【导语】2026年9月，Timothy Aerts、Ronald Heijmans、Jan Paulick和Violeta Vuletic在BIS发表论文《Hidden by complexity? Measuring stablecoin, crypto and decentralised finance ecosystems》。中国人民大学金融科技研究所编译指出，公共区块链虽使交易永久记录、公开可查，但稳定币、加密资产与DeFi的规模、碎片化与复杂性，正让链上数据的经济解读陷入“透明却难测”的悖论。
论文基于比特币、以太坊与波场约1000亿条全节点记录，识别出聚合、可编程性与跨链可比性三大测度挑战，并证明常用链上指标高度依赖方法选择，更像是噪声近似而非直接测度。
透明数据背后的测度悖论
过去十年，稳定币、加密资产与DeFi已成长为全球金融市场的可观部分。2025年底，加密资产总市值约3万亿美元，年内峰值达4.2万亿美元；稳定币市场超过3000亿美元，年增50%。DeFi协议在无中心化中介下实现借贷、交易与杠杆持仓，稳定币则充当传统金融与DeFi之间的桥梁，其演化可能引发流动性螺旋与挤兑动态，准确测度经济活动对金融稳定至关重要。
但市值、转账量与锁定总价值（TVL）等头部指标，天然依赖关于所有权、估值与协议行为的假设。论文在协议层、智能合约层与跨链资产层展示三重挑战：比特币转账价值随方法不同最多相差6倍，价格飙升期简单市值一度达已实现市值的4倍；5400万智能合约无法按技术标准归类，USDT符号出现在约7000个代币合约中；以太坊上由智能合约持有的USDT占比超20%，波场上仅约1%。数据来自荷兰央行联合BIS创新中心与德意志联邦银行运营的Mercurius平台，汇集三链全节点数据约1000亿条记录。
三重挑战的技术根源
比特币：UTXO与聚合挑战
比特币账本采用未花费交易输出（UTXO）模型，记录离散价值块而非地址余额。每个输入必须被完整消耗；若用价值4 BTC的UTXO转移1.5 BTC，会生成接收方1.5 BTC与退回发送方的2.5 BTC找零输出。找零仅当退回同一地址时才能识别，而Nakamoto为防地址关联建议每笔交易使用新密钥对，副作用正是使找零与有意转账无法区分。
因此，汇总交易量天然把技术性找零混入经济转移，识别找零只能依赖基于用户行为假设的启发式规则。图1：UTXO模型。UTXO结构的优势在于可分析单个输出的年龄与流速。
以太坊：可编程性与合约噪声
以太坊采用账户模型，外部拥有账户（EOA）直接持有以太币余额，智能合约账户（SMA）存储可执行代码，执行由EVM按gas计费。图灵完备设计允许任意逻辑上链，单笔交易可级联触发多个合约，形成“金融乐高”式可组合应用；经济信号可能埋没于执行噪声，同一活动可经由交易输入、事件日志、执行踪迹或状态差异呈现。日志由开发者定义、非权威且可能不完整，踪迹与状态差异反映实际链上结果但提取复杂。ERC-20等社区标准促进大规模分析，但遵守系自愿，合约可采用标准签名却不实现其语义。图2：以太坊原生与代币转账。
波场：跨链可比性挑战
波场为追求EVM兼容而镜像以太坊设计，但以带宽与能量的双资源体系替代gas费，均可通过质押原生代币TRX获取；其特有的TRC-10代币由系统合约发行管理、无需虚拟机执行。费率与设计差异意味着表面相同的代币在不同链上服务不同用例，跨链简单加总会混淆不同经济活动。
主要发现：指标偏差与DeFi分类难题
数据概览显示，比特币市值最高、处理逾10亿笔交易，以太坊交易量超过其两倍，波场接近十倍，两链智能合约层记录合计逾300亿条。稳定币发行高度集中：USDT总供应约1800亿美元，几乎全部发行于以太坊与波场；USDC供应750亿美元中以太坊占近三分之二；论文交易级数据覆盖稳定币市场的82%。图3：数据记录概览。图4：稳定币供应量。
