■郭建峰，傅一瑋，靳 洋

一、問題的提出

自比特幣出現(xiàn)以來，其創(chuàng)新的發(fā)行方式和劇烈的價(jià)格波動(dòng)引起了學(xué)術(shù)界和產(chǎn)業(yè)界的廣泛關(guān)注。特別地，對(duì)比特幣價(jià)格的驅(qū)動(dòng)因素的研究吸引了廣泛學(xué)者濃厚的興趣。Garcia et al.（2014）通過在谷歌趨勢中抓取關(guān)鍵詞“比特幣”的搜索量，在英文維基百科中抓取比特幣頁面的每日訪問量，在推特上收集關(guān)于比特幣推文的相對(duì)數(shù)量，量化了它對(duì)投資者的吸引力。bitcointalk.org上的新成員數(shù)和新發(fā)帖數(shù)（Ciaian et al.，2014）以及Nexis數(shù)據(jù)庫中提到“比特幣”一詞的英文文章數(shù)量增加的百分比（Polasik et al.，2016）也被作為公眾對(duì)比特幣的興趣的代理變量。研究發(fā)現(xiàn)，比特幣對(duì)投資者的吸引力變化會(huì)產(chǎn)生短期的價(jià)格效應(yīng)，但長期的升值是由于網(wǎng)絡(luò)外部性（Li&Wang，2017），且比特幣對(duì)投資者的吸引力會(huì)在比特幣價(jià)格泡沫形成和破裂期間產(chǎn)生不對(duì)稱效應(yīng)——在泡沫形成期間，興趣進(jìn)一步推高了價(jià)格，而在泡沫破裂期間，興趣又推低了價(jià)格（Kristoufe，2014）。在控制了諸如供給增長和流動(dòng)性等多種因素后，公眾對(duì)比特幣的興趣與回報(bào)率呈負(fù)相關(guān)，但加密貨幣與欺詐活動(dòng)的關(guān)聯(lián)與每周的回報(bào)率并沒有負(fù)相關(guān)（Wang&Vergne，2017）。比特幣允許在線交易，使用加密哈希算法和數(shù)字簽名來驗(yàn)證交易，以此避免其雙重支付。因此，技術(shù)因素對(duì)比特幣價(jià)格的影響不容忽視，有學(xué)者對(duì)此進(jìn)行了研究。Bouoiyour&Selmi（2015）認(rèn)為，在長期，散列率對(duì)比特幣價(jià)格指數(shù)的影響是積極而顯著的。Li&Wang（2017）聲稱挖礦技術(shù)的進(jìn)步降低了挖礦成本的重要性，削弱了挖礦難度對(duì)比特幣價(jià)格的影響。

國內(nèi)針對(duì)比特幣價(jià)格和交易量形成的文獻(xiàn)較少，一些學(xué)者從其他角度探討了與比特幣價(jià)格相關(guān)的問題。鄧偉（2017）從價(jià)格背離性和爆炸性的角度對(duì)比特幣價(jià)格泡沫進(jìn)行檢驗(yàn)和論證，認(rèn)為對(duì)其優(yōu)點(diǎn)的放大使得估值過高，再加上投機(jī)行為的出現(xiàn)和監(jiān)管的缺失進(jìn)一步使得泡沫不斷產(chǎn)生并膨脹。劉剛等（2015）采用事件研究法，針對(duì)比特幣價(jià)格劇烈波動(dòng)和超主權(quán)貨幣構(gòu)建問題，考察了政策事件對(duì)比特幣價(jià)格波動(dòng)的影響。徐黎明和李靖（2016）研究了中美兩國比特幣市場的收益溢出和波動(dòng)溢出效應(yīng)。劉力臻和王慶龍（2015）運(yùn)用行為金融學(xué)的相關(guān)理論對(duì)比特幣交易市場中的羊群效應(yīng)進(jìn)行分析。

