比特币—以太坊收益背离能否解释加密货币市场关联性的变化？——跨分布状态的证据

《FinTech》：Can Bitcoin–Ethereum Return Divergence Explain Change in Cryptocurrency Market Connectedness? Evidence Across Distributional States

　　

本文检验比特币—以太坊收益背离是否与加密货币市场关联性（connectedness）在不同分布状态（distributional states）下的变化相关。研究分析十二种加密货币2018—2026年的日收益率，采用TVP-VAR关联性、分位数回归（quantile regression）、分位数对分位数回归（quantile-on-quantile regression）以及分位数对分位数VAR关联性（quantile-on-quantile VAR connectedness）方法。市场高度一体化（平均总关联性指数为80.10%，校正后为87.38%），以太坊和比特币为主要净传导者（net transmitters）。带符号与绝对值的BTC–ETH收益差蕴含不同信息：带符号收益差仅在特定区域产生影响，而绝对值收益差呈现明显不对称性，中等程度的背离与较低的关联性变化相关，较大程度的背离则与较大的关联性变化相吻合。预测性溢出（predictive spillovers）向分布尾部增强，直接分位数配置（direct quantile configurations）占主导。BTC–ETH相对表现成为加密货币市场一体化的状态依赖型（state-dependent）指标，收益背离幅度与方向的信息相关性随分布状态而变化。

研究背景方面，理解冲击如何在货币及相关金融资产间传导，是市场一体化、分散化与系统性风险分析的核心。关键问题不仅在于市场是否互联，更在于这些连接的强度与方向是否在不同市场状态下保持稳定。近期证据表明并非如此：货币关联性随时间变化、对不确定性作出反应，并在升值、贬值与压力状态间变化。Kyriazis与Corbet记录了主要国际货币与拉美汇率之间的异质性溢出，Zhu等发现东盟+3货币间存在显著的跨分位数与频率异质性。Rubaszek等利用逾46万条日内观测进一步表明，外汇关联性取决于不确定性，且可能与低频数据所得结果显著不同。因此，货币市场更适合被刻画为动态的冲击传导系统，而非恒定的双边关系。同样的问题在加密货币市场尤为相关：数字资产连续交易并共享投资者与流动性渠道，但在技术、市场结构与交易活动上仍具异质性。Ji等表明加密货币收益与波动溢出是动态且不对称的，比特币与莱特币在收益网络中占据中心位置。Kumar与Ajaz记录了跨尺度的时变联动并将比特币识别为市场整体价格变动的重要来源，Dro?d?等发现最大加密货币间存在显著的集体成分，其强度取决于参照资产。Chaudhari与Crane同样识别出市场内的瞬态社群结构。因此，高平均相关性与加密货币依赖关系在组织与强度上的显著变异并存。多数关联性研究聚焦于单个收益或波动，追问哪些资产传导冲击、哪些接收冲击以及总体关联性如何演化。经济上重要资产之间的相对表现提供了不同的信息来源。配对交易文献利用通常同向变动资产之间的偏离：Tokat与Hayrullaho?lu表明收敛与背离随时间变化，Xiang与He将相对价值信号与预期股票收益相联系，Kwon与Satchell表明收益价差对交易策略的相对表现具有意义。类似证据亦见于加密货币市场：Fil与Kristoufek对加密货币对应用距离与协整方法，Nair结合相关性、距离、随机收益差与协整方法。因此，相对背离可能蕴含单凭个体收益无法显现的经济相关信息。比特币与以太坊为检验这一信息提供了天然场景：其收益呈现强联动，但关系既非完全同步也非单向。Sifat等利用小时与日度数据记录了BTC与ETH之间以双向领先—滞后动态为主的关系。