评估原本看似很低的跨资产相关性。风险经理最后真正需要盯住的，也就不是三张图有没有同时变红，而是三个更具体的问题：一场冲击究竟有多少留在资产自身，多少进入其他市场；传播能持续几天；以及这种关系到底来自经济联系，还是样本、交易时区与模型识别方式。这篇论文给出的答案相当克制：比特币确实最容易自己剧烈震荡，但多数时候并不会把同样强度的震动完整传给传统资产；短期跨市场溢出有限，压力时期的连接会增强，而股票对商品的冲击路径反而比 BTC 对股票更加清晰。本文为只读论文解读，未运行作者代码，未独立复现结果。