綜上所述，現(xiàn)有文獻(xiàn)主要存在以下幾個(gè)問題：第一，大量研究主要針對(duì)比特幣的價(jià)格而忽視了比特幣的交易量。第二，比特幣對(duì)投資者的吸引力的衡量指標(biāo)主要針對(duì)的是國外投資者。第三，缺乏面向監(jiān)管的實(shí)證研究。本文的貢獻(xiàn)體現(xiàn)在以下三個(gè)方面：第一，對(duì)比分析了中美兩國股票價(jià)格指數(shù)和比特幣價(jià)格指數(shù)的波動(dòng)性，報(bào)告了比特幣市場相對(duì)于股票市場的風(fēng)險(xiǎn)。第二，引入中國市場上比特幣對(duì)投資者的吸引力的衡量指標(biāo)，分別考察了這些指標(biāo)與比特幣價(jià)格和交易量之間的相互依存關(guān)系，在此基礎(chǔ)上，對(duì)比分析中國的政策干預(yù)是否會(huì)使這些關(guān)系發(fā)生變化，即中國監(jiān)管層對(duì)比特幣市場的監(jiān)管是否影響了比特幣在中國的發(fā)展。第三，提出了針對(duì)比特幣市場如何實(shí)施有效監(jiān)管的對(duì)策。

二、數(shù)據(jù)選擇與說明

由于從2013年初開始人民幣市場與美元市場之間，無論是價(jià)格還是交易量，兩個(gè)市場都趨于一致（Kristoufe，2014）。因此，本文的整個(gè)數(shù)據(jù)集由2013年1月1日～2018年8月12日的日數(shù)據(jù)組成。在整個(gè)數(shù)據(jù)集中有2050個(gè)觀察值，主要包含了2個(gè)可測試的被解釋變量——比特幣價(jià)格指數(shù)（BPI）和比特幣的日交易量（VOL），和3個(gè)可測試的解釋變量——搜索量（SEARCH）、媒體關(guān)注度（NEWS）和用戶數(shù)量（USER）。目前，中國政府禁止了加密貨幣交易，早在2017年9月30日，中國就停止了所有比特幣的交易業(yè)務(wù)。本文以該事件為分界點(diǎn)，將數(shù)據(jù)集分 為 ：事 件 前（2013.1.1～2017.9.30）和 事 件 后（2017.10.1～2018.8.12），對(duì)比分析政策事件是否會(huì)對(duì)比特幣價(jià)格和交易量與中國市場上比特幣對(duì)投資者的吸引力的衡量指標(biāo)和用戶數(shù)量之間的關(guān)系造成影響。此外，還使用道瓊斯工業(yè)平均指數(shù)和滬深300指數(shù)分別代表美國股票市場價(jià)格和中國股票市場價(jià)格，以便對(duì)比分析中美兩國股票市場價(jià)格和比特幣市場價(jià)格的相對(duì)波動(dòng)性。道瓊斯工業(yè)平均指數(shù)（DJIA）和滬深300指數(shù)（HS300）均來源于Wind金融終端剔除了周末及法定節(jié)假日的數(shù)據(jù)。

三、實(shí)證分析及結(jié)果

（一）比特幣市場VS股票市場

這一部分，通過比較比特幣市場價(jià)格與中美兩國股票市場價(jià)格的波動(dòng)性，來檢驗(yàn)比特幣市場的固有風(fēng)險(xiǎn)。整個(gè)數(shù)據(jù)集所涵蓋的時(shí)間段內(nèi)的比特幣價(jià)格指數(shù)、道瓊斯工業(yè)平均指數(shù)值和滬深300指數(shù)值如圖1所示。

在這一特定的時(shí)間范圍內(nèi)，三個(gè)時(shí)間序列整體均表現(xiàn)出明顯的趨勢。為了能夠直接比較，對(duì)三個(gè)時(shí)間序列進(jìn)行去趨勢處理。根據(jù)三個(gè)時(shí)間序列的圖線形態(tài)，比特幣市場價(jià)格指數(shù)，利用式（1）來尋找卷積趨勢，對(duì)道瓊斯工業(yè)平均指數(shù)，利用式（2）來尋找多項(xiàng)式趨勢，對(duì)滬深300指數(shù)利用式（3）來尋找S型趨勢。