两种互补测度捕捉该关系的不同维度：比特币—以太坊收益差RDt = rBTC,t ? rETH,t保留方向性，正值表示BTC跑赢、负值表示ETH跑赢；绝对差ADt = |rBTC,t ? rETH,t|去除方向并测度收益分离的幅度，前者捕捉方向性相对表现，后者捕捉相对背离。第二个问题涉及评估这些关系所依据的分布。基于均值的关联性可能掩盖正常与极端状态间的显著差异。Umar与Bossman表明汇率关联性对尾部冲击的反应强于对条件中位数附近冲击的反应，Kyriazis与Corbet及Zhu等记录了货币网络中传导者—接收者结构的变化与跨分位数异质性。加密货币证据与此一致：Bouri等发现两尾的收益关联性显著强于均值与中位数附近；Khalfaoui等同样表明加密货币、金砖国家股票市场与不确定性测度间的关联性在极端条件下增强，且传导者—接收者角色跨分位数切换；Mensi等记录了加密货币与股票、石油和黄金市场不确定性之间溢出的类似跨分位数变异，并伴随分散化机会的相应变化。近期方法通过允许不同分位数组合间的传导而非将两变量限制于同一状态，扩展了这一分布视角。G?k发现数字与能源市场间直接与反向分位数配置存在重要差异；Youssef等同样表明加密货币与供应链中断的关联性在联合与交叉极端分位数处增强，且净传导方向随状态变化。因此，冲击传导可能同时取决于源变量的位置与接收系统的状态。上述研究在很大程度上彼此分离：关联性研究确立了加密货币溢出随时间与市场状态变化；相对价值研究表明相关资产间的距离与收益差蕴含超越个体收益的信息；基于分位数的证据表明金融传导随分布变化。加密货币对研究主要将相对距离用于交易或双边依赖，而BTC–ETH研究聚焦于联动或领先—滞后动态。关于比特币与以太坊的相对位置是否构成市场整体一体化的内部状态变量、方向与幅度是否蕴含不同信息、以及这些关系是否随联合分布状态变化，所知甚少。选择BTC与ETH源于其系统性地位：比特币仍是加密货币溢出的中心来源，小波与相关性证据亦将其识别为更广泛市场变动的主导参照；以太坊代表不同的系统性成分，其智能合约基础设施支撑广泛的去中心化应用生态，经验证据将其识别为信息与风险传导的重要来源。因此，二者的相对收益配置可能蕴含关于更广泛加密货币网络组织变化的信息。以往研究利用距离、协整与收益差方法考察了加密货币间的相对价值关系，Sifat等记录了比特币与以太坊间的双向领先—滞后动态；另有研究表明加密货币关联性随市场条件与分布状态变化。这些发现促使研究检验BTC–ETH收益背离的方向与幅度是否与市场整体加密货币关联性的变化相关。据此，本研究提出以下研究问题：比特币—以太坊收益背离的方向与幅度是否提供关于加密货币市场关联性变化的独特信息，且这些关系如何随分布状态变化？研究据此提出两个假设，区分相对收益的方向与其背离的幅度。H1：带符号的BTC–ETH收益差与加密货币市场关联性变化显著相关，该关系的强度与方向随分布状态变化。H2：绝对值的BTC–ETH收益差与加密货币市场关联性变化显著相关，较小与较大背离在不同分布状态下呈现不同的关联模式。研究贡献有三：第一，应用Antonakakis等的TVP-VAR框架捕捉十二种加密货币间演化的冲击传导，避免传统VAR模型的恒定系数与任意滚动窗口选择；第二，扩展聚焦交易策略的加密货币对研究，检验带符号与绝对值BTC–ETH收益差是否提供关于市场整体关联性变化的独特信息，分位数回归捕捉跨关联性不同状态的关联，而Sim与Zhou的QQR方法进一步考虑BTC–ETH相对表现的分布位置，揭示均值与传统分位数回归所忽略的异质性；第三，Gabauer与Stenfors的QQVAR框架识别不同分位数组合间的方向性预测溢出，纳入QQR所缺失的动态相互依赖。与考察加密货币关联性外部驱动因素的研究不同，本研究将BTC–ETH收益背离作为市场一体化的内部指标加以考察。利用2018至2026年的日度数据，研究发现平均关联性为80.10%（校正后87.38%），ETH与BTC为主要净传导者。带符号收益差仅在特定状态下具有信息含量，而较小绝对背离在若干状态下与较低的关联性变化相关，较大背离则与更强的关联性相关。