BIS 报告:稳定币对传统安全资产市场的影响

比推Xuất bản vào 2025-06-09Cập nhật gần nhất vào 2025-06-09

作者: Rashad Ahmed and Iñaki Aldasoro

编译:中国人民大学金融科技研究所

原标题:BIS:稳定币安全资产价格

引言

以美元为支撑的稳定币经历了显著增长,并有望重塑金融市场。截至2025年3月,这些承诺与美元按面值兑换并以美元计价资产为支撑的加密货币的总资产管理规模超过2000亿美元,超过了中国等主要外国投资者持有的短期美国证券(图1左图)。稳定币发行人,尤其是Tether(USDT)和Circle(USDC),主要通过美国短期国债(T-bills)和货币市场工具支持其代币,使其成为短期债务市场的重要参与者。事实上,2024年以美元为支撑的稳定币购买了近400亿美元的美国短期国债,规模与美国最大的政府货币市场基金相当,并且超过了大多数外国投资者的购买量(图1右图)。尽管先前的研究主要关注稳定币在加密货币波动中的作用(Griffin和Shams,2020)、其对商业票据市场的影响(Barthelemy等,2023)或其系统性风险(Bullmann等,2019),但它们与传统安全资产市场的互动仍未得到充分探索。

93f0166f-41ef-44cb-91ab-0639b47db379.png

本文研究了稳定币流动是否对美国国债收益率产生可衡量的需求压力。我们记录了两个关键发现。首先,稳定币流动压低了短期国债收益率,其影响与小规模量化宽松对长期收益率的影响相当。在我们最严格的规范中,通过使用一系列影响稳定币流动但不直接影响国债收益率的加密冲击来克服内生性问题,我们发现35亿美元的5天稳定币流入(即2个标准差)会在10天内使3个月期国债收益率下降约2-2.5个基点(bps)。其次,我们将收益率影响分解为发行人特定的贡献,发现USDT对国债收益率压低的贡献最大,其次是USDC。我们讨论了这些发现对货币政策传导、稳定币储备透明度以及金融稳定的政策启示。

我们的实证分析基于2021年1月至2025年3月的每日数据。为了构建稳定币流动的衡量指标,我们收集了六种最大的以美元为支撑的稳定币的市值数据,并将其汇总为一个单一数字。然后,我们使用稳定币总市值的5天变化作为稳定币流入的代理指标。我们收集了美国国债收益率曲线以及加密货币价格(比特币和以太坊)的数据。我们选择3个月期国债收益率作为我们感兴趣的结果变量,因为最大的稳定币已披露或公开表示这一期限为其首选投资期限。

一个简单的单变量局部投影,将3个月期国债收益率的变化与5天稳定币流动联系起来,可能会受到严重的内生性偏差影响。事实上,这种“天真”规范的估计表明,35亿美元的稳定币流入与3个月期国债收益率在30天内下降高达25个基点相关。这种影响幅度大得令人难以置信,因为它表明2个标准差的稳定币流入对短期利率的影响与美联储政策利率下调的影响相似。我们认为,这些大估计值可以通过内生性的存在来解释,这些内生性使估计值向下偏(即相对于真实效应更大的负估计值),这是由于遗漏变量偏差(因为潜在混杂因素未被控制)和同时性偏差(因为国债收益率可能影响稳定币流动)。

为了克服内生性问题,我们首先扩展局部投影规范,以控制美国国债收益率曲线以及加密资产价格。这些控制变量分为两组。第一组包括除3个月期以外的其他期限美国国债收益率的远期变化(从t到t+h)。我们控制远期国债收益率曲线的演变,以在相同的局部投影期限内,根据邻近期限收益率的变化,隔离稳定币流动对3个月期收益率的条件影响。第二组控制变量包括5天变化(从t-5到t)的国债收益率和加密资产价格,以控制可能与稳定币流动相关的各种金融和宏观经济条件。引入这些控制变量后,局部投影估计,35亿美元的稳定币流入后,国债收益率下降2.5至5个基点。这些估计在统计上显著,但比“天真”估计值小近一个数量级。估计值的衰减与我们对内生性偏差符号的预期一致。