該式為9次多項(xiàng)式擬合函數(shù)的定義式，a1、a2、…a9為9個(gè)外生變量，t為唯一的內(nèi)生變量。

該式為S型擬合中BiDoseResp函數(shù)的定義式，A1、A2、p、h1、h2、LOGt01、LOGt02為7個(gè)外生變量。

3個(gè)擬合函數(shù)的外生變量值如表1所示。

表1 擬合函數(shù)的外生變量值

其中，yt、gt、st分別為在 t時(shí)刻的卷積趨勢、多項(xiàng)式趨勢和S型趨勢，比特幣價(jià)格指數(shù)、道瓊斯工業(yè)平均指數(shù)和滬深300指數(shù)的趨勢如圖2所示。

為了正確的比較三個(gè)市場的波動(dòng)率，我們利用公式（4）分別計(jì)算比特幣市場、美國股票市場以及中國股票市場的去趨勢比率（Detrended Ratio）（Baek&Elbeck，2015）。

其中，AVt表示在t時(shí)刻的實(shí)際值，TVt表示在t時(shí)刻的趨勢值。圖3顯示了三個(gè)時(shí)間序列的去趨勢比率。

表2 去趨勢比率的統(tǒng)計(jì)分析結(jié)果

每個(gè)市場價(jià)格指數(shù)去趨勢比率的標(biāo)準(zhǔn)差、偏度和峰度值如表2所示。觀察可知，比特幣市場的去趨勢比率的標(biāo)準(zhǔn)差為0.6214，而美國股票市場和中國股票市場的標(biāo)準(zhǔn)差分別為0.0355和0.1110。因此，在我們的觀察區(qū)間范圍內(nèi)，比特幣市場的波動(dòng)率約為美國股票市場的17倍，為中國股票市場的6倍。比特幣市場和中國股票市場都有很大程度的正偏差，而美國股票市場則有相對(duì)較小的正偏差。另外，相對(duì)于美國股票市場，比特幣市場和中國股票市場都有一個(gè)較大的正的超出峰度，導(dǎo)致肥尾，出現(xiàn)極端值的可能性更大。簡而言之，與美國股票市場相比，比特幣市場和中國股票市場均表現(xiàn)出了高風(fēng)險(xiǎn)。比特幣市場相對(duì)于中國市場有更高的波動(dòng)性，表現(xiàn)出更高的投機(jī)性。

（二）推動(dòng)比特幣的價(jià)格及成交量的原因

1.變量的平穩(wěn)性檢驗(yàn)

為了建立向量自回歸（Vector autoregression，VAR）模型，首先需要檢驗(yàn)變量的平穩(wěn)性來避免可能存在的偽回歸問題。因此，使用ADF（Augmented Dickey-Fuller）檢驗(yàn)法進(jìn)行單位根檢驗(yàn)，證明時(shí)間序列滿足平穩(wěn)性條件。

由表3可知，除BPI和USER之外的時(shí)間序列均平穩(wěn)。對(duì)于涉及到的非平穩(wěn)序列，用式（5）將其轉(zhuǎn)化為對(duì)應(yīng)的平穩(wěn)序列。

故用比特幣收益率（RETURN）來代表BPI，用用戶基數(shù)增長率（USER%）來代表USER，根據(jù)表3的結(jié)果可以看出轉(zhuǎn)化后的兩個(gè)時(shí)間序列均為平穩(wěn)序列。用以上的五個(gè)平穩(wěn)序列估計(jì)四個(gè)分別以收益率和交易量為因變量的計(jì)量模型。模型1.1（M1.1）和模型2.1（M2.1）分別為事件前和事件后以收益率為主要因變量，以用戶基數(shù)增長率、搜索量以及媒體關(guān)注度為自變量的兩個(gè)對(duì)比模型，模型1.2（M1.2）和模型2.2（M2.2）分別為事件前和事件后以交易量為主要因變量，以用戶基數(shù)增長率、搜索量以及媒體關(guān)注度為自變量的兩個(gè)對(duì)比模型。為了探討短期內(nèi)不同變量之間的互動(dòng)關(guān)系，需要為模型設(shè)定最大滯后階數(shù)來尋求最優(yōu)模型。滯后階數(shù)的各個(gè)信息準(zhǔn)則結(jié)果表明，應(yīng)設(shè)定2期為最優(yōu)滯后階數(shù)，建立四個(gè)VAR（2）模型。