预测性溢出总体上从BTC–ETH相对表现流向关联性变化，尽管该方向在极端状态下减弱或逆转。这些发现确立了BTC–ETH背离的状态依赖型信息相关性，但并不意味因果关系。因此，BTC–ETH相对表现为加密货币一体化增添了分布维度，其信息含量取决于收益分离的幅度与市场关联性的状态，支持将其解释为内部的状态依赖型市场一体化指标。研究人员开展的研究方面，实证策略结合四种相关方法：首先使用TVP-VAR估计加密货币市场的动态关联性；随后从比特币与以太坊收益构建两种蕴含不同相对行为信息的测度；采用分位数回归与QQR考察这些测度如何与市场关联性变化在其条件分布上相关联；最后采用QQVAR关联性框架判定该关系是否还涉及不同分布状态间的非对称预测溢出。在数据方面，数据集包含十二种主要加密货币——比特币（BTC）、以太坊（ETH）、XRP、币安币（BNB）、狗狗币（DOGE）、卡尔达诺（ADA）、比特币现金（BCH）、波场（TRX）、莱特币（LTC）、恒星币（XLM）、门罗币（XMR）与以太坊经典（ETC）——自2018年1月1日至2026年8月20日的日度观测。美元日收盘价取自CoinGecko，并经对数一阶差分转换为连续复利收益。自初始3154个观测的日历中，经收益变换并剔除2022年5月23日前后因价格记录缺失受影响的观测后，得到3151个日度观测的平衡样本。该共同样本用于构建BTC–ETH收益差并估计关联性测度，确保各实证设定间的一致性。研究得出的结论方面，加密货币关联性持续高企但随时间显著变化，以太坊与比特币占据主导性净传导地位。更重要的是，带符号与绝对值BTC–ETH收益差产生显著不同的分布效应：带符号收益差在正常状态附近解释相关性相对有限，并在分布的特定上端区域变得具有信息含量；绝对值收益差呈现更为明显的不对称性，较小的BTC–ETH距离与关联性变化的下降相关，而较大背离在若干低、中与上端关联性状态下与上升相关。预测性溢出在联合分布中心附近较弱并向尾部增强，直接分位数配置通常产生强于反向配置的关联性。主要含义在于，加密货币一体化无法仅由平均相关性、平均溢出或比特币与以太坊各自的系统重要性充分描述；两种基准加密货币间的相对表现蕴含额外信息，其含义随市场状态变化。特别是，BTC与ETH之间的绝对距离提供关于市场整体关联性变化的额外信息，尤其在特定分布状态下；但其相对重要性相较于方向性表现取决于实证设定与 prevailing 市场条件。这一区分对投资组合分散化与系统性风险监测具有意义，因为表面相似的市场一体化时期可能掩盖显著不同的BTC–ETH相对表现配置。研究的重要意义在于，发现支持两个假设，尽管关系随分布状态与模型设定而异：与H1一致，带符号BTC–ETH收益差在中位与上分位数处仍与市场关联性变化正相关，即使在将比特币与以太坊从基础网络中剔除后亦如此；H2获得较为有限的支持，绝对值收益差在关联性变化的条件分布上呈现符号反转，揭示条件均值未能捕捉的非对称关系，然而一旦在十种加密货币设定中引入波动率控制，其统计显著性消失。这些发现通过表明BTC–ETH相对表现的方向与幅度传递不同信息、其相关性取决于所考虑的分布状态，扩展了以往关于加密货币依赖关系的证据。动态结果强化了这一解释：加密货币关联性在样本大部分时期保持高企，但平均关联性随时间显著变化，暂时性下降与TCI超过90%的时期交替出现，而最明显的变化大体与比特币减半周期相吻合，而非与每一次重大加密货币事件相吻合。因此，高度一体化的加密货币市场不应被解释为依赖关系恒定的市场：即使平均相关性保持为正，共同市场成分的强度也随时间变化。更重要的是，结果表明带符号与绝对值比特币—以太坊收益差蕴含不同信息。传统分位数回归已揭示这一区别：带符号收益差在其条件分布的上部与关联性变化正相关；相反，绝对值收益差呈现符号反转，较小的BTC–ETH收益距离与关联性下降相关，而足够大的背离与关联性上升相关。