1. परिचय एवं सिंहावलोकन
मार्थिनसेन और गॉर्डन द्वारा लिखित यह शोध पत्र, "बिटकॉइन की कीमत और लागत", क्रिप्टोकरेंसी शोध में एक महत्वपूर्ण कमी को संबोधित करता है। जहाँ कई अध्ययन बिटकॉइन की कीमत अस्थिरता को समझाने या पूर्वानुमान लगाने का प्रयास करते हैं, वहीं कुछ ने ही इसकी कीमत और माइनिंग लागत के बीच संबंध का कठोरता से परीक्षण किया है। प्रचलित, किंतु काफी हद तक अप्रमाणित, मान्यता यह रही है कि माइनिंग लागत एक मौलिक आधार मूल्य (प्राइस फ्लोर) का काम करती है। यह शोध इस धारणा का खंडन करने और देखी गई अर्थमितीय वास्तविकता को समझाने के लिए आर्थिक सिद्धांत का उपयोग करता है: माइनिंग लागत कीमतों के बाद चलती है, उनसे पहले नहीं।
2. साहित्य समीक्षा
2.1 आर्थिक कारक और बिटकॉइन की कीमत
मुद्रा की मात्रा सिद्धांत (क्यूटीएम) या क्रय शक्ति समता (पीपीपी) जैसे पारंपरिक मौद्रिक मॉडल बिटकॉइन विश्लेषण के लिए अनुपयुक्त हैं। जैसा कि बॉर एट अल. (2018) ने उल्लेख किया है, बिटकॉइन अभी तक एक व्यापक लेखा इकाई या विनिमय का माध्यम नहीं बना है। अधिकांश वस्तुओं और सेवाओं की कीमत फिएट मुद्राओं में तय होती है, जिसमें बिटकॉइन स्पॉट विनिमय दर पर एक निपटान परत के रूप में कार्य करता है, जिससे पारंपरिक मूल्य सूचकांक निर्माण असंभव हो जाता है।
2.2 लागत-को-आधार-मूल्य परिकल्पना
गार्सिया एट अल. (2014) द्वारा सुझाई गई एक लोकप्रिय परिकल्पना यह मानती है कि एक बिटकॉइन बनाने की लागत (माइनिंग के माध्यम से) एक समर्थन स्तर स्थापित करती है। तर्क यह है कि यदि कीमत उत्पादन लागत से नीचे गिरती है, तो माइनिंग लाभहीन हो जाती है, जिससे ब्लॉकचेन लेजर की सुरक्षा खतरे में पड़ जाती है। मेनखार्ड (2019) और हेज़ (2019) के संबंधित कार्य ने कीमतों का पूर्वानुमान लगाने के लिए माइनिंग लागत का उपयोग किया है।
2.3 अर्थमितीय चुनौतियाँ
क्रिस्टोफेक (2020) और फैंटाज़िनी एंड कोलोडिन (2020) द्वारा हाल की अर्थमितीय विश्लेषणों ने इस दृष्टिकोण को चुनौती दी है। उनके निष्कर्ष संभावित कार्य-कारण के उलट होने का संकेत देते हैं: माइनिंग लागत में परिवर्तन बिटकॉइन की कीमत में परिवर्तन से पीछे रह जाते हैं। हालाँकि, ये अध्ययन सहसंबंध की पहचान करने पर ही रुक जाते हैं और यह बताने में विफल रहते हैं कि क्यों यह अंतराल होता है—यह एक ऐसी कमी है जिसे भरने का लक्ष्य यह पत्र रखता है।
पहचानी गई मुख्य समस्या
स्वत:प्रतिगमन मॉडल (एआरआईएमए, जीएआरसीएच) अल्पकालिक अस्थिरता को मॉडल कर सकते हैं लेकिन अंतर्निहित कारण तंत्रों की कमी के कारण चरम मूल्य उतार-चढ़ाव (जैसे, 8 गुना वृद्धि या 80% गिरावट) की व्याख्या या पूर्वानुमान करने में विफल रहते हैं।
शोध लक्ष्य
बिटकॉइन की कीमत से उसकी माइनिंग लागत तक की कारणात्मक श्रृंखला की व्याख्या करना, ताकि यह स्पष्ट हो सके कि अर्थमितीय मॉडल क्यों विफल होते हैं और लागत कीमतों का अनुसरण क्यों करती है।
3. मूल अंतर्दृष्टि: विश्लेषक का दृष्टिकोण
मूल अंतर्दृष्टि
