矿工动摇比特​​币价格？

即使比特币只剩下矿工，它仍然可以生存。 有矿工和买比特币的人，它有市场和价值。 从第一性原理经济学的角度来看，其他一切都只是锦上添花。

但对于普通大众来说，很少有人了解什么是挖矿。 它的大部分工作原理是通过公理而不是真实数据来理解的：

“哈希跟随价格”（或“价格跟随哈希”）；

“矿工生产比特币的基本成本是自然价格下限”；

“矿工投降是牛市的先决条件”

等等。事实上，一个普遍的先入之见是矿工在某种程度上比其他矿工具有不平等的比特币价格优势。

这是真的吗？

红线代表（假想的）50%的安全门槛，而黑线是衡量市场份额分布的基尼系数。 摘自 2018 年“深入 Bitcion 矿池”

1. 为什么矿工很重要

Harold Hotelling于1931年正式提出稀缺租金的概念，它是不可再生资源供给经济理论的基础。

如果净价不以利率的速度上升，那么，作为均衡条件，从销售中获得的现值在某些时期将高于其他时期。

除了比特币的升值速度比任何其他速度快得多这一事实外，该命题还抓住了这个有用的概念，即矿工积极关注何时生产和出售资源，换句话说，我们通常可以假设他们在您认为时出售储备价格会下跌，当你认为价格会上涨时，保持储备。 这是一种原始但基本的动态：新获得的比特币进入市场的速度是矿工跨期套利行为的函数。

Boltzmann 对主要比特币矿池的净流入/流出的分析表明，在去年的 BSV 事件之前，F2Pool 和 SlushPool 引发了“低于 [3 个月平均值] 17.5 个标准差”的抛售。

值得记住的是，比特币的供应是缺乏弹性的。 无论有多少矿工竞争，比特币的发行数量都是预先确定的。

然而，矿工控制着比特币的新供应这一事实是无可厚非的，这并不夸张。

每当一个 coinbase 可用时（100 个区块被附加到区块链），它的矿工决定是转移奖励还是保留它，无论是有意还是无意。

因此，矿工的集体“蜂巢思维”控制流量开关以增加或减少市场上新比特币的可用供应。

2、是点滴还是点滴？

比特币累进的 coinbase 奖励意味着矿工的“经济火力”将随着时间的推移而减弱。 流通中比特币存量的变化对价格的潜在影响总是大于新引入供应量的变化。

2009年初，链上交易的所有比特币都是新挖出来的。 到 2012 年年中，该比率下降了三个数量级。

矿工的链上交易量份额 (MSV) 是衡量挖矿产出协商与所有链上交易量相关性的简单指标。

MSV = txs 中的交易量，包括来自 coinbase 的输入/所有链上的交易量

由于几乎所有（当前）挖矿奖励都是在奖励到达的同一天从接收地址花费的，因此 MSV 在实践中将是链上交易量的倒数（每次逐渐变小 会突然调整一次它减半）。

0.01%的MSV意味着垄断矿工需要抛出3个月的币（忽略变化率）才能满足链上每日交易量的1%。

如果上图不足以说明在更广泛的比特币背景下矿工的规模有多大，下图是一个可视化图，其中包括现货和衍生品市场的链下协商交易量。

链上交易量 = 原始数据乘以 4/9 以近似最小化输出变化的影响。 现货交易量=Bitcoinity数据乘以10%（这也是为了更接近“真实交易量”）。

3.矿工，你是谁？

短短几年时间，创造了前 10 万条区块链的比特币爱好者几乎全部被比特币矿池所取代。 2011年、2012年，自我认同已经成为家常便饭，然而，一些比特币矿池可能在此之前就已经在不知不觉中运行了。

从业余挖矿到专业挖矿的转变在 Clain 最近的这张图表中有详细记录。

到目前为止，对矿工活动的大多数经济分析都解决了两个关键问题：（1）如何模拟挖矿博弈论竞争，以及（2）如何映射矿池以跟踪他们的权力/行为？

2013 年 1 月至 2019 年 7 月期间在 SSRN 上发表的与“比特币挖矿”相关的 81 篇文章（共 1032 篇关键词为“比特币”的文章）的详细信息。