这一差异在经济上具有重要意义，因为它分离了原本会被混淆的两种机制：带符号收益差捕捉比特币与以太坊间的相对领导地位，而绝对值测度捕捉其收益分离的程度，而不论哪种资产占优。分位数对分位数估计表明，一旦同时考虑两个分布，这一区别更为相关：在联合分布中心附近系数通常较小，表明相对BTC–ETH表现在普通状态下对关联性变化的信息含量有限；关系向尾部显著增强。对带符号收益差，最显著的正面效应集中在加密货币关联性升高时约0.60–0.80分位数附近；对绝对值收益差，低收益距离分位数主要与负系数相关，而高距离分位数在若干升高的关联性状态下产生正面效应。然而，带符号与绝对值BTC–ETH收益差均未保持统计显著性。这些发现与更广泛的分位数关联性文献一致，表明在条件中位数附近获得的信息未必能刻画尾部特征；本研究证据通过表明异质性亦取决于内部相对收益状态而非仅取决于加密货币个体收益或外部冲击，扩展了这一论点。分位数对分位数VAR分析呈现类似模式：直接分位数组合通常产生强于反向配置的溢出，尤其在低—低与高—高状态，尽管部分相反尾部组合亦出现显著传导。绝对值BTC–ETH收益差表现出高于带符号收益差的平均QQVAR关联性，尽管该优势随分位数配置变化，并不意味一致的信息主导地位。因此，BTC–ETH背离的幅度似乎比相对领导地位单独蕴含更多关于市场整体冲击传导的系统性信息。直接与反向分位数配置的区分亦揭示关系何时变化：直接关联性在样本大部分时期占主导，表明当BTC–ETH相对表现与加密货币关联性处于可比分布状态时溢出通常更强；然而，反向关联性在2021年加密货币扩张期以及2023年末至2024年再度暂时占主导，这些时期与比特币、以太坊及更广泛山寨币市场间显著的轮动以及随后围绕美国现货比特币ETF获批的一系列事件相吻合。证据并未确立这些事件的因果效应，但表明当冲击不对称地影响BTC与ETH、且相对收益状态与更广泛市场关联性状态错位时，反向分位数传导相对更为重要。BTC–ETH收益差及其绝对值可为监测加密货币市场关联性变化提供有用信息：分布证据表明较小绝对收益差在特定分布状态下与关联性负变化相关，而较大背离与正变化相吻合。从投资组合角度看，这些关系可能有助于刻画变化的市场条件，尽管ΔTCI下降并不必然意味着低关联性水平或更有利的分散化机会。因此，BTC–ETH收益背离可作为市场互联性变化的条件指标，而其对于投资组合分散化的含义及其与特定市场事件的关系仍需进一步实证考察。综上所述，这些发现修正了对加密货币关联性的传统解释：相关信息不仅在于识别哪些加密货币传导冲击或总体关联性是否高企，还取决于两种基准资产的相对位置；BTC与ETH间的小差异与大背离对应不同的关联性变化响应，而相同的相对收益配置可能依据加密货币系统位于分布中心附近还是尾部而产生不同效应。在此意义上，BTC–ETH相对表现表现为一种内部市场状态指标，其信息含量本质上是分布依赖的。这一结果为引言中识别的关联性、相对价值与分位数研究之间提供了主要联系。结论部分总结如下：本文检验加密货币市场关联性变化是否取决于比特币与以太坊的相对表现及二者收益距离的幅度。实证策略将十二种加密货币网络的TVP-VAR表示与分位数回归、分位数对分位数回归及分位数对分位数VAR关联性相结合。两种互补的BTC–ETH测度区分相对领导地位与收益背离，使分析得以分离哪种加密货币跑赢与二者收益分离多远。主要结果可概括为：加密货币关联性持续高企但随时间显著变化，以太坊与比特币占据主导性净传导地位；更重要的是，带符号与绝对值BTC–ETH收益差产生显著不同的分布效应，带符号收益差在正常状态附近解释相关性相对有限，并在分布特定上端区域变得具有信息含量，绝对值收益差呈现远更清晰的不对称性，较小的BTC–ETH距离与关联性变化的下降相关，而较大背离在若干低、中与上端关联性状态下与上升相关；预测性溢出在联合分布中心附近亦较弱并向尾部增强，直接分位数配置通常产生强于反向配置的关联性。