在第三种规范中,我们通过工具变量(IV)策略进一步强化识别。根据Aldasoro等(2025)的方法,我们用一系列加密冲击工具化5天稳定币流动,这些冲击基于彭博银河加密指数(Bloomberg Galaxy Crypto Index)的不可预测成分构建。我们使用加密冲击序列的累积和作为工具变量,以捕捉加密市场繁荣和萧条的特殊但持久性。5天稳定币流动对累积加密冲击的第一阶段回归满足相关性条件,并显示稳定币在加密市场繁荣期间往往会有显著流入。我们认为排除限制是满足的,因为特殊的加密繁荣足够孤立,不会对国债市场定价产生有意义的影响——除非通过流入稳定币,发行人用这些资金购买国债。

我们的IV估计表明,35亿美元的稳定币流入会使3个月期国债收益率下降2-2.5个基点。这些结果对通过关注与3个月期收益率相关性较低的期限来改变控制变量集是稳健的——如果有的话,结果在数量上会略微更强。在额外的分析中,我们没有发现稳定币购买对2年期和5年期等更长期限的溢出效应,尽管我们确实在10年期期限中发现了有限的溢出效应。原则上,流入和流出的效应可能是非对称的,因为前者允许发行人在购买时间上有一定的自由裁量权,而在市场条件紧张时不存在这种灵活性。当我们允许估计值在流入和流出条件下不同时,我们确实发现流出对收益率的影响在数量上大于流入(分别为+6-8个基点与-3个基点)。最后,基于我们的IV策略和基线规范,我们还将稳定币流动的估计收益率影响分解为发行人特定的贡献。我们发现USDT流动的平均贡献最大,约为70%,而USDC流动对估计收益率影响的贡献约为19%。其他稳定币发行人贡献了其余部分(约11%)。这些贡献在质量上与发行人规模成比例。

我们的发现对政策具有重要启示,尤其是如果稳定币市场继续增长。关于货币政策,我们的收益率影响估计表明,如果稳定币行业继续快速增长,它最终可能会影响货币政策对国债收益率的传导。稳定币在国债市场中的日益增长的影响力也可能导致非银行金融机构的安全资产稀缺,从而可能影响流动性溢价。关于稳定币监管,我们的结果突显了透明储备披露的重要性,以便有效监控集中的稳定币储备组合。

当稳定币成为国债市场的大型投资者时,可能会产生潜在的金融稳定影响。一方面,它使市场面临在主要稳定币遭遇挤兑时可能发生的抛售风险。事实上,我们的估计表明,这种不对称效应已经可以衡量。我们的估计幅度可能是潜在抛售效应的下限,因为它们是基于一个主要基于增长市场的样本,因此在严重压力下可能低估了非线性效应的潜力。此外,稳定币自身通过以国债抵押品支持的反向回购协议等投资可能促进套利策略,如国债基差交易,这是监管机构的首要关注点。股权和流动性缓冲可能会缓解其中一些金融稳定风险。

数据与方法论

我们的分析基于2021年1月至2025年3月的每日数据。首先,我们从CoinMarketCap收集了六种以美元为支撑的稳定币的市值数据:USDT、USDC、TUSD、BUSD、FDUSD和PYUSD。我们将这些稳定币的数据汇总,得到一个衡量稳定币总市值的指标,然后计算其5天变化。我们通过Yahoo Finance收集了比特币和以太坊这两种最大加密货币的每日价格。我们从FRED获取了美国国债收益率曲线的每日序列。我们考虑了以下期限:1个月、3个月、6个月、1年、2年和10年。

作为我们识别策略的一部分,我们还使用了Aldasoro等(2025)提出的加密冲击序列的每日版本。加密冲击计算为彭博银河加密指数(BGCI)的不可预测成分,该指数捕捉了广泛的加密市场动态(我们将在下文提供更多关于加密冲击的细节)。

图2显示了样本期内以美元为支撑的稳定币市值和美国国债收益率。自2023年下半年以来,稳定币市值一直在上升,2024年初和年末有显著增长。该行业高度集中。两种最大的稳定币(USDT和USDC)占未偿还金额的95%以上。我们样本中的国债收益率既涵盖了加息周期,也包括了大约2024年年中开始的暂停和随后的宽松周期。样本期还包括一段明显的曲线反转时期,最明显的是深蓝色线条从收益率曲线的底部移动到顶部。

88a1fe53-3878-472b-8c39-93bd2a4be892.png

结论与启示

规模。据估计,2至2.5个基点的收益率影响来自35亿美元(或2个标准差)的稳定币流入,截至2024年底,该行业的规模约为2000亿美元。随着稳定币行业的持续增长,预计其在国债市场的足迹也会增加,这并非不合理。假设到2028年,稳定币行业增长10倍,达到2万亿美元,5天流量的差异按比例增加。然后,2标准偏差流量将达到约110亿美元,估计对国库券收益率的影响为-6.28至7.85个基点。这些估计表明,不断增长的稳定币行业最终可能会抑制短期收益率,从而完全影响美联储货币政策向市场收益率的传导。