在比特币指标方面，作者基于2009—2026年约13亿笔交易，构造转账量上界（全部UTXO之和）、调整值（剔除退回发送地址的自转账）与下界（进一步扣除每笔最高输出）。图5显示，剔除自转账最多使链上流量缩减6倍，而广泛报道的恰是未调整上界；2016年3月起因地址复用上升，自转账所涉价值显著增加，反映隐私优先让位于便利。市值方面，作者提出剔除15年以上未动之丢失币的调整市值，以及按输出创建时价格估值的已实现市值（RMC）：约180万枚比特币超过15年未动，据信中本聪持有其中逾100万枚，视为丢失，但仍有约2.4万枚在休眠逾10年后被花费，凸显时间启发式的不确定性。图7显示，价格飙升期简单市值最高可达已实现市值的4倍，2022年价格骤跌时后者反而更高，源于持币行为而非短期波动。作者强调应以区间估计替代单一数字，附录中低于1万聪的“尘埃币”仅占供应0.007%，可忽略。图5：交易价值区间估计。图6：供应年龄与输出速度。图7：市值度量。
在DeFi指标方面，作者首先基于字节码做确定性技术分类，通过执行踪迹同时捕捉空接收方部署交易与内部CREATE/CREATE2操作，以覆盖全部部署合约。表1显示，以太坊6750万个已部署活跃合约中逾5400万无法归类，代理合约近1200万为最大可分类类别，凸显多数合约用例无法由技术标准辨识。表1：智能合约技术分类。
其次，对代币名称与符号做文本分析。表2显示，Uniswap V2流动性池代币（uni-v2）独占代币合约约三分之一，反映自动做市商“每个交易对一个专属池”的逻辑。但元数据是分类的不完美基础：无中央注册表，任何合约可采用任何标签，token、inu、ai等通用词与投机叙事词频繁出现；知名稳定币的名称与符号被大量模仿，部分甚至复刻字节码，仅能凭唯一地址区分真伪。从监管视角看，应依据活动强度而非符号名称识别受监测资产，链上资产与法律实体的关联必须依赖链下信息。表2：ERC20代币常用名称词汇。
最后，作者识别虚假活动：过滤符号为USDT的代币并剔除真正的Tether合约。图9显示，虚假发币于2020年激增，累计发行量约1000亿，季度平均转移量最高超过150亿，且与真实USDT活动正相关。技术相似甚至相同的合约承载不同经济动机，当前生态未把发行实体与链上资产关联，注册制或技术验证可缓解这一监管难题。图8：代币兑换活动。
跨链差异：同一USDT，不同经济角色
作者从事件日志解码USDT转账并区分EOA与SMA持仓：SMA集中度高通常反映质押、借贷或流动性提供等DeFi使用，EOA份额指向支付、汇款或价值储存。该指标与TVL形成对照：TVL按协议汇总SMA余额，易受方法不一致与操纵影响，而该文按代币交易自下而上汇总持仓、严格避免重复计算。
图10显示，USDT供应在2021与2023年激增、2026年初超过1800亿美元；以太坊SMA份额2022年升破20%，此后徘徊于15—20%，2024年底以来降至10—15%；美国大选后与《GENIUS法案》通过后发行放量，但智能合约持仓未随之上升，指向发行与DeFi使用的脱钩。波场SMA份额则大部分时间仅约1%：以太坊上的USDT嵌入DeFi中介（抵押与流动性提供），波场上的USDT主要服务交易与储值动机。作者提醒，地址类型是经济角色的不完美代理，合约余额可能来自桥接、包装或托管安排。
结论与政策启示
论文总体结论是：尽管公共区块链透明，加密资产与DeFi活动的常用指标高度依赖方法选择与假设，微小的数据处理调整即可导致经济活动推断的实质性差异。三重结构性来源分别为：比特币UTXO架构的聚合挑战——除非处理找零、丢失币与估值惯例，交易量与市值会被系统性高估；以太坊智能合约环境的可编程性挑战——经济活动分散于交易、日志、踪迹与状态变化，代币泛滥掩盖信号；稳定币跨链发行的可比性挑战——同一代币依底层基础设施履行不同经济功能。
对央行与监管机构而言，链上指标应被视为经济活动的噪声近似而非直接测度：点估计应以反映协议特定不确定性的区间估计补充；解释DeFi活动需将经济含义锚定于技术分类并辅以专家判断；跨链分析应区分基础设施与资产身份。随着这些市场与传统金融体系日益互联，准确解读链上数据的能力对稳健政策设计与及时风险识别将愈发关键。
来源：BIS；编译：中国人民大学金融科技研究所 张海滨。