主要含义在于，加密货币一体化无法仅由平均相关性、平均溢出或比特币与以太坊各自的系统重要性充分描述；两种基准加密货币间的相对表现蕴含额外信息，其含义随市场状态变化，特别是BTC与ETH之间的绝对距离提供关于市场整体关联性变化的额外信息，尤其在特定分布状态下，但其相较于方向性表现的相对重要性取决于实证设定与 prevailing 市场条件。这一区分对投资组合分散化与系统性风险监测具有意义，因为表面相似的市场一体化时期可能掩盖显著不同的BTC–ETH相对表现配置。分析存在局限性，亦提供未来研究方向：结果刻画的是预测性关联性与条件关联而非结构因果；此外，BTC–ETH收益差概括了加密货币系统一个经济上重要的维度，但并未穷尽其他潜在的相对市场信息来源。未来研究可考察类似结果是否出现在其他经济上有意义的资产对中，通过频率分解区分短期与长期传导，或评估流动性、机构资金流或市场特定信息是否解释本文记录的状态依赖关系。此类扩展将有助于判定相对收益背离是数字资产网络的更广泛特征还是比特币与以太坊特有的关系。
在研究技术方法方面，作者主要采用以下关键技术方法：一是采用Antonakakis等的时间变参数向量自回归（TVP-VAR）关联性框架，结合贝叶斯估计与遗忘因子0.99，通过时变向量移动平均表示与广义预测误差方差分解（GFEVD，预测期20期）构建总关联性指数（TCI），并以TCI一阶算术差分（ΔTCI）作为被解释变量；二是构建带符号BTC–ETH收益差（RDt = rBTC,t ? rETH,t）与绝对收益差（ADt = |rBTC,t ? rETH,t|）两种相对收益测度；三是采用分位数回归（分位数0.05至0.95）与Sim与Zhou的分位数对分位数回归（QQR，高斯核，带宽h = 0.05，两维均取0.05至0.95）；四是采用Gabauer与Stenfors的分位数对分位数VAR（QQVAR）关联性框架，构建两个双变量系统（ΔTCI与RD、ΔTCI与AD），评估十个分位数（0.05至0.95）、一阶滞后、30期预测 horizon 与一年滚动窗口，并区分直接（主对角线）与反向（副对角线）分位数关联性；五是运用增广Dickey–Fuller（ADF）、Phillips–Perron（PP）与KPSS检验评估序列平稳性；六是开展稳健性检验，包括替代带宽（0.03与0.08）与滚动窗口（250与350日）、波动率控制回归、剔除比特币与以太坊的十种加密货币网络再估计以及自助法（bootstrap）置信区间；样本队列来源为CoinGecko提供的十二种加密货币2018年1月1日至2026年8月20日日度收盘价，经处理后得到3151个日度观测的平衡样本。

研究结果方面，第一，平均关联性结构与动态特征（表2、图1、图2）：通过TVP-VAR模型得出加密货币市场高度一体化，总关联性指数达80.10%（有限变量校正后87.38%），ETH与BTC为主要净传导者（NET分别为15.36与10.18），LTC（8.59）与ADA（7.50）亦为重要净传导者，而TRX（?15.66）、XMR（?12.32）、DOGE（?9.97）与BNB（?7.81）主要接收冲击；双边结构中XLM对XRP（11.50%）、XRP对XLM（11.45%）、ETH对BTC（11.04%）与ETH对ETC（10.33%）贡献最大；时变TCI持续高企、多数时期超过80%并在若干时期超过90%，最明显的变化大体与2020年和2024年比特币减半周期相吻合，而Terra事件、FTX崩溃与美国现货比特币ETF获批未伴随同样明显的总体关联性变化。第二，平稳性检验：TCI水平值下ADF（?2.9815，p = 0.1628）与PP（?13.8894，p = 0.3351）未能拒绝单位根原假设，KPSS拒绝水平平稳原假设（8.7046，p = 0.01）；一阶差分后ADF（?13.2287，p ≤ 0.01）与PP（?3605.5940，p ≤ 0.01）拒绝单位根，KPSS未能拒绝平稳性（0.0602，p ≥ 0.10），支持以ΔTCI作为因变量。