机制。稳定币至少有三个渠道可以影响国债市场的定价。第一种是通过直接需求,因为稳定币的购买会减少可用的纸币供应,只要流入稳定币的资金不会流入国库券。第二渠道是间接的,因为稳定币对美国国债的需求可能会缓解交易商的资产负债表限制。这反过来又会影响资产价格,因为这将减少交易商需要吸收的国债供应量。第三个渠道是通过信号效应,因为大量流入可能会成为机构风险偏好或缺乏风险偏好的信号,投资者随后将其纳入市场。

政策影响。围绕储备透明度的政策将与稳定币在国债市场日益增长的足迹相互作用。例如,USDC的细粒度储备披露提高了市场的可预测性,而USDT的不透明性使分析变得复杂。对标准化报告的监管要求可以通过使其中一些流动更加透明和可预测来减轻国债集中所有权带来的系统性风险。虽然稳定币市场仍然相对较小,但稳定币发行人已经是国债市场中一个有意义的参与者,我们的研究结果表明,在这个早期阶段,收益率已经产生了一些影响。

货币政策也将与稳定币作为国债市场投资者的角色相互作用。例如,在稳定币变得非常大的情况下,稳定币驱动的收益率压缩可能会削弱美联储对短期利率的控制,这可能需要监管机构之间协调货币政策,以有效影响金融状况。这一观点不仅仅是理论上的——例如,21世纪初的“绿色困境”源于美联储的货币政策没有像预期的那样对长期国债收益率产生影响。当时,这主要是由于外国投资者对美国国债的巨大需求影响了美国国债市场的定价。

最后,稳定币成为国债市场的投资者,对金融稳定有明显的影响。正如关于稳定币的文献所讨论的那样,它们仍然可以运行,其资产负债表受到流动性和利率风险以及一些信用风险的影响。因此,如果一种主要的稳定币面临严重的赎回压力,尤其是考虑到缺乏贴现窗口或最后贷款人的准入,国库券的集中头寸可能会使市场面临抛售,特别是那些不会立即到期的国库券。我们提供的关于不对称效应的证据表明,在以大规模和急剧外流为特征的环境中,稳定币对国债市场的影响可能更大。在这方面,我们的估计所建议的幅度可能是一个下限,因为它们是基于一个主要包括不断增长的市场的样本获得的。随着稳定币行业的增长,这种情况可能会发生变化,从而加剧人们对国债市场稳定性的担忧。

限制。我们的分析提供了稳定币在国债市场新兴足迹的一些初步证据。然而,我们的结果应该谨慎解释。首先,我们在分析中面临数据约束,因为USDT储备组合的到期日披露不完整,从而导致识别复杂。因此,我们必须假设哪种国库券期限最有可能受到稳定币流量的影响。其次,我们通过包括比特币和以太币的回报以及各种国债期限的收益率变化来控制金融市场的波动。然而,这些变量可能无法完全捕捉到共同影响稳定币流量和国库券收益率的风险情绪和宏观经济状况。我们试图通过工具变量策略来解决这个问题,但我们意识到我们的工具变量本身可能受到限制,包括我们当地项目模型中的错误规范。此外,由于数据限制和稳定币行业的高度集中,我们的估计几乎完全依赖于时间序列变化,因为横截面太有限,无法以任何有意义的方式加以利用。

总而言之,稳定币已经成为国债市场的重要参与者,对短期收益率产生了可衡量的重大影响。它们的增长模糊了加密货币和传统金融之间的界限,要求监管机构关注储备方式、对货币政策传导的潜在影响和金融稳定风险。未来的研究可以探索跨境溢出效应以及与货币市场基金的相互作用,特别是在流动性危机期间。

