《Decision Analytics Journal》：An enhanced Multivariate Markov Chain method for modeling cross-market influences on cryptocurrencies
编辑推荐：
加密货币市场的可预测性是一个当前且高度研究的话题。然而，加密货币收益的跨市场影响将受益于不同的视角。本研究使用混合转移分布（MTD）和广义多元马尔可夫链（GMMC）模型，考察了2017年至2023年间比特币（Bitcoin）、以太坊（Ethereum）与传统金
加密货币市场的可预测性是一个当前且高度研究的话题。然而，加密货币收益的跨市场影响将受益于不同的视角。本研究使用混合转移分布（MTD）和广义多元马尔可夫链（GMMC）模型，考察了2017年至2023年间比特币（Bitcoin）、以太坊（Ethereum）与传统金融指数之间的动态相互作用。研究结果表明，每种加密货币内部存在自身状态持续性，以及来自多种金融指数的影响。证据表明，不同行业指数对这些加密货币的影响程度不同。此外，结果显示了跨币种影响，特别是以太坊对比特币的影响，表明市场更加互联。
**论文解读：基于增强多元马尔可夫链的加密货币跨市场影响建模**
**研究背景与问题**
加密货币市场自2017年以来经历了快速增长，其高波动性和不可预测性成为时间序列分析的主要挑战。尽管已有研究利用机器学习或计量经济模型预测收益，但跨市场（即传统金融指数对加密货币收益）的影响尚缺乏系统性的概率视角分析。现有文献多聚焦于单一市场因素或线性关系，忽略了金融指数之间及加密货币之间的非线性依赖和状态转移机制。因此，本研究旨在填补这一空白，通过马尔可夫链框架捕捉加密货币收益的自身状态持续性、跨币种影响以及多种金融指数的预测能力，从而为投资策略、风险管理和监管框架提供理论依据。论文发表在《Decision Analytics Journal》。
**关键技术方法**
研究人员采用两种核心模型：混合转移分布（MTD）模型和广义多元马尔可夫链（GMMC）模型。MTD模型用于估计不同金融指数对加密货币收益状态转移的加权影响（λ系数），GMMC模型则引入协变量以分析极端值（最大值、最小值）下转移概率的变化。数据来源包括Barchart、CBOE、Yahoo Finance、FRED等，涵盖2017年1月至2023年12月共1824个交易日。变量包括比特币和以太坊的日对数收益，以及15个金融指数（如VIX、PCR、SP500、FTSE、利率利差、行业ETF等），所有连续变量均通过等分位数分箱转换为5个状态（m=5）。模型估计利用GenMarkov R包实现，并辅以因子分析（主成分法）降维描述60个GMMC转移矩阵。
**研究结果**
**4.1 MTD结果**
MTD模型估计了每个金融指数对加密货币收益方程的影响。结果显示，比特币（BTC）和以太坊（ETH）均表现出显著的自身状态持续性（λ
BTC和λ
ETH在多数设定中显著），表明收益状态存在自相关。同时，多种金融指数（如SPREAD、PCR、EUR/USD、SP500、VGT等）的λ系数显著，其中利率利差（SPREAD）和看跌/看涨比率（PCR）在比特币方程中权重超过自身持续性。值得注意的是，以太坊的过去状态对比特币有显著影响（λ
ETH在7个设定中达5%显著），但比特币的过去状态对以太坊无显著影响，表明跨币种影响是单向的。
**4.2 GMMC结果**
GMMC模型估计了60个5×5转移概率矩阵（每个加密货币×每个金融指数在最大值和最小值下）。因子分析提取了三个因子：线性性（解释46.8%方差，反映收益方向性变化）、U型（解释12.8%方差，反映波动性/中心趋势）和稳定性（解释6.7%方差，反映跨币种差异化）。因子载荷图显示，线性性因子清晰区分了向高收益或低收益状态的转移倾向；U型因子则刻画了极端状态与中间状态的对比。
**4.3 因子得分分析**
因子得分图将60个矩阵投影到线性性和稳定性因子平面。研究发现，当金融指数处于最大值（经济强劲）时，比特币和以太坊的转移矩阵均偏向高收益状态（线性性正分）；当指数处于最小值（经济疲弱）时，则偏向低收益状态。稳定性因子在两种极端下呈现相反的符号模式：比特币在高指数下正分，以太坊负分，反之亦然。此外，SPREAD和EUR/USD在U型因子上得分最高，表明其波动性影响显著。