表3 ADF檢驗(yàn)的結(jié)果

2.格蘭杰因果關(guān)系

為了驗(yàn)證某個(gè)變量是否可用于提高解釋或預(yù)測其他相關(guān)變量的能力，使用格蘭杰因果關(guān)系檢驗(yàn)。格蘭杰因果關(guān)系檢驗(yàn)的結(jié)果如表4所示。

從表4的結(jié)果可以看出，對(duì)比M1.1和M2.1發(fā)現(xiàn)，在M1.1中，雙向格蘭杰因果關(guān)系只存在于NEWS和RETURN之間，對(duì)于變量USER%和RETURN、SEARCH和RETURN，發(fā)現(xiàn)RETURN可以用來提高對(duì)USER%的預(yù)測能力，SEARCH可以用來提高對(duì)RETURN的預(yù)測能力，因此，結(jié)果表明這兩組變量之間沒有雙向格蘭杰因果關(guān)系。在M2.1中，僅存的因果關(guān)系是SEARCH的變化仍對(duì)RETURN保持影響。對(duì)比M1.2和M2.2發(fā)現(xiàn)，在M1.2中，USER%、SEARCH、和NEWS都與VOL之間存在顯著的雙向格蘭杰因果關(guān)系，而在M2.2中，USER%和NEWS的變化不再對(duì)VOL產(chǎn)生影響。

表4 格蘭杰因果關(guān)系檢驗(yàn)的結(jié)果

為了提高對(duì)表4的解釋力，對(duì)SEARCH、USER%和NEWS之間，以及VOL和RETURN之間也做了兩兩間的格蘭杰因果關(guān)系檢驗(yàn)，結(jié)果見表5。從表5可以看出，事件前，除了SEARCH和USER%之間（SEARCH不能提高對(duì)USER%的預(yù)測能力），其余均為雙向格蘭杰因果關(guān)系。事件后，除了VOL和RETURN之間（VOL不能提高對(duì)RETURN的預(yù)測能力），其余均為雙向格蘭杰因果關(guān)系。

表5 輔助性格蘭杰因果關(guān)系檢驗(yàn)的結(jié)果

3.脈沖響應(yīng)函數(shù)

為了分析VAR模型中隨機(jī)干擾項(xiàng)的一個(gè)標(biāo)準(zhǔn)差對(duì)整個(gè)系統(tǒng)的動(dòng)態(tài)影響，采用脈沖響應(yīng)函數(shù)分析了四個(gè)模型各個(gè)變量之間的動(dòng)態(tài)關(guān)系。需要說明的是，對(duì)M2.1而言，由于僅存的因果關(guān)系是SEARCH的變化會(huì)對(duì)RETURN產(chǎn)生影響，因此，在對(duì)M1.1和M2.1做對(duì)比分析時(shí)不考慮給USER%和NEWS的一個(gè)正向沖擊給RETURN帶來的影響。圖4的脈沖響應(yīng)函數(shù)反映了SEARCH的一個(gè)單位大小的正沖擊對(duì)比特幣收益率的影響。圖5的脈沖響應(yīng)函數(shù)顯示了分別給USER%、SEARCH和NEWS這三個(gè)變量一個(gè)單位大小的正向沖擊對(duì)比特幣日交易量的影響。

