PlanB 的 Stock-to-Flow 模型：為何比特幣交易者不能忽視它

每個加密貨幣交易者都希望自己有一個預測市場的水晶球，但現實中不存在數字資產的"算命術"。取而代之，交易者依賴技術指標、基本面指標和歷史數據分析來評估資產的內在價值。雖然"做自己的研究"（DYOR）無可取代，但業內確實有幾個主流模型能幫助交易者形成觀點。其中，Bitcoin stock-to-flow模型自2019年出現以來，在加密社交媒體上獲得了顯著的關注度。無論贊同還是質疑這個模型的假設，交易者在決定買賣BTC時常會參考它。目前BTC價格在$95.75K附近波動，而這個模型依然在指導著許多長期投資者的策略。

什麼是Stock-to-Flow模型？

PlanB在2019年的一篇Medium文章中首次引入了這個概念。簡單來說，stock代表流通中的資產總量，flow代表某一時間段內的預期產出速率。將兩者相除，就能得到S2F比率——這個數字越高，資產相對於供應量就越稀缺，理論上價格會隨之上升。

PlanB的核心邏輯是：既然比特幣具有與貴金屬類似的稀缺性，為什麼不用同樣的估值方法來預測BTC的價格潛力？這個想法擊中了很多人，因為它簡潔、易懂、有歷史依據。

減半事件如何推動S2F模型

比特幣最特別的地方在於其預設的通脹時間表。大約每四年，比特幣會經歷一次"減半"事件——新BTC進入市場的速率被切成兩半。這種可預測性意味著比特幣天然地變得越來越稀缺，S2F比率持續上升，按照模型理論，BTC價格應該隨之走高。

正是因為這種強大的可預測性，S2F成為了長期投資者手中最有參考價值的工具之一。與其他模型需要不斷調整假設不同，BTC的減半時間表明確無誤，計算也變得直截了當。

Stock-to-Flow圖表怎麼看？

在LookIntoBitcoin或CoinGlass等平台上，交易者常能看到S2F圖表。圖表的核心特徵是：BTC的實際價格用彩色線條展示，上方是S2F模型預測的價格。顏色從深藍紫色（離下次減半最近）逐漸過渡到紅橙色（離減半最遠），這樣設計能讓交易者一眼看出自己在減半週期中的位置。

圖表底部通常標註價格差異（variance），即實際價格與S2F預測價格的偏離程度。經驗豐富的交易者會觀察這些偏離是否存在規律，以此判斷BTC接下來的走向。

為什麼這個模型這麼受歡迎？

S2F模型在加密交易社區快速走紅，主要有幾個原因：

易於理解：這個模型經常被批評過於簡化，但正是這種簡潔性使它成為了最平易近人的分析工具。任何人都能理解"稀缺 = 更高價值"這個基本邏輯。

建立在基本面基礎上：不同於那些充滿主觀臆測的理論，S2F模型聚焦於比特幣的實際特性——稀缺性、減半時間表、固定供應量。這些都是客觀且可量化的。

歷史記錄不錯：雖然S2F的價格預測並非完全準確，但模型方差很少超過1倍。更關鍵的是，自2019年推出以來，"比特幣因稀缺性而長期上漲"這個核心假設已被證明正確，這大大增強了它在加密社區的公信力。

適合長期投資者：S2F模型針對那些看好比特幣、計劃長期持有的HODLers設計。它提供了一個長期價格範圍的參考，幫助投資者找到更有吸引力的買入點。

模型的盲點不容忽視

不過，沒有任何加密定價工具是完美的。交易者在依賴S2F做決策前，必須理解它的局限性。

過度簡化了複雜的市場：S2F只考慮比特幣的流通量和挖礦速率，忽略了影響BTC價格的眾多其他因素——市場情緒、SegWit等升級、閃電網絡或Ordinals等創新。這種簡潔性雖然是優勢，但也意味著它無法捕捉市場的全貌。

默認比特幣是"數字黃金"：雖然這個定位越來越被認可，但並非所有人都確信BTC會像貴金屬那樣升值。而且，S2F模型只看到了比特幣的商品屬性，忽視了它作為點對點支付工具或儲備貨幣的其他價值主張。

無法應對黑天鵝事件：模型假設歷史會重複，但現實中突發新聞（黑天鵝事件）隨時可能顛覆市場。S2F依賴歷史數據，對於突如其來的、前所未有的事件束手無策。

不適合短期交易：如果你是日交易者或波段交易者，S2F提供不了什麼幫助。這個模型的威力在於分析長期趨勢和減半周期的影響，對日常的劇烈波動毫無預判能力。日交易者需要關注技術指標和K線形態，而非這種長期模型。

如何在實戰中應用Stock-to-Flow？

交易者通常用S2F模型來回顧BTC的歷史價格模式，預測減半前後的走勢。但由於這個框架只關注發行時間表和代幣經濟學，它無法給出完整的市場圖景。

最佳實踐是：把S2F作為綜合分析工具的一部分，結合其他技術指標、基本面數據和鏈上分析。圖表形態、宏觀經濟新聞、鏈上資金流向——這些資訊都應該納入考量。S2F的價值在於它提供了一個長期參考框架，但只有與其他市場信號結合時，才能發揮最大效用。

單獨依賴S2F做交易決策是不明智的。它最好被當作一個組合工具，而非唯一的指南。隨著比特幣生態的演進和市場變得越來越成熟，交易者需要更多維度的數據來做出理性決策。