यह पत्र सरलीकृत "लागत-को-आधार" सिद्धांत को एक घातक प्रहार देता है। यह सही ढंग से पहचानता है कि माइनिंग एक व्युत्पन्न बाजार गतिविधि है जो मूल्य अपेक्षाओं से संचालित होती है, न कि मूल्य निर्धारित करने वाला एक प्राथमिक लागत केंद्र। वास्तविक आधार लागत नहीं है, बल्कि नेटवर्क सुरक्षा संतुलन है जहाँ माइनरों के बाहर निकलने/पुनः प्रवेश करने से गतिशील स्थिरता पैदा होती है।
तार्किक प्रवाह
तर्क सुंदर रूप से सरल है: 1) कीमत एक अत्यधिक अक्षम बाजार में सट्टा मांग द्वारा निर्धारित होती है। 2) बढ़ती कीमत भविष्य के उच्च पुरस्कारों का संकेत देती है, जिससे अधिक माइनर और हार्डवेयर एवं ऊर्जा पर पूंजीगत व्यय (कैपएक्स) आकर्षित होते हैं। 3) यह बढ़ी हुई प्रतिस्पर्धा नेटवर्क हैश दर और परिणामस्वरूप, कठिनाई और प्रति सिक्का लागत बढ़ाती है। 4) इसलिए, लागत कीमत संकेतों का जवाब देने वाला एक अंतर्जात चर है, न कि एक बाह्य लंगर। यह वस्तु बाजारों में प्राप्त निष्कर्षों को दर्शाता है जहाँ उत्पादन कीमत में तेजी के बाद विस्तार करता है, पहले नहीं।
शक्तियाँ एवं कमियाँ
शक्तियाँ: पत्र की सबसे बड़ी ताकत एक नवीन परिसंपत्ति पर शास्त्रीय सूक्ष्मअर्थशास्त्र आपूर्ति-वक्र तर्क को लागू करना है। यह सफलतापूर्वक माइनिंग को परिवर्तनशील इनपुट वाले एक प्रतिस्पर्धी उद्योग के रूप में पुनः परिभाषित करता है। अर्थमितीय परिणामों (ग्रेंजर कार्य-कारण परीक्षण) से संबंध आकर्षक है।
कमियाँ: विश्लेषण, हालांकि सैद्धांतिक रूप से ठोस है, कुछ हद तक उच्च-स्तरीय है। यह फीडबैक लूपों को पूरी तरह से मात्रात्मक रूप से नहीं बताता या शामिल समय अंतराल को मॉडल नहीं करता। यह संस्थागत माइनिंग की भूमिका को भी कम आंकता है जिसमें निश्चित-लागत बिजली अनुबंध होते हैं, जो लागत को स्पॉट ऊर्जा कीमतों से अस्थायी रूप से अलग कर सकते हैं, यह एक बारीकियाँ है जिसे कॉइनशेयर्स रिसर्च जैसी फर्मों की रिपोर्टों में उजागर किया गया है।
कार्रवाई योग्य अंतर्दृष्टि
निवेशकों के लिए: अल्पकालिक व्यापार के लिए "उत्पादन लागत" मॉडलों को नज़रअंदाज़ करें। वे पिछड़े हुए संकेतक हैं। इसके बजाय हैश दर व्युत्पन्न और माइनर बहिर्वाह मेट्रिक्स की निगरानी करें। नीति निर्माताओं के लिए: यदि माइनर मूल्य-लेने वाले हैं, मूल्य-निर्धारक नहीं, तो माइनिंग ऊर्जा उपयोग को लक्षित करने वाला विनियमन अनुमान से कम प्रभावी हो सकता है। ध्यान कीमत अस्थिरता के मांग-पक्ष ड्राइवरों पर होना चाहिए।
4. कारणात्मक श्रृंखला: कीमत से लागत तक
4.1 सैद्धांतिक रूपरेखा
पत्र के योगदान का मूल कारणात्मक श्रृंखला को मॉडल करना है। यह मानता है कि बिटकॉइन की कीमत मुख्य रूप से सट्टा मांग और बाजार भावना द्वारा निर्धारित होती है—ऐसे कारक जो काफी हद तक माइनिंग पारिस्थितिकी तंत्र से बाहरी हैं। एक सकारात्मक मूल्य आघात माइनरों के लिए अपेक्षित राजस्व को बढ़ाता है। यह एक संकेत के रूप में कार्य करता है, जो प्रोत्साहित करता है:
- नए माइनरों का प्रवेश: कथित लाभप्रदता से आकर्षित।
- अधिक/कुशल हार्डवेयर में निवेश: नेटवर्क की कुल कम्प्यूटेशनल शक्ति (हैश दर) बढ़ाना।
- माइनिंग कठिनाई का समायोजन: बिटकॉइन प्रोटोकॉल क्रिप्टोग्राफिक पहेली की कठिनाई को स्वचालित रूप से समायोजित करता है ताकि ~10-मिनट का ब्लॉक समय बनाए रखा जा सके। उच्च हैश दर उच्च कठिनाई की ओर ले जाती है।
