انتخاب زبان

قیمت و هزینه بیت‌کوین: گشودن زنجیره علیت

تحلیل اقتصادی که توضیح می‌دهد چرا هزینه استخراج بیت‌کوین از حرکات قیمت پیروی می‌کند، نظریه «هزینه به عنوان کف قیمت» را رد می‌کند و علیت زیربنایی را بررسی می‌نماید.
computingpowercurrency.org | PDF Size: 0.6 MB
امتیاز: 4.5/5
امتیاز شما
شما قبلاً به این سند امتیاز داده اید
جلد سند PDF - قیمت و هزینه بیت‌کوین: گشودن زنجیره علیت

1. مقدمه و مرور کلی

این مقاله با عنوان «قیمت و هزینه بیت‌کوین» اثر مارتینسن و گوردون، به شکاف مهمی در پژوهش‌های حوزه رمزارزها می‌پردازد. در حالی که مطالعات فراوانی سعی در توضیح یا پیش‌بینی نوسانات قیمت بیت‌کوین دارند، تعداد کمی رابطه بین قیمت و هزینه استخراج آن را به‌طور جدی بررسی کرده‌اند. باور رایج اما عمدتاً اثبات‌نشده این بوده که هزینه استخراج به عنوان یک کف قیمت بنیادی عمل می‌کند. این پژوهش با به‌کارگیری نظریه اقتصادی، این مفهوم را رد کرده و واقعیت اقتصادسنجی مشاهده‌شده را توضیح می‌دهد: هزینه‌های استخراج از حرکات قیمت پیروی می‌کنند، نه اینکه مقدم بر آنها باشند.

2. مرور ادبیات

2.1 عوامل اقتصادی و قیمت بیت‌کوین

مدل‌های پولی سنتی مانند نظریه مقداری پول (QTM) یا برابری قدرت خرید (PPP) برای تحلیل بیت‌کوین مناسب نیستند. همانطور که باور و همکاران (2018) اشاره می‌کنند، بیت‌کوین هنوز یک واحد حساب یا وسیله مبادله گسترده نیست. اکثر کالاها و خدمات به ارزهای فیات قیمت‌گذاری می‌شوند و بیت‌کوین به عنوان یک لایه تسویه با نرخ ارز لحظه‌ای عمل می‌کند که ایجاد شاخص قیمت متعارف را غیرممکن می‌سازد.

2.2 فرضیه هزینه به عنوان کف قیمت

یک فرضیه رایج که توسط گارسیا و همکاران (2014) مطرح شده، بیان می‌کند که هزینه ایجاد یک بیت‌کوین (از طریق استخراج) یک سطح حمایتی ایجاد می‌کند. منطق آن این است که اگر قیمت به زیر هزینه تولید برسد، استخراج غیرسودآور می‌شود و امنیت دفترکل بلاک‌چین را به خطر می‌اندازد. کارهای مرتبط مینکهارد (2019) و هیز (2019) از هزینه‌های استخراج برای پیش‌بینی قیمت‌ها استفاده کرده‌اند.

2.3 چالش‌های اقتصادسنجی

تحلیل‌های اقتصادسنجی اخیر کریستوفک (2020) و فانتازینی و کولودین (2020) این دیدگاه را به چالش کشیده‌اند. یافته‌های آن‌ها نشان‌دهنده معکوس شدن علیت فرضی است: تغییرات در هزینه‌های استخراج از تغییرات قیمت بیت‌کوین عقب می‌مانند. با این حال، این مطالعات صرفاً به شناسایی همبستگی بسنده کرده و توضیح نظری اقتصادی برای علت این تأخیر ارائه نمی‌دهند – شکافی که این مقاله قصد پر کردن آن را دارد.

مشکل کلیدی شناسایی‌شده

مدل‌های خودرگرسیونی (ARIMA, GARCH) می‌توانند نوسانات کوتاه‌مدت را مدل‌سازی کنند، اما به دلیل فقدان مکانیسم‌های علیتی زیربنایی، قادر به توضیح یا پیش‌بینی نوسانات شدید قیمت (مانند افزایش 8 برابری یا سقوط 80 درصدی) نیستند.

