Il Prezzo e il Costo del Bitcoin: Svelare la Catena Causale

1. Introduzione e Panoramica

Questo articolo, "Il Prezzo e il Costo del Bitcoin" di Marthinsen e Gordon, affronta una lacuna critica nella ricerca sulle criptovalute. Mentre numerosi studi tentano di spiegare o prevedere la volatilità del prezzo del Bitcoin, pochi hanno esaminato rigorosamente la relazione tra il suo prezzo e il costo del mining. La credenza prevalente, ma in gran parte non dimostrata, è stata che i costi di mining agiscano come un livello di prezzo minimo fondamentale. Questa ricerca utilizza la teoria economica per confutare questa nozione e spiegare la realtà econometrica osservata: i costi di mining seguono i movimenti del prezzo, non li precedono.

2. Rassegna della Letteratura

2.1 Fattori Economici e Prezzo del Bitcoin

Modelli monetari tradizionali come la Teoria Quantitativa della Moneta (QTM) o la Parità dei Poteri d'Acquisto (PPP) sono inadatti per l'analisi del Bitcoin. Come notano Baur et al. (2018), il Bitcoin non è ancora un'unità di conto o un mezzo di scambio diffuso. La maggior parte dei beni e servizi è quotata in valute fiat, con il Bitcoin che funge da livello di regolamento al tasso di cambio spot, rendendo impossibile la creazione di un indice dei prezzi convenzionale.

2.2 L'Ipotesi del Costo come Soglia Minima

Un'ipotesi popolare, suggerita da Garcia et al. (2014), sostiene che il costo di creazione di un Bitcoin (tramite mining) stabilisca un livello di supporto. La logica è che se il prezzo scende al di sotto del costo di produzione, il mining diventa non redditizio, mettendo a rischio la sicurezza del registro blockchain. Lavori correlati di Meynkhard (2019) e Hayes (2019) hanno utilizzato i costi di mining per prevedere i prezzi.

2.3 Sfide Econometriche

Recenti analisi econometriche di Kristofek (2020) e Fantazzini & Kolodin (2020) hanno messo in discussione questa visione. I loro risultati indicano un'inversione della causalità presunta: le variazioni dei costi di mining seguono le variazioni del prezzo del Bitcoin. Tuttavia, questi studi si fermano all'identificazione della correlazione senza fornire una spiegazione economica teorica del perché si verifica questo ritardo—una lacuna che questo articolo mira a colmare.

Problema Chiave Identificato

I modelli autoregressivi (ARIMA, GARCH) possono modellare la volatilità a breve termine ma non riescono a spiegare o prevedere forti oscillazioni di prezzo (es. aumenti di 8x o crolli dell'80%) a causa della mancanza di meccanismi causali sottostanti.

Obiettivo della Ricerca

Spiegare la catena di causalità dal prezzo del Bitcoin ai suoi costi di mining, chiarendo così perché i modelli econometrici falliscono e i costi seguono i prezzi.

3. Intuizione Fondamentale: Prospettiva dell'Analista

Intuizione Fondamentale

L'articolo infligge un colpo fatale al dogmatismo semplicistico del "costo come soglia minima". Identifica correttamente che il mining è un'attività di mercato derivata guidata dalle aspettative di prezzo, non un centro di costo primario che determina il valore. La vera soglia minima non è il costo, ma l'equilibrio di sicurezza della rete in cui l'uscita/rientro dei miner crea una stabilità dinamica.

Flusso Logico

L'argomentazione è elegantemente semplice: 1) Il prezzo è determinato dalla domanda speculativa in un mercato altamente inefficiente. 2) Un prezzo in aumento segnala ricompense future più alte, attirando più miner e spese in conto capitale (CapEx) per hardware ed energia. 3) Questa maggiore competizione aumenta l'hash rate della rete e, di conseguenza, la difficoltà e il costo per moneta. 4) Pertanto, il costo è una variabile endogena che risponde ai segnali di prezzo, non un'ancora esogena. Ciò rispecchia i risultati nei mercati delle materie prime dove la produzione si espande dopo i picchi di prezzo, non prima.

Punti di Forza e Debolezze

Punti di Forza: Il punto di forza maggiore dell'articolo è l'applicazione della logica classica microeconomica della curva di offerta a un asset innovativo. Riformula con successo il mining come un'industria competitiva con input variabili. Il collegamento ai risultati econometrici (test di causalità di Granger) è convincente.
Debolezze: L'analisi, sebbene teoricamente solida, è un po' ad alto livello. Non quantifica appieno i cicli di feedback o modella i ritardi temporali coinvolti. Sottovaluta inoltre il ruolo del mining istituzionale con contratti di energia a costo fisso, che può temporaneamente disaccoppiare il costo dai prezzi spot dell'energia, una sfumatura evidenziata nei report di aziende come CoinShares Research.

Approcci Pratici

Per gli investitori: Ignorare i modelli di "costo di produzione" per il trading a breve termine. Sono indicatori ritardati. Monitorare invece i derivati dell'hash rate e le metriche di deflusso dei miner. Per i policymaker: La regolamentazione mirata all'uso energetico del mining potrebbe essere meno efficace del previsto se i miner sono price-taker, non price-setter. L'attenzione dovrebbe essere sui driver lato domanda della volatilità dei prezzi.

4. La Catena Causale: Dal Prezzo al Costo

4.1 Quadro Teorico

Il fulcro del contributo dell'articolo è la modellazione della catena causale. Postula che il prezzo del Bitcoin sia determinato principalmente dalla domanda speculativa e dal sentiment di mercato—fattori in gran parte esterni all'ecosistema del mining. Uno shock positivo del prezzo aumenta i ricavi attesi per i miner. Questo funge da segnale, incentivando:

Ingresso di Nuovi Miner: Attratti dalla percezione di redditività.
Investimento in Hardware Più/Efficiente: Aumentando la potenza computazionale totale della rete (hash rate).
Adeguamento della Difficoltà di Mining: Il protocollo Bitcoin regola automaticamente la difficoltà del puzzle crittografico per mantenere un tempo di blocco di ~10 minuti. Un hash rate più alto porta a una difficoltà maggiore.