后一类问题依赖于启发式，可以总结如下：

聚类接收 coinbase 输出的地址； 将这些集群分为三类：池、个体或“未知”； 随着时间的推移跟踪比特币流入和流出这些比特币钱包（或在这些钱包之间，例如其他特定集群（如交易所）之间的输入流/输出流）。 Boltzmann、BitMex Research、CoinMetrics 和 TokenAnalyst 过去曾探索过这种方法的变体产生的数据。

4. (Tagged) 矿工输出流

在线提供两个流行的标记比特币地址列表：Blockchain.info 和 WalletExplorer.com。 显然，人们还设计了许多自定义聚类工具，其中一些工具以这两个列表为起点。

下面，我们将检查来自 TokenAnalyst 的数据，该数据摘自 2014 年 10 月至 2019 年 10 月的数据集。

这些映射流涵盖从 Antpool、BTCTOP、BitClubNetwork、F2Pool、Slush 和 ViaBTC 到 Bitstamp、Bittres、Binance、Bitfinex、BitMex、Huobi、Krakan 和 Poloniex 交易所的交易。

总输出流

乍一看，对矿工每月流向交易所的输出流量的简单描述可能具有指导意义：

当以对数刻度表示时，尽管使用相同的图表，但它似乎并没有提供太多信息：

由于我们对评估一个月后矿工影响价格的可能性不感兴趣，因此我们将查看每一天的详细数据。

覆盖面/代表性

Ceteris Paribus 计算得出，这些矿池“目前约占哈希率的 40%。每年开采约 657,000 个比特币，这些矿池中剩余（减去采矿费）约 270,000 个比特币”。

在每年开采的大约 270,000 个比特币中，该数据集占 2019 年在交易所出售的近 8,500 个比特币（约占所有开采比特币的 3%）。

我们可以通过比较 Slush 到交易所（该数据集中最活跃的矿池）的总映射输出流与其历史上开采的比特币数量的其他估计来推断类似程度的代表性不足。

Slush：到目前为止已经开采了大约 800,000 个比特币，自 2014 年底以来发送到交易所的比特币累计数量为 6,000。

虽然 Slush 的比特币支出可能集中在早期（2014 年之前），但为了安全起见，我们假设只覆盖了池实际流量的 1% 到 5%。 对于我们跟踪的矿池总数，这似乎是一个很好的覆盖率近似值。

剩下的问题是：这些矿工的产出流量是否告诉我们任何关于价格回报的有意义的信息？

相关性

答案是：没有（至少，根据我们掌握的数据）。

稳定的比特币总流出量和价格的相关图和 ADF 测试

在对序列进行（一阶）差分并检查平稳性之后，我们为任何映射寻找矿池变动与比特币价格之间有意义的关系。 在如下图所示的相关散点图中，我们特别希望看到“当比特币流出量增加时，价格下跌”（反之亦然；或任何实际区分的东西）。

Slush差值与BTCPPrice差值的相关性，然后是历年TOPBTC差值与BTCPPrice差值的相关性。

类似于变形变形虫或十字形的分布表明关系较弱（一个变量的变化并不总是代表另一个变量的变化）。

我们在这里选择 Slush 和 TOPBTC 有两个原因：1）它们是该数据集中最活跃的矿池； 2）相同的比特币总输出流图似乎包含更少的信号。

比特币总产出流图差异与BTCPrice差异的相关性

上面研究的两个系列的相关系数显示与价格回报没有有意义的关系。

0.062 的 p 值表明，泥浆流出与价格回报之间非常轻微的负相关并非偶然的概率约为 94%。 TOPBTC 较小的相关系数不能认真对待，因为它的 p 值太大。

（比较价格回报）Slush：r = -0.044； p 值 = 0.0626 | TOPBTC：r = 0.004； p 值 = 0.8834。

严格来说，这两种关系在统计上都不显着。

数据样本的不同聚合（按周、按月……）似乎并没有挖掘出特定的见解，如下图所示。 我们将不同时间段内总产出流量的变化与交易所和价格回报的变化相关联，只发现随着窗口扩大而出现离散的下降趋势。

