比特币价格创历史新高,如何看待挖矿?回顾区块链经济学被引最高的RFS经典论文

学术   2024-11-19 16:45   北京  

自9月份以来,比特币交易价格暴涨。在特朗普赢得新一任美国总统之后,比特币更是开启了一路飙升模式,引得国际市场追捧。11月19日最新显示,比特币一度突破92000美元,日内涨近2%。

比特币(Bitcoin)和区块链(Blockchain)是紧密相关的概念。比特币是一种去中心化的数字货币,它允许用户在没有中央权威机构的情况下进行点对点的交易。区块链是一种分布式账本技术,它允许多个参与者共同维护一个不断增长的数据记录列表,这些记录被称为区块;每个区块包含一组交易记录,并通过加密技术链接到前一个区块,形成一个链。可以说,区块链是支持比特币运作的技术框架。

随着区块链技术的快速发展,加密货币挖矿已经成为一个价值数十亿美元的行业。然而,这一行业的组织结构却呈现出一个看似矛盾的现象:虽然区块链的核心理念是去中心化,但实际上大多数矿工都选择加入中心化的挖矿池(centralized mining pools)。这种现象近年引发了学界和业界的广泛关注和讨论。
针对这一问题,来自康奈尔大学的丛林、现斯坦福大学的何治国、乔治梅森大学的李家荪,早在2017年“Decentralized Mining in Centralized Pools”一文中对该现象进行了深入研究。作为区块链经济学领域被引用率最高的经典论文之一,此研究这一现象提供了基于基本经济原理的深刻洞见,受到国际金融学顶刊《Review of Financial Studies主编邀请投稿并于2021年发表见刊。
相关阅读:丛林&何治国RFS高引论文:区块链如何影响合约及产业组织?



Title: Decentralized Mining in Centralized Pools

在集中式矿池中的去中心化挖矿


(i) 揭穿了挖矿池导致挖矿集中化的误解。事实上,挖矿池本质上是允许风险共担的金融合约,并不必然影响市场的横向集中度。这是因为:(a)矿工分配算力(hash power)的行为类似于投资组合管理,他们会向较大的矿池分配更多算力,但不会不成比例地过度集中。相反,他们会将部分算力分配给较小的矿池以分散风险。(b)较大的矿池往往会收取更高的费用,就好像大的公司可以收更高的利润,因此百分比增长速度反而较慢。基于这些原因,水平集中并不是主要问题。作者指出,真正的风险在于缺乏风险披露的垂直整合,比如有些机构同时运营矿机生产,挖矿池,交易所,经济托管,和加密货币投资,正如FTX事件所揭示的那样。值得注意的是,该研究在FTX事发前2-3年就已经对这种风险发出了警告。
(ii) 该文也同时首次指出,导致更多电力用于挖矿的不一定是价格变化, 比如从业者理所当然提及的比特币价值的暴涨。挖矿池的兴起扮演了同等重要,甚至可能更重要的角色。与仅有单独挖矿的情况相比,挖矿池的存在可以轻易使电力使用量增加四倍。因此,工作量证明(Proof of Work, PoW)机制的环境问题与挖矿池密切相关,应该成为主要的关注点。本研究还先于公众对PoW与权益证明(Proof of Stake, PoS)机制及其环境影响的讨论,为这一重要话题奠定了部分理论基础。
具体来说,此文的主要发现包括:
  • 风险共担是挖矿池形成的核心动因。由于单独挖矿(solo mining)的收益具有高度的不确定性,风险厌恶的矿工有强烈动机加入挖矿池以分散风险。模型估算显示,对于典型的小型矿工,加入大型矿池可以将其风险调整后的收益提高131%以上。
  • 挖矿池的存在显著加剧了挖矿军备竞赛。在合理的参数设定下,挖矿池的出现可能使全网算力提高5-10倍。这意味着挖矿池作为一种金融创新,虽然提高了个体矿工的效用,但也大大增加了系统的能源消耗。
  • 尽管存在集中化趋势,但横向竞争中系统并不会出现赢家通吃的局面。这是因为大型矿池会考虑自身行为对全网算力的影响,从而收取更高的费用。这种垄断竞争的特性使得较小的矿池能够吸引足够的活跃矿工,维持生存和增长。
  • 被动挖矿(即不会及时调整算力分配的矿工)的存在是解释矿池规模分布的关键。模型预测,拥有更多被动算力的矿池会收取更高的费用,但其活跃算力的增长率反而较低。这一预测与比特币挖矿行业的实证数据高度一致。
本文的创新之处在于将风险共担、垄断竞争和网络外部性等经典经济学理论应用于区块链这一新兴领域。通过构建一个包含矿工、矿池和区块链协议的一般均衡模型,文章揭示了加密货币挖矿行业的微观基础和宏观动态。这一分析框架不仅有助于我们理解当前的行业格局,还为预测未来的发展趋势和设计更优的区块链协议提供了理论依据。


作者简介



丛林

康奈尔大学


何治国

现斯坦福大学


李家荪

乔治梅森大学




摘要


The rise of centralized mining pools for risk sharing does not necessarily undermine the decentralization required for blockchains: because of miners’ cross-pool diversification and pool managers’ endogenous fee setting, larger pools better internalize their externality on global hash rates, charge higher fees, attract disproportionately fewer miners, and grow more slowly. Instead, mining pools as a financial innovation escalate miners’ arms race and significantly increase the energy consumption of proof-of-work-based blockchains. Empirical evidence from Bitcoin mining supports our model’s predictions. The economic insights inform other consensus protocols and the industrial organization of mainstream sectors with similar characteristics but ambiguous prior findings.