La maggiore difficoltà e la competizione per i blocchi aumentano il costo marginale di produzione di un nuovo Bitcoin. Pertanto, l'aumento del prezzo innesca una sequenza di eventi che alla fine fa aumentare il costo di produzione.

4.2 Formalizzazione Matematica

La relazione può essere concettualizzata attraverso un modello semplificato. Sia $P_t$ il prezzo del Bitcoin al tempo $t$, e $C_t$ il costo medio di mining. L'hash rate $H_t$ è una funzione della redditività attesa, che è guidata dal prezzo.

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

La difficoltà $D_t$ si adatta in base a $H_t$:

$D_{t+1} = D_t \cdot \frac{ \text{Tempo Blocco Target} }{ \text{Tempo Blocco Effettivo} } \approx g(H_t)$

Il costo $C_t$ è quindi una funzione dell'energia necessaria per risolvere un blocco con difficoltà $D_t$, efficienza hardware $\eta$ e prezzo dell'energia $E$:

$C_t \approx \frac{ D_t \cdot \text{Energia per Hash} \cdot E }{ \eta \cdot \text{Ricompensa Blocco Bitcoin} }$

Poiché $D_t$ è guidato da $H_t$, che a sua volta è guidato da $P_t$, otteniamo la catena causale: $P_t \rightarrow H_t \rightarrow D_t \rightarrow C_t$. Questo formalizza il motivo per cui $C_t$ ritarda rispetto a $P_t$.

5. Risultati Sperimentali e Analisi dei Dati

Sebbene l'analisi empirica completa sia nell'articolo originale, i risultati impliciti sono in linea con precedenti studi econometrici. Un test di causalità di Granger su serie temporali del prezzo del Bitcoin e di un indice composito del costo di mining (che incorpora costi hardware, prezzi energetici e hash rate) mostrerebbe probabilmente:

Nessuna Causalità di Granger dal Costo al Prezzo: Rifiutando l'ipotesi che il costo predica il prezzo.
Significativa Causalità di Granger dal Prezzo al Costo: Confermando che i prezzi passati aiutano a prevedere i futuri costi di mining.

Descrizione Grafico (Concettuale): Un grafico a doppio asse su un periodo di 5 anni. L'asse primario (sinistra) mostra il prezzo in USD del Bitcoin, che presenta alta volatilità con picchi e avvallamenti importanti. L'asse secondario (destra) mostra un indice del costo di mining. Visivamente, la curva del costo segue da vicino la curva del prezzo ma con un ritardo evidente di diverse settimane o mesi, specialmente dopo grandi movimenti di prezzo. Le aree ombreggiate evidenziano periodi in cui il prezzo ha chiaramente guidato gli aumenti dei costi (es. rally post-halving 2020).

6. Quadro di Analisi: Un Caso Pratico

Caso: Valutazione di un Investimento in Mining dopo un Rally dei Prezzi

Scenario: Il prezzo del Bitcoin aumenta del 50% in un mese. Un fondo valuta di investire in una nuova operazione di mining.

Applicazione del Quadro:

Segnale di Domanda: Analizzare la causa del rally dei prezzi (es. notizie di adozione istituzionale, copertura macro). È sostenibile?
Valutazione del Ritardo: Riconoscere che l'attuale "alta redditività" è un'istantanea. Utilizzare il modello causale: $\text{Prezzo} \uparrow \rightarrow \text{Nuovi Miner Entrano} \rightarrow \text{Hash Rate} \uparrow \rightarrow \text{Difficoltà} \uparrow \rightarrow \text{Costo Futuro} \uparrow \rightarrow \text{Margine Futuro} \downarrow$.
Matrice Decisionale: Proiettare il ritardo temporale per l'adeguamento dell'hash rate/difficoltà (storicamente 1-3 mesi). Modellare i costi futuri in base alla crescita prevista dell'hash rate. La tesi di investimento non dovrebbe basarsi sui margini attuali ma sui margini previsti dopo l'adeguamento del settore.

Questo quadro previene la trappola comune di sovrastimare i rendimenti a lungo termine utilizzando dati di costo ritardati.

7. Applicazioni Future e Direzioni di Ricerca

Modelli Predittivi: Incorporare questa comprensione causale in nuovi modelli di previsione. Invece di usare il costo per prevedere il prezzo, utilizzare il prezzo e gli indicatori di sentiment per prevedere il futuro hash rate e la difficoltà di mining, cruciali per l'analisi della sicurezza della rete.
Analisi ESG e Politiche: Comprendere che il consumo energetico del Bitcoin è una funzione del suo prezzo. Le politiche mirate a ridurre l'impronta di carbonio devono considerare il lato domanda (driver del prezzo) tanto quanto il lato offerta (fonte energetica).
Valutazione delle Azioni Minerarie: Applicare il quadro per valutare le società di mining quotate in borsa. I loro utili futuri non sono semplicemente "prezzo meno costo", ma dipendono dalla loro capacità di anticipare gli aumenti di difficoltà e gestire i cicli di CapEx innescati dai movimenti di prezzo.
Analisi Cross-Asset: Estendere il modello ad altre criptovalute Proof-of-Work e confrontare l'elasticità e la struttura del ritardo delle loro relazioni prezzo-costo.

8. Riferimenti Bibliografici

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). [Esempio di riferimento esterno per rigore metodologico].