Hyperliquid 已经发展成为具备持续现金流的加密原生交易所,其绝大部分净手续费通过 Assistance Fund(AF)自动化分配给代币持有者。这一机制使 $HYPE 成为少数可以基于现金流进行估值的代币。目前,大多数关于 Hyperliquid 的估值仍然采用传统倍数法,通过 EBITDA 或收入倍数将该协议与 Coinbase、Robinhood 等主流金融平台对比。
与传统公司股权结构中管理层自主管理并再投资利润不同,Hyperliquid 以机制化方式将 93% 的交易手续费直接返还给代币持有者,这带来了可预测且易于量化的现金流,极其适合精细化的贴现现金流(DCF)分析,而不只是依赖静态的倍数对比。
我们的分析思路,首先为 $HYPE 构建资本成本模型,再根据现有市场价格倒推市场实际隐含的未来收益预期,最后将增长预测应用于这些收益流,与当前市场价格对比,从而揭示两者之间的估值差异。
尽管不少估值分析以 EBITDA 等倍数将 Hyperliquid 与 Coinbase、Robinhood 进行对比,但这种对比方式存在明显局限性:
我们在设定权益资本成本时,首先参考公开市场类似资产,再结合加密市场的独特风险进行调整:
权益资本成本(r)≈ 无风险利率 + β × 市场风险溢价 + 加密/流动性溢价
Beta 系数分析
与标普 500 指数的回归结果:
乍看之下,$HYPE 的 Beta 及权益资本成本均低于 Robinhood 和 Coinbase。
但 R² 值揭示了重要的局限性:
HYPE 的低 R² 意味着传统权益市场因子无法充分解释其价格波动,因此必须纳入加密原生的风险因素。
风险评估
尽管 HYPE 的 Beta 较低,我们仍将贴现率由 10.5% 上调至 13%(相较 COIN 13.6% 和 HOOD 15.6% 保持一定保守),主要考虑:
以 13% 贴现率反向推导当前约 $54/HYPE 代币的市场定价所隐含的收益预期:
当前市场预期
在这些假设下,内在价值约为 $54,基本与当前市价相当,显示市场对手续费增长预期偏保守。
这时我们需要思考,市场定价是否已充分反映未来现金流?
两年牛市情境
据 @ Keisan_Crypto 分析,若 Hyperliquid 实现:
对应每枚 HYPE 内在价值 $128(当前价格被低估 140%)
https://valypto.xyz/project/hyperliquid/S4XzHCHE
在五年牛市情境下(https://valypto.xyz/project/hyperliquid/GWs1CJpm),预计手续费年总额将达到 100 亿美元,其中 93 亿美元归属于 $HYPE。假设 Hyperliquid 至 2030 年市场份额提升至 50%(当前为 5%),即便未达到 50%,如果全球市场总量持续增长,依然有机会实现这一目标。
五年牛市情境
对应每枚 HYPE 内在价值 $385(当前价格被低估 600%)。
https://valypto.xyz/project/hyperliquid/GWs1CJpm
这一估值低于 Keisan 设定的 1000 美元目标,主要在于本文假设远期收益增长逐年回落至 3%,而 Keisan 模型采用现金流倍数法。
倍数法难以准确反映远期现金流,因为市场倍数在数年内可能大幅波动,且倍数本身已默认包含部分未来增长。如果对 5 年后的现金流和 1-2 年后的现金流采用同一倍数,实际是将 2030 年后增长等同于 2026/2027 年。因此倍数法更适合短期资产定价。不过,无论采用哪种模型,$HYPE 均被低估,核心差异主要体现在建模细节。
在 Native Market 方案下,USDH 稳定币收入的 50% 将注入 Assistance Fund,用于回购。这意味着 $HYPE 每年将新增 1 亿美元(2 亿美元的 50%)自由现金流。
未来 5 年,如果 USDH 市值提升至 250 亿美元(大约为当前 USDC 的 1/3,且在未来稳定币市场中占比更小),其年收入可达 10 亿美元,按照 50% 的分配比例,每年将为 Assistance Fund 增加 5 亿美元自由现金流,推动单枚代币价值突破 400 美元。
本 DCF 分析有意未计入两项现金流难以量化但增值潜力巨大的增量因素。相关价值可用其它估值方法单独测算后予以叠加。
DCF 分析表明,若 Hyperliquid 保持增长态势并巩固市场地位,$HYPE 存在显著低估。其程序化分配手续费收入的机制使其成为现金流估值模型的理想对象。
分析说明
本分析参考 @ Keisan_Crypto 和 @ GLC_Research 的公开研究。本文所用 DCF 模型为开源,可根据需求自行修改,详见 https://valypto.xyz/project/hyperliquid/oNQraQIg。数据及预测随市场动态调整,建议定期更新模型参数。