Bitcoin'in Fiyatı ve Maliyeti: Nedensellik Zincirinin Çözümlenmesi

1. Giriş ve Genel Bakış

Marthinsen ve Gordon tarafından kaleme alınan "Bitcoin'in Fiyatı ve Maliyeti" başlıklı bu makale, kripto para araştırmalarındaki kritik bir boşluğu ele almaktadır. Bitcoin'in fiyat oynaklığını açıklamaya veya tahmin etmeye çalışan çok sayıda çalışma olmasına rağmen, çok azı onun fiyatı ile madencilik maliyeti arasındaki ilişkiyi titizlikle incelemiştir. Yaygın, ancak büyük ölçüde kanıtlanmamış olan inanış, madencilik maliyetlerinin temel bir fiyat tabanı oluşturduğu yönündedir. Bu araştırma, ekonomik teoriyi kullanarak bu fikri çürütmekte ve gözlemlenen ekonometrik gerçeği açıklamaktadır: madencilik maliyetleri fiyat hareketlerini takip eder, onlardan önce gelmez.

2. Literatür Taraması

2.1 Ekonomik Faktörler ve Bitcoin'in Fiyatı

Para Miktar Teorisi (QTM) veya Satın Alma Gücü Paritesi (PPP) gibi geleneksel parasal modeller Bitcoin analizi için uygun değildir. Baur ve diğerlerinin (2018) belirttiği gibi, Bitcoin henüz yaygın bir hesap birimi veya değişim aracı değildir. Çoğu mal ve hizmet itibari para birimleriyle fiyatlandırılır; Bitcoin ise spot döviz kuru üzerinden bir ödeme katmanı olarak hareket eder, bu da geleneksel fiyat endeksi oluşturmayı imkansız kılar.

2.2 Maliyetin Fiyat Tabanı Olması Hipotezi

Garcia ve diğerleri (2014) tarafından öne sürülen popüler bir hipotez, bir Bitcoin oluşturmanın maliyetinin (madencilik yoluyla) bir destek seviyesi belirlediğini varsayar. Mantık şudur: eğer fiyat üretim maliyetinin altına düşerse, madencilik kârlı olmaktan çıkar ve blok zinciri defterinin güvenliğini tehlikeye atar. Meynkhard (2019) ve Hayes (2019) tarafından yapılan ilgili çalışmalar, fiyatları tahmin etmek için madencilik maliyetlerini kullanmıştır.

2.3 Ekonometrik Zorluklar

Kristofek (2020) ve Fantazzini & Kolodin (2020) tarafından yapılan son ekonometrik analizler bu görüşe meydan okumuştur. Bulguları, varsayılan nedenselliğin tersine döndüğünü göstermektedir: madencilik maliyetlerindeki değişiklikler Bitcoin fiyatındaki değişikliklerin gerisinde kalır. Ancak, bu çalışmalar korelasyonu tespit etmekle yetinmekte ve bu gecikmenin neden meydana geldiğine dair teorik bir ekonomik açıklama sunmamaktadır—bu makalenin doldurmayı amaçladığı bir boşluk.

3. Temel İçgörü: Analist Perspektifi

4. Nedensellik Zinciri: Fiyattan Maliyete

4.1 Teorik Çerçeve

Makalenin katkısının özü, nedensellik zincirini modellemesidir. Bitcoin fiyatının öncelikle spekülatif talep ve piyasa duyarlılığı tarafından belirlendiğini—madencilik ekosisteminin büyük ölçüde dışındaki faktörler—varsaymaktadır. Olumlu bir fiyat şoku, madenciler için beklenen geliri artırır. Bu bir sinyal görevi görerek şunları teşvik eder:

1. Yeni Madencilerin Girişi: Algılanan karlılık tarafından çekilir.
2. Daha Fazla/Verimli Donanıma Yatırım: Ağın toplam hesaplama gücünü (hash oranı) artırır.
3. Madencilik Zorluğunun Ayarlanması: Bitcoin protokolü, ~10 dakikalık blok süresini korumak için kriptografik bulmacanın zorluğunu otomatik olarak ayarlar. Daha yüksek bir hash oranı, daha yüksek bir zorluğa yol açar.

Artırılan zorluk ve bloklar için rekabet, yeni bir Bitcoin üretmenin marjinal maliyetini yükseltir. Böylece, fiyat artışı, nihayetinde üretim maliyetini yükselten bir dizi olayı tetikler.

4.2 Matematiksel Formülasyon

İlişki basitleştirilmiş bir model aracılığıyla kavramsallaştırılabilir. $P_t$, $t$ zamanındaki Bitcoin fiyatı ve $C_t$, ortalama madencilik maliyeti olsun. Hash oranı $H_t$, fiyat tarafından yönlendirilen beklenen karlılığın bir fonksiyonudur.

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

Zorluk $D_t$, $H_t$'ye göre ayarlanır:

$D_{t+1} = D_t \cdot \frac{ \text{Hedef Blok Süresi} }{ \text{Gerçek Blok Süresi} } \approx g(H_t)$

Maliyet $C_t$ daha sonra, $D_t$ zorluğunda bir bloğu çözmek için gereken enerjinin, donanım verimliliği $\eta$ ve enerji fiyatı $E$ ile bir fonksiyonudur:

$C_t \approx \frac{ D_t \cdot \text{Hash Başına Enerji} \cdot E }{ \eta \cdot \text{Bitcoin Blok Ödülü} }$

$D_t$, $H_t$ tarafından yönlendirildiği ve $H_t$ de $P_t$ tarafından yönlendirildiği için nedensellik zincirini elde ederiz: $P_t \rightarrow H_t \rightarrow D_t \rightarrow C_t$. Bu, $C_t$'nin neden $P_t$'nin gerisinde kaldığını resmileştirir.

