撰文：Cooper Duschang，CoinMetrics
编译：Saoirse，Foresight News
区块链稳定币是锚定稳定价值的代币，用户可用其参与借贷协议、兑换其他代币，或是支付网络内各类服务。稳定币价格走势同样反映宏观经济环境，常被用于跨境汇款，也能帮助高通胀、本币持续贬值国家的用户配置美元资产。
稳定币的增长历程
稳定币行业历经多个经济周期。2023 年 3 月，硅谷银行因长期债券亏损遭遇储户挤兑，引发 USDC 脱锚，部分 USDC 储备资产受到冲击。此次脱锚事件导致 USDC 供应量从 2022 年峰值 566 亿美元，最低回落至 2024 年 2 月的 279 亿美元。
来源: Talos CM Network Data Pro
2024 年 11 月，机构需求升温，稳定币供应量增速加快。2025 年 3 月，USDC 供应量重回历史高点。然而 2026 年稳定币增长势头停滞，部分稳定币供应量甚至出现下滑。2026 年增长停滞与 2025 年市场繁荣背后存在哪些差异？基于此，我们展开研究，探寻影响稳定币供应增长的驱动因素，探索预判其增长的可行思路。
回归分析
不同稳定币的体量与流通结构差异巨大。小型稳定币极易受个别因素干扰，难以剥离出驱动供应增长的核心变量。例如，小体量稳定币的增长往往高度依赖发行方补贴激励，不具备持续性。
本文选取 USDC 和 USDT 作为研究样本：二者规模均超 250 亿美元，在多条公链与各大交易所广泛流通，且代币本身不会向持有者提供原生收益激励。我们采用过去四年的周度数据，选取 6 项变量，对驱动因子做一期滞后处理，分析各因子对 USDC、USDT 供应量增长的影响。
变量说明：
- 永续合约资金费率：在未平仓量排名前五的交易所，BTC、ETH 市场年化平均资金费率
- 竞品稳定币供应量：其余 7 种稳定币（BUSD、TUSD、GUSD、PYUSD、EURC 等）当期总供应量
- 加密资产总市值：剔除稳定币后，全部加密资产总市值的周环比变化（CapMrktCurUSD）
- 2 年期美债收益率变动：美国 2 年期固定期限国债市场收益率周度差值（数据来源：FRED）
- 美联储净流动性增量：美联储净流动性周环比变化。计算公式：美联储总资产 − 财政部一般账户 − 隔夜逆回购（数据来源：FRED）
- 美元指数：广义名义美元指数周环比变化（数据来源：FRED）
来源: Talos CM Market Data, Network Data Pro, FRED（圣路易斯联邦储备银行）
基础模型结果显示：永续合约资金费率、竞品供应量、加密资产总市值、2 年期美债收益率变动，均在 5% 显著性水平下统计显著。其中仅永续合约资金费率一项，便可解释 USDC 与 USDT 供应增长 13.3% 的波动。若前一周 BTC、ETH 全市场年化永续资金费率上行，下周稳定币供应量增速通常高于均值。
分稳定币拆解分析
USDC 与 USDT 功能相近，但二者的网络分布、面向的地域用户群体有所区别。单独拆解两种稳定币的供应增长数据可以发现，各因子对两者的影响并不相同。
来源: Talos CM Market Data, Network Data Pro, FRED
永续资金费率上行，会推高下一周 USDC、USDT 供应量增速，这也是影响力最强的单一因子。控制其他变量后，该因子分别解释 USDC 约 10%、USDT 约 4% 的周度供应波动。高资金费率代表市场杠杆需求上升，交易者会铸造 USDC/USDT 充当保证金，建立杠杆头寸。
USDT 约占期货市场保证金规模的 42%，是中心化交易所最核心的保证金资产。USDC 则覆盖约 10% 的期货保证金市场，集中在 Hyperliquid、dYdX、Deribit 等平台，体现出 USDC 深度嵌入链上 DeFi 生态的特点。
加密市场收益对两种稳定币的影响方向相反，且统计显著。 若上周加密资产价格上涨，后续一周 USDC 的供应增速倾向放缓；该指标可解释 USDC 周度增长 4.6% 的波动。 反之，加密市场上涨后，USDT 下周供应增长加快，该指标解释 USDT 周度增长 5.3% 的波动。
简单来说：市场风险偏好抬升、杠杆扩张阶段，USDT 供应随之扩张；市场下行阶段，交易者去杠杆，同时铸造 USDC 作为资金储备，博取链上收益。
引入利差因子
基础模型使用四年历史数据，保障因子显著性检验的可靠性。我们新增一项 2023 年后才可获取的变量 ——利差，定义为 Aave v3 平台稳定币平均存款年化收益率减去 3 个月美国国库券收益率。
研究时间窗口调整为 2023 年至今，重新运行回归模型：先对 USDC+USDT 组合建模，纳入利差变量，再分别对两种稳定币单独回归。
来源: Talos CM Market Data, Network Data Pro, Protocol Metrics, FRED
利差与永续资金费率均为市场整体杠杆水平的代理指标，二者相关性较高，相关系数 0.61。因此需要区分：新增利差变量是带来额外有效的解释力，还是两个变量解释的波动高度重叠。
针对合并样本以及 USDT 单独模型，加入利差后的增量解释效果有限，模型仅在两个高度相关变量之间分配方差。但对于 USDC，利差在 5% 显著性水平下可以有效解释其周度供应量增长。资金费率 + 利差两项指标合计能够解释 USDC 周度供应增长 15.9% 的波动。USDC 是 DeFi 原生抵押品，当链上借贷收益率走高，市场会铸造 USDC 存入协议赚取利差；相比永续资金费率，利差指标可以更精准地捕捉这一逻辑。
滞后变量能否优化分析效果？
将解释变量滞后一期，相比采用当周同步数据建模，拟合效果更佳。
来源: Talos CM Market Data, Network Data Pro, FRED
经过滞后处理后，各因子合计可解释 USDC 约 13%、USDT 约 16% 的周度供应波动。显著驱动因素发生在供应变动之前，说明是因子驱动供应变化，而非反向因果关系。
即便如此，仍存在大量无法被模型解释的波动。所有模型最多只能解释不超过 25% 的稳定币供应增长波动。剩余波动来自各类特殊因素：发行方国库资金操作、铸币赎回激励、出入金通道对接、不同司法辖区监管政策等。
结论
尽管所有模型最多仅能解释 25% 的稳定币供应量变动，但链上指标，包括永续合约资金费率、利差、加密资产总市值，均可以显著解释 USDC、USDT 周度供应增长的一部分波动。
加密市场迭代速度极快，历史模型的一大难点在于难以应对宏观机制切换。样本纳入 2022 年数据，就包含 FTX、Celsius、三箭资本崩盘等行业黑天鹅事件。近年模型更贴合机构资本入场后的市场环境。随着机构持续采用区块链基础设施，未来或将出现新指标，帮助我们进一步理解稳定币供应增长的底层驱动逻辑。
