从上币数量的指数曲线来看，UPbit 与 Coinone 大体趋势接近，但表现风格不同。UPbit 的曲线波峰与波谷更为明显，在一定程度上形成周期性调节，帮助维持整体平衡；而 Coinone 的曲线则与 BTC 价格走势保持较高的同步性，相对平稳且持续向上，显示其上币策略更直接跟随市场行情，追求稳定扩张。
4.1.2上币数量影响因素量化分析本部分采用面板数据固定效应回归模型，旨在系统评估BTC价格、韩元计价交易量及政策因素对韩国主要交易所上币数量的影响。
● 面板数据具有同时包含时间序列与截面维度的优势，可在控制个体差异的同时，捕捉变量在时间变化中的动态效应。相比单一横截面或时间序列分析，面板方法能够有效提升估计精度，并减少遗漏变量偏误。
● 固定效应模型的引入，主要是为了控制交易所层面的不随时间变化的特征，避免这些长期结构性差异对系数估计造成干扰。通过引入交易所固定效应αᵢ，模型能够聚焦于时间维度上的变化，从而更准确地识别BTC价格波动、交易量变化及政策窗口等因素对上币决策的边际影响。
● 在结果解释上，本研究将p值作为统计显著性的核心衡量指标。当某变量的p值大于0.05时，意味着在5%的显著性水平下，我们无法拒绝其“系数等于零”的原假设，即模型并未提供足够证据证明该变量在样本期内对上币数量存在稳定的统计关联。然而，统计不显著并不等于经济无效。在加密市场的高波动环境中，短期样本噪声、变量测度误差、个体异质性等都可能掩盖其真实作用。因此，对于p值>0.05的变量，我们在结论中将采取审慎解释，从经济含义和潜在机制角度进行补充讨论，而非仅依赖统计显著性进行结论判断。
我们设定如下模型：
其中：
listings：交易所i在月份t的上币数量
btc_price：当月 BTC 平均价格（美元）
krw_trade：韩元计价的当月总交易量（单位：Billion）
policy：政策虚拟变量（1=政策窗口期，0=否）
αᵢ：交易所固定效应，用以控制不同交易所的长期策略差异。
面板回归结果说明：
● BTC 价格显著正相关。BTC 每上涨 1 美元，平均上币数增加约 0.00012 个；若 BTC 月均价上涨 10,000 美元，平均上币数将增加约 1.19 个，且 p 值极小，说明该关系在统计上稳健。
● 韩元计价交易量变化与上币数未显著相关，可能因短期交易波动及项目异质性影响较大，未直接驱动交易所上币策略。