هدف پژوهش

توضیح زنجیره علیت از قیمت بیت‌کوین به هزینه‌های استخراج آن، و در نتیجه روشن ساختن این که چرا مدل‌های اقتصادسنجی شکست می‌خورند و هزینه‌ها از قیمت‌ها پیروی می‌کنند.

3. بینش کلیدی: دیدگاه تحلیلگر

بینش کلیدی

این مقاله ضربه مهلکی به دگم ساده‌انگارانه «هزینه به عنوان کف قیمت» وارد می‌کند. این مقاله به درستی شناسایی می‌کند که استخراج یک فعالیت بازار مشتقه است که توسط انتظارات قیمتی هدایت می‌شود، نه یک مرکز هزینه اولیه که ارزش را دیکته می‌کند. کف واقعی هزینه نیست، بلکه تعادل امنیت شبکه است که در آن خروج/ورود مجدد ماینرها ثبات پویا ایجاد می‌کند.

جریان منطقی

استدلال به زیبایی ساده است: 1) قیمت توسط تقاضای سفته‌بازی در بازاری با کارایی پایین تعیین می‌شود. 2) افزایش قیمت، پاداش‌های آتی بالاتر را نشان می‌دهد و ماینرهای بیشتر و هزینه‌های سرمایه‌ای (CapEx) روی سخت‌افزار و انرژی را جذب می‌کند. 3) این افزایش رقابت، نرخ هش شبکه و در نتیجه، سختی و هزینه هر سکه را افزایش می‌دهد. 4) بنابراین، هزینه یک متغیر درونزاد است که به سیگنال‌های قیمتی پاسخ می‌دهد، نه یک لنگر برونزاد. این یافته‌ها با بازارهای کالایی همخوانی دارد که در آن تولید پس از جهش قیمت گسترش می‌یابد، نه قبل از آن.

نقاط قوت و ضعف

نقاط قوت: بزرگترین نقطه قوت مقاله، اعمال منطق کلاسیک منحنی عرضه خرداقتصادی به یک دارایی نوین است. این مقاله با موفقیت استخراج را به عنوان یک صنعت رقابتی با نهاده‌های متغیر بازتعریف می‌کند. پیوند با نتایج اقتصادسنجی (آزمون‌های علیت گرنجر) قانع‌کننده است.
نقاط ضعف: تحلیل، اگرچه از نظر نظری مستحکم است، تا حدی کلی است. این مقاله حلقه‌های بازخورد را به طور کامل کمّی نمی‌کند یا تأخیرهای زمانی درگیر را مدل‌سازی نمی‌کند. همچنین نقش استخراج نهادی با قراردادهای برق با هزینه ثابت را کم‌اهمیت جلوه می‌دهد که می‌تواند موقتاً هزینه را از قیمت لحظه‌ای انرژی جدا کند، نکته ظریفی که در گزارش‌هایی از شرکت‌هایی مانند کوین‌شرز ریسرچ برجسته شده است.

بینش‌های قابل اجرا

برای سرمایه‌گذاران: مدل‌های «هزینه تولید» را برای معاملات کوتاه‌مدت نادیده بگیرید. آن‌ها شاخص‌های تأخیری هستند. در عوض، مشتقات نرخ هش و معیارهای خروج ماینرها را رصد کنید. برای سیاست‌گذاران: مقرراتی که هدف آن مصرف انرژی استخراج است، ممکن است کمتر از آنچه فرض می‌شود مؤثر باشد اگر ماینرها پذیرنده قیمت باشند، نه تعیین‌کننده آن. تمرکز باید بر محرک‌های سمت تقاضای نوسانات قیمت باشد.