这些尖峰（左图）可能表明矿工采取了某种形式的节制行为。 然而，观察到的相关性仍然太小。

最后，我们测试了比特币流出总和与价格回报之间相关性的差异，但是，没有注意到任何有意义的信号，与选择的滞后无关。

有很多方法可以用来更全面地刻画这些关系，例如信息系数检验、条件分布等。 然而，由于没有明显的相关性比特币存量，任何因果关系都不太可能。 因此，我们就此止步，没有进一步深入研究数据集。

5.下一步做什么

到目前为止，我们的结论是：

事实上，矿工只占市场上所有比特币“销售力”的一小部分。 所依赖的数据样本并不完全代表观察到的现象。 该分析可能涉及所有实际矿工输出流的 1%-5%（我们无从得知有多少比特币最终进入了交易市场，也不知道有多少比特币从未进入交易市场。）我们没有找到有意义的二进制文件流出流量与比特币价格之间的关系。 然而，这并不意味着我们证伪了它们存在的假设（也不意味着矿工对价格没有一定程度的影响。）我们的直觉是，不同的矿池特征可能会分散人们对全球矿工行为模式的注意力力量。

地址标签和矿池映射无疑提供了对比特币供应的洞察。 然而，自2017年以来，“未知因素”一直在稳步蚕食市场份额。基于地址的永久身份识别是一场与匿名的军备竞赛。

在本文的后续部分比特币存量，我们将探讨评估矿工留在链上的原始指纹的其他方法。

一些灵感

矿池以不同的方式处理支出。 可以想到的最简单的方法是在一次交易中向所有池中的矿工发送付款。 很少（如果有的话）大型矿池会这样做。 其中一些使用迭代方法：支付给矿工，将余额转移到新地址，重复操作。 有的在一次交易中随机选择部分矿工进行支付，然后将余额转移到新地址，在后续交易中进一步分配余额。

即使是 coinbase 交易（理论上可以有超过 1 个输出地址）也可以进行正常的池支付（F2Pool 和 Eligius 过去已经这样做过）！ 在尝试将 coinbases 直接映射到单个实体时，我们必须小心。

一些流行的池支付机制（Romiti、Judmayer、Zamyatin 和 Haslhofer，2019）

底线：追踪属于矿工及其子实体的资金可能比看起来更复杂。

例如，在本文中我们描述了 MSV。 该指标考虑了 coinbase 地址收到的第一笔交易。 现在我们知道了刚刚描述的支付机制，我们可能会意识到这个指标不区分“支付”和“重新洗牌”或“支出”。

非常感谢 Token Analyst 提供了本文中使用的大量数据。

参考文献列表

采矿业的演变（Tradeblock，2013 年）。

探索比特币网络中的矿工进化（Wang & Liu，2014）。

比特币挖矿背后不合理的基础制度（Nicolas T. Courtois、Marek Grajek 和 Rahul Naik，2014 年）。

量化代币支持网络中的供应流动态（Johann Colloredo-Mansfeld / Boltzmann，2018 年）。

价格崩盘和对矿工的影响（Bitmex 研究，2018 年）。

了解比特币矿池集中度的现状（Yassine Elmandjra / ARK Invest，2018 年）。

深入研究比特币矿池——矿业份额的实证分析（Matteo Romiti、Aljosha Judmayer、Alexei Zamyatin 和 Bernhard Haslhofer，2018 年）。

具有比特币 Coinbase 输出的粒度矿池映射（CoinMetrics，2019）。

深入了解以太坊矿池（代币分析师，2019 年）。

比特币网络的测量与分析：来自矿池的观点（Canhui Wang、Xiaowen Chu 和 Qin Yang，2019）。

矿工：对比特币价格走势没有影响（Clain，2019 年）。