第三，分位数回归结果（图3至图6）：带符号BTC–ETH收益差在Panel A中系数以正值为主并在上分位数增强，表明当市场已处于关联性大幅增长时比特币相对以太坊表现上升与关联性变化上升更强相关；绝对值收益差在Panel B呈现符号反转，低分位数处与关联性变化负相关、上分位数处正相关；在τ = 0.05与0.10处，绝对值收益差在约0.20至0.40分位数区间为负效应、更高分位数转为正效应，即中等背离与较低关联性变化相关、较大背离与较大关联性变化相吻合，但在最极端上尾不保持统计显著性；在中位数（τ = 0.50）处，带符号收益差在0.20分位数以下显著为正并在0.70–0.80附近再度为正，其余区域基本不显著；在τ = 0.90处带符号收益差在0.70–0.80附近仍显著为正、绝对值收益差保持不对称模式，在τ = 0.95处带符号收益差基本失去显著性而绝对值收益差在高分位数处仍呈正相关，表明相对收益差的相关性在关联性变化接近上极端时减弱。第四，分位数对分位数回归结果（图7、图8）：以带宽h = 0.05估计，系数在两分布中心附近接近零，表明正常市场条件下关系较弱；向关联性分布尾部呈现显著不对称模式，带符号收益差在关联性低尾时于其中位分位数附近趋于负、在高关联性分位数处转为正，最强正系数集中于BTC–ETH收益差约0.60至0.80分位数且关联性变化升高时；绝对值收益差低分位数主要与负系数相关，随收益距离增大系数转正且最强效应集中于极端关联性状态，即小BTC–ETH收益差倾向于伴随关联性下降、大背离与市场关联性上升相关。第五，分位数对分位数VAR关联性结果（图9至图12、表3）：带符号收益差模型在两分布中心附近传导较弱，向极端分位数组合显著增强，直接分位数配置（低—低、高—高）通常强于反向配置，最大传导效应出现在两变量均处尾部时，部分相反尾部组合（高—低、低—高）亦出现强溢出但总体弱于直接分位数；绝对值收益差模型分布模式与带符号收益差基本一致但总体关联性水平约高2.5个百分点；直接与反向分位数关联性比较显示直接关联性在样本大部分时期占主导，但2021年加密货币扩张期（伴随比特币、以太坊与山寨币市场间强相对表现轮动及随后的5月大幅回调，与特斯拉比特币政策逆转及中国监管整顿相关）与2023年末至2024年（伴随美国现货比特币ETF获批及后续资金流入的一系列事件）出现两次反向模式，表明当冲击不对称影响BTC与ETH时反向分位数关联性相对更重要；样本外预测（以剔除比特币与以太坊的十种加密货币构建的TCI变化为对象）显示绝对值收益差在全样本与两个子时期均产生最低预测误差（全样本RMSE为0.5175、MAE为0.2048，带符号收益差为0.5182与0.2059，组合模型为0.5196与0.2065），排序在两子时期保持不变，表明BTC–ETH收益背离幅度较其方向提供略高的预测精度，而组合两种测度未带来额外预测收益，但差异较小且统计显著性尚未确立。第六，稳健性检验（附录图A1至图A3、表4至表7）：替代带宽（0.03与0.08）与滚动窗口（250与350日）下带符号与绝对值收益差的主要定性分布模式得以保持，直接与反向分位数关联性的相对主导地位在不同窗口长度下大体一致；在原始十二种加密货币系统中，AD与关联性变化绝对幅度正相关（β = 5.2739，p < 0.01），在控制RD、市场波动率与滞后绝对变化后仍显著（β = 2.7812，p < 0.01），AD亦与带符号关联性变化在条件均值设定中正相关（β = 5.1580，p < 0.01），市场波动率在两个受控模型中均显著；剔除比特币与以太坊后（表5），带符号收益差在中位与上分位数处呈正显著系数（由τ = 0.50的0.2143升至τ = 0.95的3.2867），绝对值收益差在τ = 0.10处为负显著（?1.7377）、在τ = 0.50、0.90与0.95处为正显著并在上分位数达17.0047，表明绝对值收益差的符号反转在剔除两资产后依然存在，观察到的关系不能仅归因于二者被直接纳入TCI；十种加密货币系统的QQVAR关联性估计与自助置信区间（表6）显示AD平均关联性（14.82%）高于RD（10.78%），差值为4.04个百分点，95%自助置信区间为[2.63, 