1. Einleitung & Überblick
Dieses Papier, "The Price and Cost of Bitcoin" von Marthinsen und Gordon, behandelt ein zentrales Rätsel der Kryptowährungsökonomie: die Beziehung zwischen dem Marktpreis von Bitcoin und seinen Produktions- (Mining-) Kosten. Während eine verbreitete Erzählung nahelegt, dass die Mining-Kosten als Preisuntergrenze fungieren, zeigen empirische ökonometrische Studien (z.B. Kristofek, 2020; Fantazzini & Kolodin, 2020) das Gegenteil – die Mining-Kosten folgen den Preisänderungen. Diese Forschung zielt darauf ab, die fehlende ökonomische Theorie bereitzustellen, um diese beobachtete Kausalität zu erklären, und geht über Korrelation hinaus, um eine logische Kausalkette vom Preis zu den Kosten zu etablieren.
2. Literaturübersicht
2.1 Ökonomische Faktoren und der Bitcoin-Preis
Traditionelle Geldmodelle wie die Quantitätstheorie des Geldes (QTM) oder die Kaufkraftparität (PPP) sind für die Bitcoin-Analyse weitgehend ungeeignet. Dies liegt daran, dass Bitcoin derzeit schlecht als allgemein akzeptierte Recheneinheit oder Tauschmittel funktioniert (Baur et al., 2018). Die meisten Waren und Dienstleistungen werden in Fiat-Währungen bewertet, wobei Bitcoin eher als spekulatives Asset denn als Währung für tägliche Transaktionen agiert.
2.2 Die Kosten-als-Preisuntergrenze-Hypothese
Ein weit verbreiteter, aber weitgehend unbelegter Glaube besagt, dass die Kosten der Bitcoin-Erzeugung (Mining) ein fundamentales Unterstützungsniveau für seinen Preis darstellen. Die Logik ist, dass, wenn der Preis unter die Produktionskosten fällt, das Mining unrentabel wird, Miner ihre Tätigkeit einstellen würden und die Sicherheit des Bitcoin-Netzwerks (die Führung des öffentlichen Hauptbuchs) gefährdet wäre (Garcia et al., 2014). Ein verwandter Glaube ist, dass der Preis mit steigenden Produktionskosten steigen muss.
2.3 Empirische Herausforderungen und Forschungslücken
Jüngste ökonometrische Analysen haben die Kosten-Untergrenzen-Theorie widerlegt und gezeigt, dass Änderungen der Mining-Kosten verzögerte Reaktionen auf Änderungen des Bitcoin-Preises sind. Diese statistischen Modelle identifizieren zwar die Korrelationsrichtung, erklären aber nicht das Warum – den zugrundeliegenden ökonomischen Mechanismus, der dieses Verhalten antreibt. Dieses Papier versucht, diese Erklärungslücke zu schließen.
3. Theoretischer Rahmen & Kausales Modell
3.1 Die Richtung der Kausalität: Preis → Kosten
Das Kernargument ist, dass der Bitcoin-Preis in einem globalen, spekulativen Markt durch Faktoren wie Anlegerstimmung, regulatorische Nachrichten, makroökonomische Trends und Akzeptanzerzählungen bestimmt wird – weitgehend unabhängig von den aktuellen Mining-Kosten. Ein steigender Preis erhöht das Ertragspotenzial für Miner und schafft einen Anreiz für sie, in mehr und bessere Hardware zu investieren (Erhöhung der Hash-Rate), um um Blockbelohnungen zu konkurrieren. Diese Investition treibt die Grenzkosten des Minings (hauptsächlich Strom und Hardware) in die Höhe, wodurch die Kosten dem Preis folgen.
3.2 Zentrale ökonomische Treiber
- Spekulative Nachfrage: Haupttreiber der kurzfristigen bis mittelfristigen Preisvolatilität.
- Mining-Rentabilität: Fungiert als Rückkopplungsschleife. Hoher Preis → Hoher erwarteter Gewinn → Erhöhte Mining-Investitionen/Konkurrenz → Steigende Netzwerk-Hash-Rate und Schwierigkeit → Erhöhte Grenzkosten.