圖4 顯示在本期給搜索量一個(gè)正沖擊后，M1.1的比特幣收益率一開始快速下降，在第2期達(dá)到最低點(diǎn)（-0.002%），之后快速反彈，第3期初就已經(jīng)基本回到了原來的水平，第四期達(dá)到最高點(diǎn)（0.001%）后比特幣收益率有逐漸收斂的正向響應(yīng)。M2.1的比特幣收益率在前四期內(nèi)上下波動(dòng)，其后比特幣收益率對(duì)搜索量的一個(gè)正沖擊有逐漸收斂的負(fù)向響應(yīng)。因?yàn)楸忍貛湃找嫫占?，從而?dǎo)致了更高的搜索量，更多的興趣鼓勵(lì)了個(gè)人用戶購買比特幣，進(jìn)而推高了比特幣的價(jià)格，但這個(gè)過程中存在時(shí)間的滯后。因此，從第三期開始，搜索量和收益率才開始同向變動(dòng)。然而，由于政策干預(yù)，使得比特幣收益率在受到搜索量正向沖擊后的第四天開始持續(xù)下降，搜索量和收益率反向變動(dòng)。可以發(fā)現(xiàn)，政策干預(yù)也會(huì)對(duì)比特幣價(jià)格走勢造成影響，使得信息搜索的激增預(yù)示著價(jià)格的大幅下跌。

按照表5所得的結(jié)果，僅考慮M1.1的情況下，RETURN對(duì)NEWS的沖擊的響應(yīng)，以及對(duì)RETURN的沖擊引發(fā)的USER%和NEWS的響應(yīng)不能忽視。圖5的脈沖響應(yīng)函數(shù)從左到右分別反映了RETURN的一個(gè)單位大小的正沖擊對(duì)USER%的影響（左），RETURN的一個(gè)單位大小的正沖擊對(duì)NEWS的影響（中），以及NEWS的一個(gè)單位大小的正沖擊對(duì)RETURN的影響（右）。因?yàn)閷?duì)比特幣收益率的一個(gè)正向沖擊，會(huì)給用戶數(shù)量帶來同向的沖擊，即當(dāng)比特幣收益率增加，價(jià)格走勢向上，許多用戶可能會(huì)有興趣將比特幣變成一種新的投資選擇，從而導(dǎo)致了用戶增加。而收益率受到正向沖擊后，媒體關(guān)注度反向變動(dòng)，暗示了媒體更熱衷于對(duì)負(fù)面新聞的報(bào)導(dǎo)。給媒體關(guān)注度的一個(gè)正向沖擊，收益短期內(nèi)下降，這恰好驗(yàn)證了短期內(nèi)媒體傾向于報(bào)導(dǎo)負(fù)面新聞。但是從長期看，媒體關(guān)注度增加會(huì)引發(fā)收益率增加，這是由于新聞媒體對(duì)比特幣的關(guān)注度不斷增加，有更多關(guān)于比特幣話題的報(bào)導(dǎo)，使得比特幣日益普及，由社會(huì)行為引發(fā)了私人行為，導(dǎo)致了更高的搜索量。更多的興趣鼓勵(lì)了個(gè)人用戶購買比特幣，推高了比特幣的價(jià)格，即在長期媒體關(guān)注度和搜索量的增加都會(huì)對(duì)比特幣收益產(chǎn)生正面助推作用，但與搜索相比，社交媒體上的提及是被動(dòng)的，在提高公眾認(rèn)可度方面效果較差。事件后，大批用戶被迫退出市場。隨著比特幣用戶和投資者對(duì)該市場的熟悉以及該事件對(duì)市場和投資者的沖擊，個(gè)人用戶變得更加謹(jǐn)慎，對(duì)社交媒體上的暫時(shí)炒作不再那么敏感。從而使得用戶數(shù)量的上漲和媒體對(duì)比特幣市場的關(guān)注不會(huì)對(duì)比特幣市場收益率造成顯著影響。這同時(shí)也對(duì)上面的格蘭杰因果關(guān)系檢驗(yàn)的結(jié)果做出了合理解釋。