बढ़ी हुई कठिनाई और ब्लॉकों के लिए प्रतिस्पर्धा एक नए बिटकॉइन के उत्पादन की सीमांत लागत बढ़ाती है। इस प्रकार, मूल्य वृद्धि घटनाओं का एक क्रम शुरू करती है जो अंततः उत्पादन लागत को बढ़ाती है।
4.2 गणितीय सूत्रीकरण
इस संबंध को एक सरलीकृत मॉडल के माध्यम से अवधारणा बनाया जा सकता है। मान लीजिए $P_t$ समय $t$ पर बिटकॉइन की कीमत है, और $C_t$ औसत माइनिंग लागत है। हैश दर $H_t$ अपेक्षित लाभप्रदता का एक कार्य है, जो कीमत से संचालित होती है।
$H_t = f(E[P_{t+1}], \text{ऊर्जा लागत})$
कठिनाई $D_t$, $H_t$ के आधार पर समायोजित होती है:
$D_{t+1} = D_t \cdot \frac{ \text{लक्ष्य ब्लॉक समय} }{ \text{वास्तविक ब्लॉक समय} } \approx g(H_t)$
तब लागत $C_t$, कठिनाई $D_t$ पर एक ब्लॉक को हल करने के लिए आवश्यक ऊर्जा का एक कार्य है, जिसमें हार्डवेयर दक्षता $\eta$ और ऊर्जा मूल्य $E$ है:
$C_t \approx \frac{ D_t \cdot \text{प्रति हैश ऊर्जा} \cdot E }{ \eta \cdot \text{बिटकॉइन ब्लॉक पुरस्कार} }$
चूंकि $D_t$, $H_t$ से संचालित होती है, जो $P_t$ से संचालित होती है, इसलिए हमें कारणात्मक श्रृंखला मिलती है: $P_t \rightarrow H_t \rightarrow D_t \rightarrow C_t$। यह औपचारिक रूप से बताता है कि $C_t$, $P_t$ से पीछे क्यों रह जाती है।
5. प्रायोगिक परिणाम एवं डेटा विश्लेषण
हालांकि पूर्ण अनुभवजन्य विश्लेषण मूल पत्र में है, निहित परिणाम पूर्व के अर्थमितीय अध्ययनों के अनुरूप हैं। बिटकॉइन कीमत और एक समग्र माइनिंग लागत सूचकांक (हार्डवेयर लागत, ऊर्जा कीमतों और हैश दर को शामिल करते हुए) के समय-श्रृंखला डेटा पर एक ग्रेंजर कार्य-कारण परीक्षण संभवतः दिखाएगा:
- लागत से कीमत तक कोई ग्रेंजर कार्य-कारण नहीं: इस परिकल्पना को अस्वीकार करना कि लागत कीमत की भविष्यवाणी करती है।
- कीमत से लागत तक महत्वपूर्ण ग्रेंजर कार्य-कारण: यह पुष्टि करना कि पिछली कीमतें भविष्य की माइनिंग लागत की भविष्यवाणी करने में मदद करती हैं।
चार्ट विवरण (संकल्पनात्मक): 5-वर्ष की अवधि में एक दोहरी-अक्ष चार्ट। प्राथमिक अक्ष (बाएं) बिटकॉइन की यूएसडी कीमत दिखाता है, जो प्रमुख चोटियों और गर्तों के साथ उच्च अस्थिरता प्रदर्शित करता है। द्वितीयक अक्ष (दाएं) एक माइनिंग लागत सूचकांक दिखाता है। दृष्टिगत रूप से, लागत वक्र कीमत वक्र का बारीकी से अनुसरण करता है लेकिन कई सप्ताह से लेकर महीनों तक का एक स्पष्ट अंतराल दिखाता है, विशेष रूप से प्रमुख मूल्य आंदोलनों के बाद। छायांकित क्षेत्र उन अवधियों को उजागर करते हैं जहाँ कीमत ने स्पष्ट रूप से लागत वृद्धि का नेतृत्व किया (जैसे, 2020 के बाद हाल्विंग रैली)।
6. विश्लेषण रूपरेखा: एक व्यावहारिक उदाहरण
उदाहरण: मूल्य रैली के बाद एक माइनिंग निवेश का मूल्यांकन
परिदृश्य: बिटकॉइन की कीमत एक महीने में 50% बढ़ जाती है। एक फंड एक नए माइनिंग संचालन में निवेश पर विचार करता है।
रूपरेखा अनुप्रयोग:
- मांग संकेत: मूल्य रैली के कारण का विश्लेषण करें (जैसे, संस्थागत अपनाने की खबर, मैक्रो हेज)। क्या यह टिकाऊ है?