5. Deneysel Sonuçlar ve Veri Analizi

Tam ampirik analiz orijinal makalede olsa da, ima edilen sonuçlar önceki ekonometrik çalışmalarla uyumludur. Bitcoin fiyatı ve bileşik bir madencilik maliyeti endeksinin (donanım maliyetleri, enerji fiyatları ve hash oranını içeren) zaman serisi verileri üzerinde yapılan bir Granger nedensellik testi muhtemelen şunları gösterecektir:

• Maliyetten Fiyata Granger Nedenselliği Yok: Maliyetin fiyatı tahmin ettiği hipotezinin reddedilmesi.
• Fiyattan Maliyete Anlamlı Granger Nedenselliği: Geçmiş fiyatların gelecekteki madencilik maliyetlerini tahmin etmeye yardımcı olduğunun doğrulanması.

Grafik Açıklaması (Kavramsal): 5 yıllık bir dönemi kapsayan çift eksenli bir grafik. Birincil eksen (sol) Bitcoin'in USD cinsinden fiyatını, büyük zirve ve dip noktalarıyla yüksek oynaklık sergileyerek gösterir. İkincil eksen (sağ) bir madencilik maliyeti endeksini gösterir. Görsel olarak, maliyet eğrisi fiyat eğrisini yakından takip eder ancak özellikle büyük fiyat hareketlerinden sonra birkaç haftadan aylara kadar gözle görülür bir gecikme ile. Gölgeli bölgeler, fiyatın maliyet artışlarını açıkça öncülük ettiği dönemleri vurgular (örneğin, 2020 yarılanma rallisi sonrası).

6. Analiz Çerçevesi: Pratik Bir Vaka

Vaka: Fiyat Rallisi Sonrası Bir Madencilik Yatırımının Değerlendirilmesi

Senaryo: Bitcoin fiyatı bir ayda %50 artar. Bir fon, yeni bir madencilik operasyonuna yatırım yapmayı düşünmektedir.

Çerçeve Uygulaması:

1. Talep Sinyali: Fiyat rallisinin nedenini analiz edin (örneğin, kurumsal benimseme haberi, makro hedge). Sürdürülebilir mi?
2. Gecikme Değerlendirmesi: Mevcut "yüksek karlılığın" bir anlık görüntü olduğunu kabul edin. Nedensel modeli kullanın: $\text{Fiyat} \uparrow \rightarrow \text{Yeni Madenciler Girer} \rightarrow \text{Hash Oranı} \uparrow \rightarrow \text{Zorluk} \uparrow \rightarrow \text{Gelecek Maliyet} \uparrow \rightarrow \text{Gelecek Marj} \downarrow$.
3. Karar Matrisi: Hash oranı/zorluk ayarlaması için zaman gecikmesini projelendirin (tarihsel olarak 1-3 ay). Tahmini hash oranı büyümesine dayalı gelecek maliyetleri modelleyin. Yatırım tezi mevcut marjlara değil, sektör ayarlandıktan sonraki projeksiyon marjlara dayanmalıdır.

Bu çerçeve, gecikmeli maliyet verilerini kullanarak uzun vadeli getirileri fazla tahmin etme gibi yaygın tuzağı önler.

7. Gelecek Uygulamalar ve Araştırma Yönleri

• Tahmin Modelleri: Bu nedensel anlayışı yeni tahmin modellerine dahil edin. Fiyatı tahmin etmek için maliyeti kullanmak yerine, ağ güvenliği analizi için çok önemli olan gelecekteki hash oranını ve madencilik zorluğunu tahmin etmek için fiyat ve duyarlılık göstergelerini kullanın.
• ESG ve Politika Analizi: Bitcoin'in enerji tüketiminin fiyatının bir fonksiyonu olduğunu anlayın. Karbon ayak izini azaltmayı amaçlayan politikalar, arz tarafını (enerji kaynağı) olduğu kadar talep tarafını (fiyat itici güçleri) de dikkate almalıdır.
• Madencilik Hissesi Değerlemesi: Çerçeveyi halka açık madencilik şirketlerini değerlemek için uygulayın. Gelecekteki kazançları basitçe "fiyat eksi maliyet" değildir, zorluk artışlarını geride bırakma ve fiyat hareketleriyle tetiklenen CapEx döngülerini yönetme yeteneklerine bağlıdır.
• Varlıklar Arası Analiz: Modeli diğer İş İspatı (Proof-of-Work) kripto paralarına genişletin ve fiyat-maliyet ilişkilerinin esneklik ve gecikme yapılarını karşılaştırın.

8. Kaynaklar

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 ve diğerleri. (2017). Image-to-Image Translation with Conditional Adversarial Networks (CycleGAN). IEEE Conference on Computer Vision and Pattern Recognition (CVPR). [Metodolojik titizlik için harici referans örneği].