圖6 顯示給本期用戶基數(shù)增長率的一個(gè)正沖擊后，給M1.2的比特幣日交易量帶來了正面的影響，在第2期達(dá)到了最高點(diǎn)（1515BTC），其后，正向響應(yīng)程度趨于收斂。而M2.2的比特幣日交易量未受任何顯著影響。因?yàn)楸忍貛沤灰椎氖掷m(xù)費(fèi)和交易量相關(guān)，交易越多，費(fèi)率越低，短期內(nèi)用戶數(shù)量的上漲預(yù)示著交易量激增。而由于政策干預(yù)，大批中國用戶被迫退出市場，從而事件后用戶數(shù)量對(duì)交易量的導(dǎo)向作用消失。

在給本期給媒體關(guān)注度一個(gè)正沖擊后，給M1.2的比特幣日交易量帶來負(fù)面影響，第4期達(dá)到最低點(diǎn)（-447BTC）。第5期初響應(yīng)程度開始逐漸減弱，有收斂的跡象。第11期初開始有小幅的持續(xù)正向響應(yīng)。由于媒體關(guān)注度不再是比特幣日交易量的格蘭杰因果關(guān)系，所以不能給M2.2的比特幣日交易量帶來顯著影響。對(duì)比可知，比特幣日交易量對(duì)媒體關(guān)注的一個(gè)正沖擊，在事件前表現(xiàn)為負(fù)響應(yīng)，事件后表現(xiàn)為無響應(yīng)。因?yàn)槭录?，媒體的關(guān)注度增加交易量減少，這驗(yàn)證了之前提及的媒體更熱衷于對(duì)負(fù)面新聞的報(bào)導(dǎo)。

在本期給搜索量一個(gè)正沖擊后，M1.2的比特幣交易量在第5期達(dá)到最高點(diǎn)（719BTC）后，搜索量的正向沖擊對(duì)交易量有持續(xù)收斂的正向響應(yīng)。M2.2與M1.2的響應(yīng)基本一致。對(duì)比可知，搜索量對(duì)比特幣日交易量的影響幾乎不受該事件的影響。因?yàn)樗阉髁坎蹲降搅擞脩粲嘘P(guān)比特幣信息的需求，它反映了用戶之間關(guān)于比特幣的知識(shí)的變化，從而導(dǎo)致更廣泛的接受和需求，因此給搜索量的一個(gè)正沖擊推動(dòng)了交易量的上漲。此外，政策的干預(yù)并沒有對(duì)搜索量和交易量之間短期內(nèi)的正相關(guān)關(guān)系造成明顯的影響。

4.方差分解

方差分解顯示了各個(gè)VAR模型中每個(gè)變量對(duì)各自模型中的某一特定變量在預(yù)測時(shí)間范圍內(nèi)所作出的貢獻(xiàn)程度①限于篇幅，方差分解結(jié)果未給出，留存?zhèn)渌?。。?duì)比特幣收益率而言，結(jié)果在第10期之后基本穩(wěn)定。比較M1.1和M2.1可知，事件前，比特幣收益率對(duì)自身的貢獻(xiàn)率達(dá)到了99.28%，除此之外，搜索量對(duì)比特幣收益率的貢獻(xiàn)率最大，為0.42%，其次分別為媒體關(guān)注度（0.20%）和用戶增長率（0.10%）。在事件發(fā)生后，比特幣收益率對(duì)自身的貢獻(xiàn)率降至95.98%，其他因素對(duì)比特幣收益率的貢獻(xiàn)率都明顯上升，最大的為搜索量，達(dá)到2.63%。對(duì)比特幣日成交量而言，結(jié)果在第30期之后基本穩(wěn)定。比較M1.2和M2.2，在關(guān)停一切交易之前，比特幣日交易量對(duì)自身的貢獻(xiàn)率為93.93%，其次為搜索量，達(dá)到3.08%。在事件發(fā)生后，比特幣日交易量對(duì)自身的貢獻(xiàn)率稍有提高，達(dá)到94.88%，搜索量的貢獻(xiàn)率小幅上升（4.61%），用戶基數(shù)增長率和媒體關(guān)注度的貢獻(xiàn)率下降，均不足0.5%。以上結(jié)果進(jìn)一步表明，政策干預(yù)會(huì)對(duì)每個(gè)模型各個(gè)變量之間原有的相互依存關(guān)系造成影響，即中國監(jiān)管層對(duì)比特幣市場的監(jiān)管會(huì)影響比特幣在中國的發(fā)展。