5.44]，但该差异随分位数配置变化，RD在低—低（?7.29个百分点）与高—低（?17.38）配置中关联性更高，AD则在低—高（9.78）与高—高（8.93）配置中占优，四个条件下自助置信区间均排除零，表明RD与AD的相对关联性取决于分布状态而非绝对值收益差的一致优势，但自助程序仅捕捉基于估计QQVAR模型的条件时间变异，未考虑参数估计不确定性；十种加密货币系统的条件均值回归（表7）显示控制市场波动率后RD与关联性变化保持正显著（β = 2.0929，p < 0.01），而AD不再显著（β = 1.2645，p = 0.2972），市场波动率亦呈正显著（β = 4.0306，p < 0.01），滞后关联性变化不显著，表明AD的条件均值关联对网络构成与波动率控制敏感，但条件均值模型的不显著并不排除分位数回归识别的异质性关联，提示BTC–ETH背离的信息相关性取决于所考虑的分布状态。

讨论部分总结与结论翻译：讨论指出，结果提供证据表明加密货币关联性既具持续性又强烈依赖状态，平均TCI达80.10%（校正后87.38%）表明大部分预测不确定性关联于源自加密货币系统其他部分的冲击；ETH与BTC占据最强净传导地位，LTC与ADA次之，而TRX、XMR、DOGE与BNB主要吸收网络其他部分产生的冲击，这一层级与以往识别比特币和以太坊为加密货币溢出中心来源的研究以及近期赋予以太坊和莱特币跨分布状态重要传导角色的证据一致；然而传导者地位并非仅由同期相关性决定，一些相关性相对较高的加密货币仍为净接收者，表明流动性、交易相关性与系统性地位对冲击传导的作用可能超出简单双边联动。结果支持两个假设，尽管关系随分布状态与模型设定而异：与H1一致，带符号BTC–ETH收益差在中位与上分位数处与市场关联性变化保持正相关，即使在将比特币与以太坊从基础网络中剔除后亦如此；H2获得较为有限的支持，绝对值收益差在关联性变化的条件分布上呈现符号反转，揭示条件均值未能捕捉的非对称关系，但一旦在十种加密货币设定中引入波动率控制，其统计显著性消失；这些发现通过表明BTC–ETH相对表现的方向与幅度传递不同信息、其相关性取决于所考虑的分布状态，扩展了以往关于加密货币依赖关系的证据。动态结果强化了这一解释：加密货币关联性在样本大部分时期保持高企，但平均关联性随时间显著变化，暂时性下降与TCI超过90%的时期交替出现，而最明显的变化大体与比特币减半周期相吻合而非与每一次重大加密货币事件相吻合；这一结果补充了滚动相关性证据，显示广泛同步时期与部分脱钩时期交替出现。因此，高度一体化的加密货币市场不应被解释为依赖关系恒定的市场：即使平均相关性保持为正，共同市场成分的强度也随时间变化。更重要的是，结果表明带符号与绝对值比特币—以太坊收益差蕴含不同信息：传统分位数回归已揭示带符号收益差在其条件分布上部与关联性变化正相关，而绝对值收益差呈现符号反转，较小的BTC–ETH收益距离与关联性下降相关、足够大的背离与关联性上升相关；这一差异在经济上具有重要意义，因为它分离了原本会被混淆的两种机制，带符号收益差捕捉比特币与以太坊间的相对领导地位，绝对值测度捕捉其收益分离程度而不论哪种资产占优。分位数对分位数估计表明，一旦同时考虑两个分布，这一区别更为相关：在联合分布中心附近系数通常较小，表明相对BTC–ETH表现在普通状态下对关联性变化的信息含量有限；关系向尾部显著增强，对带符号收益差最显著的正面效应集中于约0.60–0.80分位数且加密货币关联性升高时，对绝对值收益差低收益距离分位数主要与负系数相关而高距离分位数在若干升高的关联性状态下产生正面效应；然而带符号与绝对值BTC–ETH收益差均未保持统计显著性；这些发现与更广泛的分位数关联性文献一致，表明条件中位数附近获得的信息未必能刻画尾部特征，本研究证据通过表明异质性亦取决于内部相对收益状态而非仅取决于加密货币个体收益或外部冲击，扩展了这一论点。