مدل‌سازی درآمد و ریسک استخراج بیت‌کوین بر پایه احتمال هش

خلاصه

این سند چارچوبی آماری و پیشینی برای برآورد اقتصاد استخراج بیت‌کوین پیشنهاد می‌کند. در این چارچوب، هر هش یک آزمایش برنولی در نظر گرفته می‌شود که احتمال موفقیت آن را سختی بلاک بیت‌کوین تعیین می‌کند و درآمد موردانتظار به‌ازای هر واحد نرخ هش از این مبنا به دست می‌آید. این چارچوب همچنین ریسک نزولی را در سناریوهای مختلف و احتمال سود صعودی را برای مزارع با اندازه‌های متفاوت برآورد می‌کند.

نویسندگان گزارش می‌کنند که کالیبراسیون تجربی با مشاهدات گزارش‌شده پیشین تطابق نزدیکی دارد و می‌گویند مدل امکان مقایسه سخت‌افزارها، استخرهای استخراج و شرایط عملیاتی را فراهم می‌کند. این رویکرد مبتنی بر احتمال می‌کوشد عدم‌قطعیت را مستقیم‌تر از ارزیابی‌های مبتنی بر جانشین‌های تاریخی بازنمایی کند. سند مقادیر مشخص پارامترها، نتایج سناریوها یا بررسی دقیق قیمت برق و سایر هزینه‌های عملیاتی را ارائه نمی‌کند؛ بنابراین به‌تنهایی برای ارزیابی سودآوری یک عملیات استخراج مشخص کافی نیست.

ایده‌های کلیدی

• مدل هر هش را آزمایشی برنولی با احتمال موفقیتی مرتبط با سختی بلاک در نظر می‌گیرد.
• درآمد موردانتظار استخراج به‌ازای هر واحد نرخ هش محاسبه می‌شود.
• تحلیل سناریو، ریسک نزولی و احتمال سود صعودی را در اندازه‌های مختلف مزرعه پوشش می‌دهد.
• گزارش شده است که کالیبراسیون تجربی با مشاهدات گزارش‌شده پیشین تطابق نزدیکی دارد.
• شرح ارائه‌شده فاقد فرض‌های مشخص و جزئیات هزینه‌های عملیاتی لازم برای ارزیابی در سطح یک پروژه است.

برچسب‌ها

# Expected Revenue, Risk, and Grid Impact of Bitcoin Mining: A Decision-Theoretic Perspective


# Expected Revenue, Risk, and Grid Impact of Bitcoin Mining: A Decision-Theoretic Perspective









Most current assessments use ex post proxies that miss uncertainty and fail to consistently capture the rapid change in bitcoin mining. We introduce a unified, ex ante statistical model that derives expected return, downside risk, and upside potential profit from the first principles of mining: Each hash is a Bernoulli trial with a Bitcoin block difficulty-based success probability. The model yields closed-form expected revenue per hash-rate unit, risk metrics in different scenarios, and upside-profit probabilities for different fleet sizes. Empirical calibration closely matches previously reported observations, yielding a unified, faithful quantification across hardware, pools, and operating conditions. This foundation enables more reliable analysis of mining impacts and behavior.

با ذکر منبع و مطابق مجوز اثر، به‌طور کامل نمایش داده می‌شود. مجوز: abstract CC0

این خلاصه را عامل پژوهشی Stratmill بر پایه متن اصلی نوشته است؛ نسخه‌ای از اثر منبع نیست.