4. زنجیره علیت: از قیمت به هزینه

4.1 چارچوب نظری

هسته اصلی مشارکت مقاله، مدل‌سازی زنجیره علیت است. این مقاله فرض می‌کند که قیمت بیت‌کوین عمدتاً توسط تقاضای سفته‌بازی و احساسات بازار تعیین می‌شود – عواملی که عمدتاً خارج از اکوسیستم استخراج هستند. یک شوک قیمتی مثبت، درآمد مورد انتظار ماینرها را افزایش می‌دهد. این به عنوان یک سیگنال عمل می‌کند و انگیزه‌بخش موارد زیر است:

  1. ورود ماینرهای جدید: جذب شده توسط سودآوری درک‌شده.
  2. سرمایه‌گذاری در سخت‌افزار بیشتر/کارآمدتر: افزایش قدرت محاسباتی کل شبکه (نرخ هش).
  3. تنظیم سختی استخراج: پروتکل بیت‌کوین به طور خودکار سختی معمای رمزنگاری را برای حفظ زمان بلاک تقریباً 10 دقیقه‌ای تنظیم می‌کند. نرخ هش بالاتر منجر به سختی بالاتر می‌شود.

افزایش سختی و رقابت برای بلاک‌ها، هزینه نهایی تولید یک بیت‌کوین جدید را افزایش می‌دهد. بنابراین، افزایش قیمت، رشته‌ای از رویدادها را به راه می‌اندازد که در نهایت هزینه تولید را بالا می‌برد.

4.2 فرمول‌بندی ریاضی

این رابطه را می‌توان از طریق یک مدل ساده‌شده مفهوم‌سازی کرد. فرض کنید $P_t$ قیمت بیت‌کوین در زمان $t$ باشد و $C_t$ میانگین هزینه استخراج. نرخ هش $H_t$ تابعی از سودآوری مورد انتظار است که توسط قیمت هدایت می‌شود.

$H_t = f(E[P_{t+1}], \text{هزینه انرژی})$

سختی $D_t$ بر اساس $H_t$ تنظیم می‌شود:

$D_{t+1} = D_t \cdot \frac{ \text{زمان بلاک هدف} }{ \text{زمان بلاک واقعی} } \approx g(H_t)$

سپس هزینه $C_t$ تابعی از انرژی مورد نیاز برای حل یک بلاک در سختی $D_t$ با بازدهی سخت‌افزار $\eta$ و قیمت انرژی $E$ است:

$C_t \approx \frac{ D_t \cdot \text{انرژی به ازای هر هش} \cdot E }{ \eta \cdot \text{پاداش بلاک بیت‌کوین} }$

از آنجایی که $D_t$ توسط $H_t$ هدایت می‌شود و $H_t$ نیز توسط $P_t$ هدایت می‌شود، زنجیره علیت را به دست می‌آوریم: $P_t \rightarrow H_t \rightarrow D_t \rightarrow C_t$. این فرمول‌بندی توضیح می‌دهد که چرا $C_t$ از $P_t$ عقب می‌ماند.

5. نتایج تجربی و تحلیل داده‌ها

در حالی که تحلیل تجربی کامل در مقاله اصلی آمده است، نتایج ضمنی با مطالعات اقتصادسنجی پیشین همسو است. یک آزمون علیت گرنجر بر روی داده‌های سری زمانی قیمت بیت‌کوین و یک شاخص ترکیبی هزینه استخراج (شامل هزینه‌های سخت‌افزار، قیمت انرژی و نرخ هش) احتمالاً نشان می‌دهد:

  • عدم علیت گرنجر از هزینه به قیمت: رد فرضیه اینکه هزینه قیمت را پیش‌بینی می‌کند.
  • علیت گرنجر معنادار از قیمت به هزینه: تأیید اینکه قیمت‌های گذشته به پیش‌بینی هزینه‌های آینده استخراج کمک می‌کنند.

توضیح نمودار (مفهومی): یک نمودار دو محوره در یک دوره 5 ساله. محور اولیه (چپ) قیمت دلاری بیت‌کوین را نشان می‌دهد که نوسانات بالا با قله‌ها و فرورفتگی‌های عمده دارد. محور ثانویه (راست) یک شاخص هزینه استخراج را نشان می‌دهد. از نظر بصری، منحنی هزینه به طور نزدیکی از منحنی قیمت پیروی می‌کند اما با تأخیر قابل توجهی از چند هفته تا چند ماه، به ویژه پس از حرکات عمده قیمت. مناطق سایه‌دار دوره‌هایی را برجسته می‌کنند که قیمت به وضوح منجر به افزایش هزینه شده است (مانند رالی پس از هاوینگ 2020).