分位数对分位数VAR分析呈现类似模式：直接分位数组合通常产生强于反向配置的溢出，尤其在低—低与高—高状态，尽管部分相反尾部组合亦出现显著传导；绝对值BTC–ETH收益差表现出高于带符号收益差的平均QQVAR关联性，尽管该优势随分位数配置变化，并不意味一致的信息主导地位。因此，BTC–ETH背离的幅度似乎比相对领导地位单独蕴含更多关于市场整体冲击传导的系统性信息。直接与反向分位数配置的区分亦揭示关系何时变化：直接关联性在样本大部分时期占主导，表明当BTC–ETH相对表现与加密货币关联性处于可比分布状态时溢出通常更强；然而反向关联性在2021年加密货币扩张期以及2023年末至2024年再度暂时占主导，这些时期与比特币、以太坊及更广泛山寨币市场间显著的轮动以及随后围绕美国现货比特币ETF获批的一系列事件相吻合；证据并未确立这些事件的因果效应，但表明当冲击不对称地影响BTC与ETH、且相对收益状态与更广泛市场关联性状态错位时，反向分位数传导相对更为重要。BTC–ETH收益差及其绝对值可为监测加密货币市场关联性变化提供有用信息：分布证据表明较小绝对收益差在特定分布状态下与关联性负变化相关，而较大背离与正变化相吻合；从投资组合角度看，这些关系可能有助于刻画变化的市场条件，尽管ΔTCI下降并不必然意味着低关联性水平或更有利的分散化机会；因此，BTC–ETH收益背离可作为市场互联性变化的条件指标，而其对于投资组合分散化的含义及其与特定市场事件的关系仍需进一步实证考察。综上所述，这些发现修正了对加密货币关联性的传统解释：相关信息不仅在于识别哪些加密货币传导冲击或总体关联性是否高企，还取决于两种基准资产的相对位置；BTC与ETH间的小差异与大背离对应不同的关联性变化响应，而相同的相对收益配置可能依据加密货币系统位于分布中心附近还是尾部而产生不同效应；在此意义上，BTC–ETH相对表现表现为一种内部市场状态指标，其信息含量本质上是分布依赖的；这一结果为引言中识别的关联性、相对价值与分位数研究之间提供了主要联系。结论部分翻译如下：本文检验加密货币市场关联性的变化是否取决于比特币与以太坊的相对表现以及二者收益距离的幅度。实证策略将十二种加密货币网络的TVP-VAR表示与分位数回归、分位数对分位数回归及分位数对分位数VAR关联性相结合。两种互补的BTC–ETH测度区分相对领导地位与收益背离，使分析得以分离哪种加密货币跑赢与二者收益分离多远。主要结果可概括如下：加密货币关联性持续高企但随时间显著变化，以太坊与比特币占据主导性净传导地位；更重要的是，带符号与绝对值BTC–ETH收益差产生显著不同的分布效应，带符号收益差在正常状态附近解释相关性相对有限，并在分布特定上端区域变得具有信息含量，绝对值收益差呈现远更清晰的不对称性，较小的BTC–ETH距离与关联性变化的下降相关，而较大背离在若干低、中与上端关联性状态下与上升相关；预测性溢出在联合分布中心附近亦较弱并向尾部增强，直接分位数配置通常产生强于反向配置的关联性。主要含义在于，加密货币一体化无法仅由平均相关性、平均溢出或比特币与以太坊各自的系统重要性充分描述；两种基准加密货币间的相对表现蕴含额外信息，其含义随市场状态变化；特别是，BTC与ETH之间的绝对距离提供关于市场整体关联性变化的额外信息，尤其在特定分布状态下；然而，其相较于方向性表现的相对重要性取决于实证设定与 prevailing 市场条件；这一区分对投资组合分散化与系统性风险监测具有意义，因为表面相似的市场一体化时期可能掩盖显著不同的BTC–ETH相对表现配置。分析存在局限性，亦提供未来研究方向：结果刻画的是预测性关联性与条件关联而非结构因果；此外，BTC–ETH收益差概括了加密货币系统一个经济上重要的维度，但并未穷尽其他潜在的相对市场信息来源；未来研究可考察类似结果是否出现在其他经济上有意义的资产对中，通过频率分解区分短期与长期传导，或评估流动性、机构资金流或市场特定信息是否解释本文记录的状态依赖关系；此类扩展将有助于判定相对收益背离是数字资产网络的更广泛特征还是比特币与以太坊特有的关系。