在本轮的牛市中，许多最受欢迎的比特币顶部指标未能触发，这让观察者质疑基础数据是否已经「失效」。本文分析了一些广泛使用的工具，探讨了它们在本轮周期中表现不佳的原因，并概述了如何根据比特币不断转型的市场结构来调整它们。
价格工具预测
在 Bitcoin Magazine Pro 的价格预测工具指标上，最近的牛市从未达到几个历史上可靠的顶部模型，例如 Delta Top、Terminal Price 和 Top Cap (甚至在上一个周期中也未触及)。使用两条移动平均线乘以 5 的比特币投资者工具也未经过测试，而 Pi Cycle Top 指标虽然受到许多交易者的密切关注，但未能提供准确的时机或价格讯号。
这导致了可以理解的疑问：这些模型是否已经停止运作，或者比特币是否已经超越它们？
图 1：历史上可靠的顶部模型，例如 Top Cap、Delta Top 和 Terminal Price，在本轮牛市周期中未达到。
比特币是一种不断演变的资产，其市场结构、流动性和参与者的参与都在变化。与其假设数据已失效，不如更恰当地从不同的角度和时间框架来调整这些指标。目标不是放弃这些工具，而是让它们更稳健、更能回应一个不再像早期那样提供相同指数级上涨和周期顶部行情的市场。
从固定到动态
MVRV Z-Score 2 年滚动指标一直是识别市场过热情况的核心工具，但在本轮周期中，它并没有很好地捕捉牛市的高峰。当比特币首次突破 $73,000–$74,000 区域时，该指标出现了一次飙升，但未能为后期的上涨提供一个清晰的退出讯号。目前，该指标正在记录有史以来最超卖的读数。
图 2：通常可靠的 MVRV Z-Score 2 年滚动指标未能在周期触发退出讯号。
为了解决这个缺陷，MVRV Z-Score 可以重新调整为 6 个月滚动基础，而不是两年，对近期情况更敏感，同时以已实现的价值动态为基础。除了缩短回溯期外，放弃固定阈值而改用基于动态分布的区间也很有帮助。
透过计算在不同 Z-Score 水平上方或下方所花费天数的比重，可以标记出例如顶部的 5% 区域，以及底部的 5%。本轮周期中，当比特币首次突破 100,000 美元时，该指标确实在上限区域发出了讯号，并且从历史上看，进入顶部 5% 区域的走势与周期顶部吻合得相当好，即使它们没有捕捉到理想的最高点。
图 3：经过重新调整的 6 个月 MVRV Z-Score，带有目标化的上下百分位，提供了更及时的买入 / 卖出讯号。
反应更快
除了估值工具，像 Coin Days Destroyed (币天销毁) 这样的基于活动的指标，可以透过缩短整个周期其回溯期来提高其效用。90 天移动平均的币天销毁量历史上一直追踪长期持有者的大规模出货潮，但由于当前周期的走势更为谨慎且波动性加大，30 天移动平均线通常会提供更具参考价值的资讯。
由于比特币不再提供相同的抛物线式上涨，指标需要更快地反应，以反映更浅、但仍然重要的获利回吐和投资者轮换浪潮。
图 4：事实证明，30 日移动平均线的币天销毁量对链上动态的反应更快。
检视最近的读数，并回顾在本轮周期历史新高之前的上涨，30 天币天销毁指标几乎在周期高峰时触发。它在比特币首次突破约 73,000–74,000 美元时触发，价格突破 100,000 美元时再次触发，有效地标记了所有关键的出货浪潮。虽然这很容易事后观察，但它强化了一个观点：链上供需讯号仍然相关；任务是根据当前的波动率和市场深度来校准它们。
已支出产出盈利比 (SOPR)
支出产出盈利比 (SOPR) 提供了另一个关于已实现损益的角度，但原始数据可能很混乱，具有波动的尖峰、盈亏的均值回归，以及在上涨和熊市中期投降期间的大幅波动。为了提取更多可操作的资讯，可以改用 28 天 (月度) 的 SOPR 变化。这种平滑的替代方案突出在短期窗口内，净实现利润趋势当达到极端水平时，从而标记了周期波动的转折点。
图 5：对 SOPR 指标应用 28 日移动平均线可以平滑数据，减少多余的「噪音」，并准确识别局部顶部。
检视最近的周期，月度 SOPR 变化在比特币首次突破 $73,000–$74,000 区域时、再次突破 $100,000 时，以及在 $120,000 区域附近，都产生了明显的高峰。虽然这些都没有完美地捕捉到最终的最高点，但它们都与周期疲劳相一致的强烈获利了结压力阶段吻合。
利用月度变化而不是原始指标，使得讯号更加清晰，尤其是当与比特币对股票和黄金的购买力进行跨资产观察时。
结论
事后看来，在整个牛市中流行的顶部指标，如果透过正确的视角和适当的时间框架来调整，它们确实发挥了作用。关键原则依然是：对数据做出反应，不要试图预测。与其等待任何单一指标完美地预测顶部，不如使用一篮子经过调整的指标组合，并透过动态和不断变化的市场动态的视角来解读，这样可以增加识别比特币何时过热以及何时过渡到更有利的累积阶段的机率。
未来几个月将重点关注完善这些模型，以确保它们不仅在历史上有效，而且在未来也能保持应有的准确性。