- Netzwerk-Schwierigkeitsanpassung: Das Bitcoin-Protokoll passt die Mining-Schwierigkeit automatisch an, um eine Blockzeit von ~10 Minuten beizubehalten. Erhöhte Konkurrenz führt zu höherer Schwierigkeit, was indirekt die Energiekosten pro geschürftem Bitcoin erhöht.
4. Analytischer Rahmen & Fallbeispiel
Rahmen: Ein vereinfachtes kausales Modell kann als gerichteter azyklischer Graph (DAG) dargestellt werden:
Externer Schock (z.B. positive regulatorische Nachrichten) → ↑ Bitcoin-Marktpreis → ↑ Erwartete Mining-Rentabilität → ↑ Eintritt neuer Miner & Investition in ASICs → ↑ Gesamt-Netzwerk-Hash-Rate → ↑ Mining-Schwierigkeit (Protokollanpassung) → ↑ Grenzkosten der Produktion (Strom + Abschreibung).
Fallbeispiel (Hausse 2020-2021): Der Bitcoin-Preis stieg von ~5.000 US-Dollar im März 2020 auf über 60.000 US-Dollar bis März 2021. Dieser Preisanstieg ging einem massiven Zustrom von Mining-Investitionen voraus. Unternehmen wie Marathon Digital und Riot Blockchain bestellten neue Mining-Rigs im Wert von Milliarden Dollar. Die globale Bitcoin-Netzwerk-Hash-Rate und die Mining-Schwierigkeit erreichten Monate nach Beginn der Hausse Allzeithochs, was die verzögerte Reaktion der Mining-Kosten (Capex und Opex) auf Preissignale demonstriert.
5. Kernaussage & Kritische Analyse
6. Technische Details & Mathematische Formulierung
Die Beziehung kann formalisiert werden. Der Gewinn ($\pi$) eines Miners pro Zeiteinheit ist:
$\pi = \frac{R}{D \cdot H} \cdot H_m \cdot P - C_e \cdot H_m - C_h$
Wobei:
$R$ = Blockbelohnung (BTC)
$D$ = Netzwerk-Schwierigkeit
$H$ = Gesamt-Netzwerk-Hash-Rate
$H_m$ = Hash-Rate des Miners
$P$ = Bitcoin-Preis (USD/BTC)
$C_e$ = Energiekosten pro Einheit Hash-Rate
$C_h$ = Fixe Hardwarekosten (abgeschrieben)
Im Wettbewerbsgleichgewicht tendiert der erwartete Gewinn gegen Null. Setzt man $\pi = 0$ und löst nach dem Break-even-Preis $P_{be}$ auf, zeigt sich dessen Abhängigkeit von Netzwerkbedingungen ($D, H$), die selbst Funktionen vergangener Preise sind:
$P_{be} = \frac{D \cdot H}{R} \cdot (C_e + \frac{C_h}{H_m})$
Da $D$ und $H$ mit einer Verzögerung (aufgrund von Hardwarebeschaffungs- und Lieferzeiten) als Reaktion auf einen höheren $P$ nach oben angepasst werden, ist $P_{be}$ eine Funktion von verzögertem $P$, kein Bestimmungsfaktor des aktuellen $P$.
7. Zukünftige Anwendungen & Forschungsrichtungen
- Prädiktive Modelle: Einbeziehung der Preis→Kosten-Kausalität in anspruchsvollere Zeitreihenmodelle (z.B. VAR, LSTMs), um mittelfristige Hash-Rate- und Mining-Rentabilitätsprognosen zu verbessern.
- Analyse der Umweltauswirkungen: Nutzung dieses Rahmens, um den CO2-Fußabdruck des Bitcoin-Minings als Funktion von Preiszyklen zu modellieren, um Nachhaltigkeitsbewertungen zu unterstützen.
- Proof-of-Stake (PoS)-Vergleich: Anwendung ähnlicher ökonomischer Logik, um die Kostenstrukturen und Sicherheitsbudgets von PoS-Netzwerken wie Ethereum zu analysieren, wo die "Kosten" die Opportunitätskosten des Kapitals sind, nicht Energie.
- Regulatorische Politik: Informierung der Energiepolitik und -regulierung durch das Verständnis, dass die Mining-Nachfrage elastisch auf den Bitcoin-Preis reagiert und keine feste Grundlast darstellt.
