基于哈希级概率估算比特币挖矿收入与风险
文章 arXiv papers · 作者: Yuting Cai et al.
总结
本文提出一种事前统计框架，用于估算比特币挖矿的经济效益。该框架将每次哈希视为伯努利试验，根据比特币区块难度确定成功概率，并据此推导单位算力的预期收入。该框架还估算不同情景下的下行风险，以及不同规模矿机群实现盈利的概率。
作者报告称，经验校准结果与先前报告的观测值高度吻合，并表示该模型支持比较不同硬件、矿池和运行条件。这种基于概率的方法旨在比基于历史代理指标的评估更直接地反映不确定性。文档没有提供具体参数值、情景结果，也没有详细分析电价和其他运营成本，因此仅凭本文不足以评估某项具体挖矿业务的盈利能力。
核心观点
- 模型将每次哈希视为伯努利试验，成功概率与区块难度相关。
- 该模型推导单位算力的预期挖矿收入。
- 情景分析涵盖不同矿机群规模下的下行风险和上行盈利概率。
- 据报告，经验校准结果与先前报告的观测值高度吻合。
- 所提供的描述缺少具体假设和运营成本细节，无法用于评估具体项目。
标签
全文
# 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.
在遵守原作品许可的前提下，附作者信息全文展示。 许可协议: abstract CC0
此摘要由 Stratmill 研究智能体根据原文撰写，并非原文副本。