说明: 比推所有文章只代表作者观点,不构成投资建议

Nội dung Liên quan

Mô hình lớn của Mỹ đi vào khép kín, nhân danh an ninh

Ngày 27/6, Anthropic thông báo mô hình bảo mật mạng mạnh nhất của họ, Mythos 5, đã được chính phủ Mỹ cho phép triển khai lại cho hơn 100 tổ chức Mỹ, trong khi phiên bản công khai Fable 5 vẫn chưa có thời gian phục hồi. Cùng ngày, OpenAI phát hành GPT-5.6 nhưng chỉ mở API cho các đối tác được chính phủ phê duyệt. Sự kiện này đánh dấu chu kỳ "dừng - đàm phán - cho phép có điều kiện" đầu tiên của chính phủ Mỹ đối với việc kiểm soát mô hình AI tiên tiến, sau lệnh hành pháp về AI của cựu Tổng thống Trump đầu tháng 6. Các công ty như OpenAI và Anthropic tuyên bố mô hình của họ không vượt quá ngưỡng rủi ro theo khung đánh giá an toàn tự ngành, nhưng chính phủ vẫn can thiệp. Động thái này làm dấy lên lo ngại về một kỷ nguyên kiểm duyệt mới, nơi việc phát hành mô hình AI phụ thuộc vào "đèn xanh" không rõ ràng từ chính phủ, với các tiêu chuẩn và quy trình không minh bạch. Chuyên gia cảnh báo điều này có thể làm suy yếu động lực đầu tư và cản trở sự phổ biến công nghệ quan trọng, tương tự "Cuộc chiến Mã hóa" những năm 1990 khi Mỹ cố gắng kiểm soát xuất khẩu công nghệ mã hóa mạnh. Trong khi đó, mô hình lớn Trung Quốc đang phát triển theo hướng mã nguồn mở. Các chuyên gia chỉ ra rằng nếu chỉ một số ít tổ chức được tiếp cận AI tiên tiến, rủi ro về bất bình đẳng quyền lực có thể tăng lên.

链捕手52 phút trước

Mô hình lớn của Mỹ đi vào khép kín, nhân danh an ninh

链捕手52 phút trước

Vừa qua, DeepSeek V4 cập nhật DSpark, tốc độ suy luận tăng 80%

Vừa qua, DeepSeek V4 đã được cập nhật với framework giải mã suy đoán mới là **DSpark**, giúp tăng tốc độ suy luận lên tới 80%. Cốt lõi của bản cập nhật này là framework **DSpark**, một kỹ thuật giải mã suy đoán được triển khai trên DeepSeek-V4-Pro hiện có để tăng tốc độ suy luận, chứ không phải là nâng cấp kiến trúc mô hình. DSpark giải quyết các điểm nghẽn về độ trễ và thông lượng trong môi trường sản xuất, đặc biệt ở các tình huống có tải cao. DSpark kết hợp hai cải tiến chính: 1. **Kiến trúc sinh bán tự hồi quy (Semi-Autoregressive Generation)**: Giữ lợi thế về thông lượng cao của mô hình phác thảo song song, đồng thời thêm mô-đun nối tiếp nhẹ để mô hình hóa mối quan hệ phụ thuộc giữa các token, giúp giảm thiểu tỷ lệ chấp nhận suy giảm. 2. **Xác minh theo lịch trình độ tin cậy, nhận biết phần cứng (Confidence-Scheduled Verification)**: Một "đầu độ tin cậy" (Confidence Head) được sử dụng để đánh giá xác suất tồn tại của mỗi token phác thảo. Hệ thống điều phối sẽ xác định độ dài xác minh tối ưu một cách linh hoạt dựa trên đặc điểm tải và phần cứng, chỉ phân bổ tài nguyên tính toán cho những token có khả năng được chấp nhận cao nhất. Trong các thử nghiệm trên nhiều lĩnh vực như suy luận toán học, tạo mã và hội thoại, DSpark vượt trội so với các phương pháp tiên tiến hiện tại như Eagle3 và DFlash. So với cơ sở sinh token đơn trước đó (MTP-1), DSpark đã **tăng tốc độ phản hồi cho người dùng từ 57% đến 85%** (tuỳ thuộc vào việc sử dụng mô hình Flash hay Pro) trong khi vẫn duy trì cùng tổng thông lượng. Cùng với DSpark, DeepSeek cũng công khai mã nguồn **DeepSpec**, một bộ công cụ toàn diện để đào tạo và đánh giá các mô hình phác thảo cho giải mã suy đoán. DeepSpec cung cấp một đường ống công việc tiêu chuẩn bao gồm chuẩn bị dữ liệu, đào tạo và đánh giá, hỗ trợ nhiều thuật toán (DSpark, DFlash, Eagle3) và mô hình mục tiêu (hiện tại là Qwen3 và Gemma).

marsbit7 giờ trước

Vừa qua, DeepSeek V4 cập nhật DSpark, tốc độ suy luận tăng 80%

marsbit7 giờ trước

Giao dịch

Giao ngay
活动图片