**4.4 稳健性分析**
研究人员进行了多项稳健性检验：子时期分析（Pre-COVID、COVID/Boom、FTX/Bear）显示比特币自身持续性在P3减弱，跨币种影响集中在P2；状态数敏感性（m=3,5,7）表明结论一致；一阶与二阶MTD模型比较（BIC支持一阶）；插补敏感性（Bootstrap排除分析）确认估计稳定；波动率调整分箱（用20天滚动标准差标准化）后，指数影响仍显著；GMMC协变量分位数评估（10%-90%）显示效应单调，三点评估未过度简化。
**总结讨论**
研究人员指出，结果与文献中金融指数对加密货币收益有影响的结论一致，并强调马尔可夫链方法能捕捉非线性依赖和尾部特征，优于传统线性模型。以太坊对比特币的单向影响可能源于收益分布差异或市场连通性增强，且COVID-19期间尤为明显。研究局限性包括马尔可夫假设可能简化真实依赖（二阶依赖轻微存在）、样本期包含特殊事件、分箱信息损失等。未来可扩展至更多加密货币、长记忆模型和结构断点分析。
**研究结论翻译**
本研究旨在通过多元马尔可夫链视角探索加密货币（特别是比特币和以太坊）的跨市场影响。通过分析受多种金融指数影响的收益状态转移，研究揭示了这些数字资产与传统金融市场之间的复杂依赖关系。混合转移分布（MTD）和广义多元马尔可夫链（GMMC）模型被用作框架，以捕捉状态的复杂依赖和转移。研究结果发现，比特币和以太坊的离散化日收益存在显著的自身状态持续性，这是一种与已知的收益线性自相关缺失兼容的序列依赖形式。值得注意的是，以太坊对比特币表现出部分影响，挑战了比特币单独引领市场的传统观念。研究还强调了某些金融指数（如SP500指数、利率利差和汇率）对加密货币收益的强预测能力。这些结果与先前记录加密货币与传统金融市场日益整合的研究一致。主要目标是解读加密货币与金融市场指标之间的动态相互作用。结果表明，加密货币收益状态显著受传统金融指数方向的影响。这一发现回答了研究问题，确认了金融市场状况在塑造加密货币收益中的核心作用。研究并非没有局限性。首先，马尔可夫性质假设未来状态仅取决于当前状态，而非之前的事件序列，这可能过度简化金融时间序列中的实际依赖。为应对此，研究人员进行了正式阶数比较（第4.4节），对比一阶MTD与包含比特币收益第二滞后的增强规范；第二滞后权重较小，部分变量拟合改善，但贝叶斯信息准则（BIC）在所有变量下均支持一阶规范，因此轻度高阶依赖（与波动率聚集一致）仍是一阶框架的局限。其次，研究时段包含特定市场条件（如COVID-19大流行和FTX崩溃），可能不代表典型市场行为。研究人员通过将样本划分为三个经济上不同的子时期（第4.4节）分别估计MTD模型；子时期结果揭示了与各时期经济叙事一致的结构性变化，并确认了整体样本发现并非由单一事件驱动。类似地，研究人员检验了结果对分箱状态数（m=3,5,7）的敏感性；m=5和m=7下定性结论保持不变，而完整转移计数矩阵确认了所有状态不存在稀疏单元格。波动率调整分箱（将收益用20天滚动标准差标准化后再分箱）进一步证实了主要发现并非固定边界百分位方案的伪影。GMMC的更精细分位数评估（第4.4节）显示，协变量对转移概率的影响在分布中单调变化，确认了三点评估捕捉了基本模式。基于熵或其他数据驱动的分箱方案仍是未来方法论改进的方向[19]。从政策角度看，这些发现表明监管者和投资者应考虑加密货币与传统金融市场的交织性质。尽管区块链的固有结构促成了波动性和缺乏监管，但有证据表明加密货币确实像传统货币一样对市场做出反应。COVID-19大流行时期展示了加密货币与传统资产之间波动性连通性的增强，网络分析揭示了危机期间相互信息流增强[41]。此外，加密货币在新兴市场中日益增长的作用，特别是其增强金融包容性和经济赋权的潜力，进一步支持了理解这些跨市场关系的必要性[42]。然而，更广泛正式采用的可能性仍然较低，此类发展不太可能在不久的将来发生。但是，有可能采取措施改善加密货币在更广泛金融生态系统中的整合和稳定性，此类研究可能为此提供帮助。未来研究宜扩展分析粒度，纳入更广泛的金融指数以探索更多可能影响并增强结果的稳健性。此外，探索其他非线性建模方法，以及考虑结构断点和过程的记忆性，将是有益的。扩展范围至其他主要加密货币并评估其与比特币和以太坊的相互作用，可进一步丰富对加密货币生态系统中跨市场影响的理解。
