M2 貨幣供應量領先比特幣 3 個月?（很多人拿類似的圖來問我這可以參考嗎？...）
我是沒有時間做過這樣的測試，所以我真的不太知道，但是寫一下我們會怎麼做？
不是每一個步驟都可以做，包含你的資料能搜集到哪裡的問題...
Source:@SJosephBurns
沒跑過以下...這樣下的結論...只能用肉眼看看..
不過可以探討背後的統計/計量含義是蠻重要的..
首先，要做：單根 & 平穩
→ 檢查兩條 series 站不站得穩。
不平穩就差分；如果兩條都有單根但可能共整合。
M2 領先 3 個月的驗證：
(1) 交叉相關函數 ( CCF)
看 lag = +3（M2 領先 3 期）是不是顯著最高。
也檢查 0～6 期，不能只挑3 期那一根。
(2) 單變量回歸 (Lagged OLS)
β 顯著 ≠ 0 就算第一關過，但還不代表統計或計量上的因果。
(3) Granger Causality VAR / VECM
Granger Causality Test
檢查 M2 → BTC 比 BTC → M2 的 F-stat 強不強，特別看 3 lag。
Granger 只代表「具有預測力」，不代表真實世界的政策變動一定透過 M2 影響 BTC
(4) VAR 或 VECM（看有沒有共整合）
看IRF：丟一個 M2 shock，三期後 BTC 反應有沒有顯著。
(5) 強度/穩健度檢查
移動視窗：用滾動 3 年、5 年窗跑一次 CCF / Granger，看結論。
替代變數：把 美聯儲、歐央行、日銀分拆成 G3 M2，或用全球央行資產負債表總額模擬看看。
控制變數：
把美元 DXY、實質利率、Nasdaq 報酬拉進 VAR，確保不是因為一切都跟流動性同方向。
出場設定：這樣的模型結論真能賺錢嗎？
做個 out-of-sample 模擬：用滾動回歸預測 BTC 下個月方向／報酬，看看命中率和Sharpe。
如果連實盤回測都撐不起來，那圖再漂亮也只是「視覺相關」。
結論：
相關性 只是皮膚檢查，Granger＋VAR/IRF 才算 X-ray。
如果要說統計上有「領先 3 個月」：
至少要在 CCF & Granger 都看到 lag=3 突出，並在 IRF 裡三期後 BTC 有顯著脈衝反應。
理論背景：
這背後的含義是什麼？央行放水/政策鬆綁—>風險偏好—>BTC 買盤？
講白話文：
網路一堆都可以隨便拿兩個變數來跑迴歸，寫出一個人模人樣的模型和結論，比如你可以拿來你家的小鳥樹跟美股漲跌天數..也可以跑出一堆數字...
這樣還真的有人寫文章...
但是背後的經濟或金融理論有沒有支持？耐人尋味...尤其用在更後面的預測...那真的是恐怖...
#如果不知道...我寧願抱阿姨的大腿
