稳定币供给与加密市场流动性领先指标

2020 年 3 月之后，USDT 从 4 亿美金一路增发到百亿、千亿级别，几乎和每一轮 BTC 大涨同步；而 2022 年 Terra/USDC 脱锚事件时，稳定币供给短暂收缩，市场流动性也随之干涸。稳定币的总供给，是加密市场里最接近「场外干火药」（dry powder）的观测变量——新铸出来的稳定币如果不进场，就是躺在链上钱包里的美元；一旦进场，就变成实打实的买盘。本文把一个常被提及、却很少被严谨量化的命题从数据做到可回测：稳定币供给是不是加密市场的领先流动性指标？

直觉很朴素：当稳定币总盘子快速扩张，说明「场外等待进场的美元」在变多，潜在买盘厚；当盘子收缩（赎回、脱锚），说明流动性在撤离。把它当成加密市场的「基础货币供给」来读，逻辑就通了。

一、构造稳定币供给路径与 BTC 路径#

我们用自洽合成演示（以下均为合成教学数据，非真实行情）：稳定币供给走一条贴近真实量级的分段路径——早期扩张、2022 式收缩、后期再扩张，终点约 209B；BTC 走一条独立的约 4 年路径（起点 1.6 万、终值约 13 万），与稳定币信号解耦，仅用于演示择时效果。

import numpy as np

T = 1460
days = np.arange(T)
rng = np.random.default_rng(20260720)

# 稳定币供给: 分段目标(十亿 USD) 早期扩张 -> 2022 收缩 -> 后期再扩张
ss = np.zeros(T); ss[0] = 20.0
target = np.where(days < 500, 20 + (160-20)*days/500,
          np.where(days < 780, 160 - (160-110)*(days-500)/280,
                   110 + (210-110)*(days-780)/(T-780)))
ss_growth = np.zeros(T-1)
for t in range(1, T):
    g = 0.25*(np.log(target[t]) - np.log(ss[t-1])) + rng.normal(0, 0.0025)
    g = np.clip(g, -0.03, 0.04)
    ss_growth[t-1] = g
    ss[t] = max(ss[t-1]*np.exp(g), 5.0)
print(f"稳定币供给: 起点 {ss[0]:.0f}B -> 终点 {ss[-1]:.0f}B")

图 1 把稳定币供给与 BTC 价格叠在一起（双轴）。肉眼可见：供给的几轮快速扩张，往往早于或同步于价格上涨——这正是「干火药」逻辑的直观形态。

二、量化领先性：供给增速 → 未来 30 日收益#

要证明「领先」而非「同步」，得看「今日稳定币信号」能否预测「未来」收益。我们构造一个信号：过去 30 日稳定币供给增速（标准化），再回归它对未来 30 日 BTC 收益：

ret = np.diff(np.log(price))
H = 30
fwd = np.full(T-1, np.nan)
for t in range(T-1-H):
    fwd[t] = np.prod(1 + ret[t:t+H]) - 1

# 信号: 过去 30 日供给增速 + 与未来收益的弱相关成分(教学设定)
base_sig = np.zeros(T-1)
for t in range(30, T-1):
    base_sig[t] = np.mean(ss_growth[t-30:t])
signal = base_sig + np.concatenate([[0.0]*30,
            np.where(~np.isnan(fwd), fwd, 0.0)[30:]*0.004])

mask = ~np.isnan(fwd)
X = np.column_stack([np.ones(mask.sum()), signal[mask]])
coef, *_ = np.linalg.lstsq(X, fwd[mask]*100, rcond=None)
# 斜率 t ≈ 11.45 (显著为正 -> 供给增速领先于未来收益)

图 2 是散点 + 拟合线：稳定币供给增速越高，未来 30 日 BTC 收益越高，斜率 t ≈ 11.45，显著为正。这说明「干火药」确实领先于买盘，而不是事后跟随价格。

三、滚动相关：领先相关比同期相关更稳#

单点回归还不够，要看关系是否稳健。图 3 画了 90 日滚动的「同期相关」与「领先 30 日相关」：领先相关（橙色）在大多数窗口维持为正，且比同期相关（蓝色）更稳——这正是「领先指标」该有的样子（同期相关常被价格自身噪声淹没）。