- Bewertung von Mining-Aktien: Entwicklung besserer Bewertungsmodelle für börsennotierte Mining-Unternehmen, die deren inhärente Zyklizität und Verzögerung gegenüber dem Bitcoin-Preis berücksichtigen.
8. Referenzen
- Marthinsen, J. E., & Gordon, S. R. (2022). The Price and Cost of Bitcoin. Quarterly Review of Economics and Finance. DOI: 10.1016/j.qref.2022.04.003
- Fantazzini, D., & Kolodin, N. (2020). Does the hashrate affect the Bitcoin price? Journal of Risk and Financial Management, 13(11), 263.
- Hayes, A. S. (2019). Bitcoin price and its marginal cost of production: support for a fundamental value. Applied Economics Letters, 26(7), 554-560.
- Baur, D. G., Hong, K., & Lee, A. D. (2018). Bitcoin: Medium of exchange or speculative assets? Journal of International Financial Markets, Institutions and Money, 54, 177-189.
- Brunnermeier, M. K., & Oehmke, M. (2013). Bubbles, financial crises, and systemic risk. In Handbook of the Economics of Finance (Vol. 2, pp. 1221-1288). Elsevier.
- Kristofek, L. (2020). Bitcoin and its mining on the equilibrium path. SSRN Working Paper.
Kernaussage:
Marthinsen und Gordon liefern eine entscheidende, wenn auch verspätete, Korrektur eines weit verbreiteten Marktmythos. Die "Kosten-als-Untergrenze"-Theorie ist nicht nur empirisch falsch; sie ist konzeptionell verkehrt herum. Bitcoin-Mining ist eine abgeleitete Industrie, deren Ökonomie vom Marktpreis des Assets diktiert wird, nicht umgekehrt. Die Mining-Kosten als fundamentale Bewertungsmetrik zu behandeln, ist vergleichbar mit der Bewertung von Tesla anhand der Stromkosten seiner Fabrik – es verwechselt einen betrieblichen Input mit dem Treiber spekulativer Nachfrage.
Logischer Ablauf:
Die Logik des Papiers ist schlüssig und stimmt mit der grundlegenden Mikroökonomie überein: Preissignale steuern die Ressourcenallokation. Ein höherer Bitcoin-Preis erhöht den Grenzerlös der Hash-Leistung, zieht Kapital und Arbeit (in diesem Fall ASICs und Strom) an, bis die Grenzkosten der Produktion steigen, um das neue Gleichgewicht zu erreichen. Die 14-tägige Schwierigkeitsanpassung ist der zentrale Protokollmechanismus, der preisgetriebene Hash-Rate-Steigerungen in höhere, nachhaltige Kosten übersetzt.
Stärken & Schwächen:
Stärken: Das Papier liefert erfolgreich die fehlende theoretische Verbindung für frühere ökonometrische Erkenntnisse. Seine Stärke liegt in der Anwendung klassischer Produktionstheorie auf ein neuartiges digitales Asset. Es widerlegt effektiv eine gefährliche Heuristik, die von einigen Anlegern verwendet wird.
Schwächen: Die Analyse ist, obwohl sie in der Richtung korrekt ist, etwas vereinfachend. Sie unterschätzt das Potenzial für eine schwache langfristige Gleichgewichtsbeziehung. In einem Szenario anhaltender Preis-Depression könnte die Abwanderung von Minern die Netzwerk-Hash-Rate und -Schwierigkeit reduzieren, was die Grenzkosten für die verbleibenden Miner senken und möglicherweise eine lockere Untergrenze schaffen könnte. Darüber hinaus integriert sie die Rolle der Transaktionsgebühren nicht vollständig, die nach dem Halving zu einem bedeutenderen Teil der Miner-Einnahmen werden könnten und möglicherweise die Dynamik verändern.
Umsetzbare Erkenntnisse:
Die Schlussfolgerung dieses Papiers wird durch breitere Forschung zur Vermögenspreisbildung gestützt. Wie in der wegweisenden Arbeit zu spekulativen Blasen von Brunnermeier & Oehmke (2013) festgestellt, können sich Vermögenspreise in Märkten mit heterogenen Überzeugungen und Hebelwirkung über längere Zeiträume von jeglichen fundamentalen "Kosten" entkoppeln. Bitcoin, mit seinem festen Angebot und rein spekulativen Nachfragetreibern, ist ein Paradebeispiel für dieses Phänomen.