模糊厌恶下基于区块链挖矿算力投资模型研究

本文研究比特币挖矿市场中的动态均衡,假设挖矿这一不可逆投资中总的奖励满足肖-布朗(Choquet-Brown)过程,考虑矿工是模糊厌恶的,在此基础之上利用比特币兑美元的汇率建立比特币网络算力预测模型并运用金融观点下的随机分析方法展开分析。研究表明,矿工挖矿行为的决策受到技术更新、电力成本、市场环境等多种因素的影响,矿工的挖矿收入因自由进入而产生上限,且当其他条件不变时,模糊程度越高,算力的价值越低,挖矿回报也越低。矿工的行为与现有的传统行业动态经济学理论非常一致,矿工的挖矿投资可以近似看作一个具有不可逆投资的行业动态的标准模型。

基于区块链的算力优化模型

针对区块链的工作量证明协议,本文将算力看作时间的函数,使用一段时间内的累积算力作为基本参量展开分析研究。首先,从挖矿找到随机数这一事件入手,建立挖矿收益与确定性等价收入模型,发现矿工单独挖矿的风险较大,加入矿池联合挖矿能带来更大的风险分担收益。其次,建立矿池管理者关于池费的最大化期望效用模型和矿工关于自身算力分配的最大化收益模型,并通过建模分析,得到关于池费、风险规避参数、矿池算力增长比例、矿池初始被动算力规模等重要参数之间的关系。最后,通过数值模拟,验证所得结论并给出经济学解释。研究表明,矿池中的风险规避需求对池费的影响、池费对算力投入的影响等经济学结论与经典的经济学理论密切相关。