- अंतराल मूल्यांकन: पहचानें कि वर्तमान "उच्च लाभप्रदता" एक तस्वीर मात्र है। कारणात्मक मॉडल का उपयोग करें: $\text{कीमत} \uparrow \rightarrow \text{नए माइनर प्रवेश करें} \rightarrow \text{हैश दर} \uparrow \rightarrow \text{कठिनाई} \uparrow \rightarrow \text{भविष्य की लागत} \uparrow \rightarrow \text{भविष्य का मार्जिन} \downarrow$।
- निर्णय मैट्रिक्स: हैश दर/कठिनाई समायोजन के लिए समय अंतराल का अनुमान लगाएं (ऐतिहासिक रूप से 1-3 महीने)। अनुमानित हैश दर वृद्धि के आधार पर भविष्य की लागतों को मॉडल करें। निवेश थीसिस वर्तमान मार्जिन पर नहीं, बल्कि उद्योग के समायोजन के बाद अनुमानित मार्जिन पर आधारित होनी चाहिए।
यह रूपरेखा पिछड़े हुए लागत डेटा का उपयोग करके दीर्घकालिक रिटर्न को अधिक आंकने की सामान्य गलती को रोकती है।
7. भविष्य के अनुप्रयोग एवं शोध दिशाएँ
- पूर्वानुमान मॉडल: इस कारणात्मक समझ को नए पूर्वानुमान मॉडलों में शामिल करें। कीमत की भविष्यवाणी करने के लिए लागत का उपयोग करने के बजाय, भविष्य की हैश दर और माइनिंग कठिनाई की भविष्यवाणी करने के लिए कीमत और भावना संकेतकों का उपयोग करें, जो नेटवर्क सुरक्षा विश्लेषण के लिए महत्वपूर्ण हैं।
- ईएसजी एवं नीति विश्लेषण: समझें कि बिटकॉइन की ऊर्जा खपत इसकी कीमत का एक कार्य है। कार्बन पदचिह्न को कम करने का लक्ष्य रखने वाली नीतियों को आपूर्ति-पक्ष (ऊर्जा स्रोत) के साथ-साथ मांग-पक्ष (मूल्य ड्राइवर) पर भी विचार करना चाहिए।
- माइनिंग स्टॉक मूल्यांकन: सार्वजनिक रूप से कारोबार करने वाली माइनिंग कंपनियों के मूल्यांकन के लिए इस रूपरेखा को लागू करें। उनकी भविष्य की कमाई केवल "कीमत घटा लागत" नहीं है, बल्कि कठिनाई वृद्धि से आगे निकलने और मूल्य आंदोलनों से शुरू होने वाले कैपएक्स चक्रों को प्रबंधित करने की उनकी क्षमता पर निर्भर करती है।
- क्रॉस-एसेट विश्लेषण: मॉडल को अन्य प्रूफ-ऑफ-वर्क क्रिप्टोकरेंसी तक विस्तारित करें और उनके मूल्य-से-लागत संबंधों की लोच और अंतराल संरचना की तुलना करें।
8. संदर्भ
- 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
- 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.
- Hayes, A. S. (2019). Bitcoin price and its marginal cost of production: support for a fundamental value. Applied Economics Letters, 26(7), 554-560.
- Fantazzini, D., & Kolodin, N. (2020). Does the hashrate affect the Bitcoin price? Journal of Risk and Financial Management, 13(11), 263.
- Kristofek, M. (2020). Bitcoin, mining and energy consumption. Digital Assets Lab.
- CoinShares Research. (2023, January). The Bitcoin Mining Network. Retrieved from https://coinshares.com
- Isola et al. (2017). Image-to-Image Translation with Conditional Adversarial Networks (CycleGAN). IEEE Conference on Computer Vision and Pattern Recognition (CVPR). [External reference example for methodological rigor].