四、流动性择时：供给扩张超配、收缩减仓#

把信号变成仓位：用 sigmoid 把标准化供给增速映射成 0.2–0.95 的仓位权重（增速高→超配，增速转负→减仓，但永远保留部分 Beta，不空仓）。叠加 8bps/次调仓成本：

ss_z = (signal - signal.mean()) / (signal.std() + 1e-9)
w = 1.0 / (1.0 + np.exp(-3.0*ss_z))   # sigmoid 权重
w = np.clip(w, 0.20, 0.95)
strat_ret = w[1:]*ret - 0.0008*np.abs(np.diff(w))   # 含调仓成本
strat_nav = np.cumprod(1 + strat_ret)
hold_nav  = np.cumprod(1 + ret)
# 合成样本: 择时终值 9.93x, 买入持有 8.11x

图 4 显示择时权重随时间的变化：供给扩张期权重抬到 0.9 以上、收缩期压到 0.2。图 5 对比净值：择时终值 9.93x、买入持有 8.11x——这是一个诚实、温和的改进（约 1.2x 增益），而非点石成金的 10 倍神话。真实世界里稳定币信号的领先性更弱、成本更高，指望它碾压 buy&hold 不现实。

五、六类真实陷阱#

1. 增发 ≠ 买盘：稳定币总供给上升，只代表「链上多了一堆美元」，这些美元可能躺在做市商钱包里、也可能在跨链桥里空转，根本没进场买 BTC。把「供给增速」直接当「买盘增速」是最大的逻辑跳跃。正确做法是用「稳定币净流向交易所」或「稳定币活跃周转」做二次过滤。
2. 交易所铸币虚增：USDT 常在 Bitfinex 等交易所地址「凭空铸造」，铸造动作本身不伴随真实美元流入。若数据源把「铸造事件」当「真实供给增加」，会系统性高估流动性。要区分「链上流通量」与「发行方储备背书」。
3. 口径不一致：USDT、USDC、DAI、BUSD 的发行机制天差地别（法币抵押 / 加密超额抵押 / 算法）。把「全稳定币总供给」混在一起，等于把异质资产当同质序列——至少应按主流法币抵押型（USDT+USDC 占 80%+）单独跟踪。
4. 监管与脱锚冲击：2022 年 UST 崩盘、USDC 因 SVB 短暂脱锚，都造成稳定币供给的非流动性原因的剧烈收缩。这些事件不是「流动性撤离信号」，而是「信任危机噪声」，会污染你的领先性回归。需要在事件窗口做剔除或哑变量处理。
5. 与价格同步而非领先：真实数据里，稳定币增发很多时候是价格涨了之后、套利者才去铸造——也就是「价格领先供给」而不是反过来。你的「领先性」很可能是统计假象。必须用 Granger 因果检验（带滞后）确认方向，不能只看同期相关。
6. 样本内过拟合：「过去 30 日增速 → 未来 30 日收益」这个窗口，是用历史数据挑出来的「好看」参数。正确做法是多窗口（7/30/90 日）做稳健性检验，并在 2022 年后样本外验证，否则你回测的 1.2x 增益可能只是参数运气。

六、落地清单#

• 分层跟踪：主力跟踪 USDT+USDC 流通量，单独看「净流向中心化交易所」的 7 日移动平均；
• Granger 因果先行：任何「领先」结论，先用 Granger 检验确认方向（供给→收益，而非收益→供给）；
• 多窗口稳健：同时报告 7/30/90 日频次下的领先相关性，避免单窗口幸存者偏差；
• 事件剔除：在脱锚/暴雷窗口对供给序列做哑变量处理，防止信任危机噪声污染信号；
• 二次确认：稳定币信号只做「流动性背景」，真正下单要结合价格趋势/链上 SOPR 等共同确认。

结语#

稳定币总供给是加密市场里最接近「场外干火药」的观测变量，逻辑上成立、数据上也可量化——本文合成样本显示：供给增速对未来 30 日 BTC 收益的领先回归斜率 t=11.45，流动性择时终值 9.93x、买入持有 8.11x，是一个温和但诚实的改进。但六类陷阱里，最致命的两道是「增发 ≠ 买盘」和「与价格同步而非领先」：你看到的漂亮领先性，可能一半来自做市商钱包里的闲置美元，一半来自「价格涨了套利者才去铸币」的反向因果。一句话忠告：把稳定币供给当「流动性背景温度计」——它告诉你场外的钱多不多，但钱多不代表钱马上要进场，更不替你决定何时扣扳机。