Определение модели S2F и принципы её функционирования
Что такое Stock-to-Flow (S2F)
Модель Stock-to-Flow (S2F) — это экономическая концепция, заимствованная из товарных рынков, таких как золото и серебро, и адаптированная для оценки дефицитных активов. В рамках S2F-модели соотношение рассчитывается по формуле: Stock / Flow, где *Stock* — это общее количество актива в обращении, а *Flow* — годовой объем нового предложения. Чем выше коэффициент S2F, тем больше дефицит актива, что, согласно модели, должно коррелировать с его рыночной ценой.
Для биткоина модель приобрела популярность благодаря публикации анонимного аналитика PlanB, который предложил использовать эту концепцию для прогнозирования цены криптовалюты. Согласно его расчетам, после каждого халвинга (сокращения эмиссии) цена биткоина должна резко расти, следуя экспоненциальной траектории.
Графическое представление модели S2F
В типичной диаграмме S2F по оси X откладывается время (в годах), а по оси Y — логарифмическая цена биткоина. Линия модели представляет собой логарифмическую регрессию значений S2F, где каждый халвинг вызывает скачок метрики. Цвета точек на графике часто отображают оставшееся количество блоков до следующего халвинга. Однако несоответствие фактической цены биткоина с предсказанными значениями в последние годы вызывает сомнения в достоверности модели.
Ключевые аргументы против модели S2F
1. Отсутствие фундаментальной причинно-следственной связи
Главная критика модели заключается в том, что она предполагает, будто дефицитность (в виде высокого S2F) автоматически приводит к росту цены актива. Однако в экономике цена регулируется не только предложением, но и спросом, который модель игнорирует полностью. Например, золото имеет высокий S2F (>60), но его цена оставалась относительно стабильной в течение десятилетий. Это указывает на то, что высокий S2F не обязательно гарантирует ценовой рост.
Кроме того, модель игнорирует макроэкономические и геополитические факторы, такие как процентные ставки, регулирование криптовалют, институциональное принятие и кризисы ликвидности. Эти переменные могут оказывать критическое влияние на спрос и, следовательно, на цену, независимо от эмиссионной политики.
2. Переподгонка модели (overfitting)
S2F-модель построена на выборке из ограниченного числа исторических точек данных. Применение логарифмической регрессии к этим данным может привести к переобучению — модели, которая хорошо описывает прошлое, но неспособна предсказать будущее. Особенно это заметно в случае с халвингами: цена биткоина после халвинга в 2020 году не достигла ожидаемого уровня в $100,000, как прогнозировала модель.
- Модель хорошо описывала поведение биткоина в 2012–2017 годах, но начала расходиться с реальностью после 2021 года.
- S2F предсказывала цену биткоина в районе $288,000 к концу 2021, но фактическая цена не превысила $69,000.
3. Игнорирование рыночной динамики
Модель S2F не учитывает поведенческие аспекты рынка: спекулятивные пузыри, массовую панику, колебания ликвидности и влияние крупных игроков. В реальности рынок биткоина подвержен высоким колебаниям, и поведение инвесторов часто иррационально. Например, в 2022 году обвал крипторынка был вызван цепочкой банкротств (Terra/Luna, FTX), что не могло быть предсказано моделью, основанной исключительно на эмиссии.
Сравнение с альтернативными моделями
Модель логарифмической регрессии и Metcalfe’s Law
Одной из альтернатив является логарифмическая регрессия роста, основанная на временных метках и исторических максимумов. Она учитывает снижение темпов роста со временем и лучше подходит для прогнозирования в зрелых фазах рынка. Также существует модель, основанная на законе Меткалфа, согласно которому стоимость сети пропорциональна квадрату числа её пользователей. Эта модель делает акцент на росте сети, а не только на эмиссии.
- Модель логарифмической регрессии предполагает замедление роста цены по мере зрелости актива.
- Закон Меткалфа учитывает сетевые эффекты и рост пользовательской базы как ключевые драйверы цен.
Примеры применения альтернатив
В 2023 году аналитики Glassnode и ARK Invest использовали многомерные модели, включающие объем транзакций, активные адреса и макроэкономические индикаторы. Эти модели показали более точные краткосрочные и среднесрочные прогнозы, чем S2F. Например, они предсказали коррекцию в первом квартале 2023 года, в то время как S2F продолжал прогнозировать рост.
Кейс-стади: несостоятельность S2F в 2021–2022 годах
В конце 2020 года S2F-модель предсказывала рост биткоина до $100,000–$288,000 после халвинга 2020 года. Однако в реальности BTC достиг пика около $69,000 в ноябре 2021 года и затем упал ниже $20,000 в 2022 году. Причины такого расхождения:
- Усиление регулирования криптовалют в Китае и США.
- Крах стейблкойнов (Terra/Luna) и последующая цепочка банкротств.
- Повышение процентных ставок ФРС и общее ужесточение финансовых условий.
Ни один из этих факторов не учитывается в модели S2F, что подчеркивает её неспособность адаптироваться к изменяющейся среде.
Вывод: ограниченность применения модели S2F
Модель Stock-to-Flow полезна как иллюстративный инструмент для оценки дефицитных активов, однако её применение в реальной торговле и инвестициях ограничено. Она не учитывает спрос, поведение инвесторов, институциональную динамику и макроэкономические условия. Более надежные прогнозы требуют комплексных мультифакторных моделей, которые интегрируют как эмиссионную политику, так и внешние переменные.
Основные ограничения модели S2F:
- Игнорирование динамики спроса и экономических факторов
- Уязвимость к экстремальным рыночным событиям
- Переподгонка под исторические данные без прогностической силы
Таким образом, инвесторам и аналитикам следует воспринимать S2F как один из ориентиров, но не как строгую модель для принятия решений. Устойчивое прогнозирование требует более адаптивных и многоуровневых подходов.