四、主要結(jié)論

本文的研究結(jié)果顯示，比特幣價(jià)格（BPI）的波動(dòng)性是美國股票市場價(jià)格（DJIA）的17倍，是中國股票市場價(jià)格（HS300）的6倍。與美國股票市場相比，比特幣市場和中國股票市場都表現(xiàn)出了高風(fēng)險(xiǎn)性。比特幣市場相對(duì)中國市場表現(xiàn)出高的波動(dòng)性和高的投機(jī)性。而且，在中國市場上，比特幣對(duì)投資者的吸引力的兩個(gè)衡量指標(biāo)（百度搜索量和媒體關(guān)注度）、比特幣用戶數(shù)量和比特幣價(jià)格、日交易量之間存在動(dòng)態(tài)互動(dòng)關(guān)系，這些關(guān)系會(huì)由于政策的干預(yù)而發(fā)生變化或變得不顯著。

自2017年9月起，在央行部署的互聯(lián)網(wǎng)金融風(fēng)險(xiǎn)專項(xiàng)整治工作的框架下，中國相關(guān)監(jiān)管部門和地方政府一起整頓虛擬貨幣相關(guān)領(lǐng)域，要求關(guān)停比特幣等虛擬貨幣交易場所，并停止首次幣發(fā)行（ICO）活動(dòng)等。通過實(shí)施監(jiān)管，既有效保證了全國范圍內(nèi)摸牌出的比特幣等虛擬貨幣交易平臺(tái)和ICO平臺(tái)無風(fēng)險(xiǎn)退出，也為我國建立高效安全的金融運(yùn)行體系與機(jī)制做了鋪墊，對(duì)防范國家金融風(fēng)險(xiǎn)與隱患具有重要作用。然而，投資者對(duì)比特幣的投資需求和熱情顯然難以因?yàn)橥滑F(xiàn)的“監(jiān)管風(fēng)暴”就徹底消失。隨著“禁令”升級(jí)，被叫停的境內(nèi)ICO平臺(tái)和比特幣等虛擬貨幣交易平臺(tái)紛紛“出?！薄Ｔ诤Ｍ?，比特幣等虛擬貨幣交易平臺(tái)以不斷掛牌、摘牌的手段和點(diǎn)對(duì)點(diǎn)的方式繼續(xù)提供比特幣與人民幣之間的“場外交易”（李華林，2018），禁令在無形中將比特幣交易推入了“暗網(wǎng)”交易。在這樣的背景下，政府監(jiān)管的難度進(jìn)一步加大，進(jìn)而迫使投資需求進(jìn)入非法交易，交易者權(quán)益無法得到保證，從而造成了比特幣市場的進(jìn)一步混亂。比特幣經(jīng)濟(jì)受到用戶及用戶關(guān)注度的強(qiáng)烈驅(qū)動(dòng)，公眾共識(shí)支撐了比特幣的價(jià)值。主流交易平臺(tái)的關(guān)閉，將加大個(gè)人用戶對(duì)比特幣使用的障礙，從而阻礙廣泛達(dá)成共識(shí)。長期來看，將導(dǎo)致個(gè)人接受比特幣的意愿降低，使比特幣貶值，進(jìn)而損害比特幣在全球金融體系中的預(yù)期角色。在今后進(jìn)一步的研究中，可以嘗試引入輿情數(shù)據(jù)，進(jìn)行更充分的行為分析，并提出具有針對(duì)性的監(jiān)管對(duì)策。