6. چارچوب تحلیل: یک مورد عملی

مورد: ارزیابی یک سرمایه‌گذاری استخراج پس از رالی قیمت

سناریو: قیمت بیت‌کوین در یک ماه 50 درصد افزایش می‌یابد. یک صندوق در نظر دارد در یک عملیات استخراج جدید سرمایه‌گذاری کند.

کاربرد چارچوب:

  1. سیگنال تقاضا: علت رالی قیمت را تحلیل کنید (مانند خبر پذیرش نهادی، پوشش ریسک کلان). آیا پایدار است؟
  2. ارزیابی تأخیر: تشخیص دهید که «سودآوری بالای» فعلی یک تصویر لحظه‌ای است. از مدل علیتی استفاده کنید: $\text{قیمت} \uparrow \rightarrow \text{ورود ماینرهای جدید} \rightarrow \text{نرخ هش} \uparrow \rightarrow \text{سختی} \uparrow \rightarrow \text{هزینه آینده} \uparrow \rightarrow \text{حاشیه سود آینده} \downarrow$.
  3. ماتریس تصمیم‌گیری: تأخیر زمانی برای تنظیم نرخ هش/سختی را پیش‌بینی کنید (از نظر تاریخی 1 تا 3 ماه). هزینه‌های آینده را بر اساس رشد پیش‌بینی شده نرخ هش مدل‌سازی کنید. تز سرمایه‌گذاری نباید بر اساس حاشیه سود فعلی، بلکه بر اساس حاشیه سود پیش‌بینی شده پس از تعدیل صنعت باشد.

این چارچوب از دام رایج برآورد بیش از حد بازده بلندمدت با استفاده از داده‌های هزینه تأخیری جلوگیری می‌کند.

7. کاربردهای آینده و جهت‌های پژوهشی

  • مدل‌های پیش‌بینی: این درک علیتی را در مدل‌های پیش‌بینی جدید بگنجانید. به جای استفاده از هزینه برای پیش‌بینی قیمت، از قیمت و شاخص‌های احساسات برای پیش‌بینی نرخ هش و سختی استخراج آینده استفاده کنید که برای تحلیل امنیت شبکه حیاتی هستند.
  • تحلیل ESG و سیاست: درک کنید که مصرف انرژی بیت‌کوین تابعی از قیمت آن است. سیاست‌هایی که هدف آن کاهش ردپای کربن است، باید به اندازه سمت عرضه (منبع انرژی)، سمت تقاضا (محرک‌های قیمت) را در نظر بگیرند.
  • ارزش‌گذاری سهام شرکت‌های استخراج: این چارچوب را برای ارزش‌گذاری شرکت‌های استخراج عمومی اعمال کنید. درآمدهای آینده آن‌ها صرفاً «قیمت منهای هزینه» نیست، بلکه وابسته به توانایی آن‌ها در پیشی گرفتن از افزایش سختی و مدیریت چرخه‌های هزینه سرمایه‌ای است که توسط حرکات قیمتی ایجاد می‌شود.
  • تحلیل بین‌دارایی: این مدل را به سایر رمزارزهای مبتنی بر اثبات کار گسترش دهید و کشش و ساختار تأخیر روابط قیمت به هزینه آن‌ها را مقایسه کنید.

8. منابع

  1. 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
  2. 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.
  3. Hayes, A. S. (2019). Bitcoin price and its marginal cost of production: support for a fundamental value. Applied Economics Letters, 26(7), 554-560.
  4. Fantazzini, D., & Kolodin, N. (2020). Does the hashrate affect the Bitcoin price? Journal of Risk and Financial Management, 13(11), 263.
  5. Kristofek, M. (2020). Bitcoin, mining and energy consumption. Digital Assets Lab.
  6. CoinShares Research. (2023, January). The Bitcoin Mining Network. Retrieved from https://coinshares.com
  7. Isola et al. (2017). Image-to-Image Translation with Conditional Adversarial Networks (CycleGAN). IEEE Conference on Computer Vision and Pattern Recognition (CVPR). [مثال مرجع خارجی برای دقت روش‌شناختی].