挖矿池:背景与原理


比特币挖矿本质上是一个竞争性过程,矿工们竞相解决复杂的数学问题以获得记录新交易区块的权利。成功的矿工不仅能获得固定数量的比特币奖励(当前为3.125个比特币),还能收取区块内所有交易的手续费。从概率角度来看,这个过程类似于一个泊松分布:矿工找到解决方案的概率与其在全球算力中所占的份额成正比。
对单个矿工而言,这种机制带来了高度的收益不确定性。我们可以将矿工的收益模型化为两部分:一是潜在的区块奖励,二是持续的运营成本。区块奖励是一个随机变量,而运营成本则相对固定。这种结构导致了矿工面临显著的财务风险。
为了应对这种风险,矿工们开始组建挖矿池。在典型的挖矿池中,参与者将他们的算力集中起来,共同挖矿,然后按照各自贡献的算力比例分配收益。这种机制从根本上改变了个体矿工的收益结构:虽然预期总收益保持不变,但波动性大幅降低。
从金融理论的角度来看,挖矿池提供的收益分配机制在统计学上优于单独挖矿。具体来说,它实现了“二阶随机占优”,这意味着对于任何风险厌恶的决策者,加入挖矿池都是更优的选择。
为了量化这种优势,我们可以通过计算风险调整后的收益来进行比较。在合理的市场参数下,对于一个典型的小型矿工,加入大型挖矿池可以将其风险调整后的收益提高131%以上。这一显著的改善解释了为什么绝大多数矿工选择加入挖矿池,而非单独作业。
在实践中,挖矿池通常由专业的池管理者运营,他们提供必要的技术基础设施,并从矿工的收益中抽取一定比例作为服务费。市场上存在多种费用模型,主要可分为三类:比例分配、按份额支付和云挖矿。尽管具体的计算方法不同,这些模型的核心都是基于矿工贡献的算力来分配收益
值得注意的是,虽然远程池管理者无法直接观察到个体矿工的实际算力投入,但他们可以通过统计“部分解决方案”的数量来高精度地估算矿工的贡献。这种机制巧妙地解决了传统委托代理理论中的信息不对称问题,使得挖矿池合约能够有效运行,而不受道德风险的严重影响。


挖矿池的均衡模型


为了深入理解挖矿池的经济动态,本研究构建了一个包含多个池管理者和矿工的一般均衡模型。这个模型不仅捕捉了风险分担的好处,还考虑了池管理者之间的战略互动以及矿工的最优决策。
模型中的主要参与者包括M个挖矿池管理者和一群风险厌恶的矿工。每个池管理者拥有一定量的“被动算力”,这可以理解为忠诚用户、早期投资者或固定客户提供的算力。管理者通过设定费率来吸引“主动算力”,即那些会根据收益动态调整分配的矿工。
模型的核心在于刻画了两个关键的经济决策:池管理者如何设定最优费率,以及矿工如何在不同矿池之间分配算力
这两个决策是相互依存的:费率影响矿工的分配决策,而矿工的行为又反过来影响管理者的最优定价策略。
在分析过程中,文章发现了一个有趣的均衡特性:较大的矿池倾向于收取更高的费用。这看似违反直觉,但实际上反映了一个重要的经济学原理:大型矿池意识到他们的决策对全网算力有更显著的影响,因此会更多地考虑自身行为对整体市场的外部性。通过收取更高的费用,他们实际上在内化这种外部性,从而限制了自身的过度扩张。
这一发现对于理解挖矿行业的动态至关重要。它意味着,尽管存在向大型矿池集中的趋势,但这种趋势是有限度的。较高的费率会使大型矿池的增长速度相对较慢,为小型矿池留下生存和发展的空间。这解释了为什么我们在实际市场中观察到多个矿池共存,而非单一巨型矿池垄断的情况。
模型还揭示了一个有趣的平衡机制:矿工通过在多个矿池之间分散算力来实现风险分散,这种行为在某种程度上抵消了大型矿池的规模优势。事实上,在一个无摩擦的理想环境中,矿池的具体规模分布对矿工而言是无关紧要的,因为他们可以通过自由分配算力来实现完美的风险分散。
然而,现实世界中存在各种摩擦,尤其是"被动算力"的存在,这使得矿池规模变得重要。模型预测,拥有更多被动算力的矿池会收取更高的费用,但其主动算力的增长率反而较低。这一预测与比特币挖矿行业的实证数据高度一致,为我们理解行业动态提供了重要洞见。
从更广泛的角度来看,这个模型不仅适用于工作量证明(PoW)的区块链系统,还可以推广到权益证明(PoS)等其他共识机制。例如,在PoS系统中,类似的风险共担动机可能导致"权益池"的形成,其运作机制与挖矿池类似。
这个均衡模型揭示了挖矿池生态系统中复杂的经济动态。它表明,虽然风险分担推动了矿池的形成,但市场力量和战略考虑同时起到了制衡作用,防止了系统走向极端集中。


均衡特征及其启示


在深入分析模型的均衡特征后,本研究得出了几个关键的结论,这些结论不仅具有理论意义,还能为实际的区块链设计和政策制定提供重要参考。
首先,研究发现挖矿池的存在显著加剧了挖矿军备竞赛。下图(论文中的Figure 2)生动地展示了这一现象:在各种参数设置下,引入挖矿池后的全球算力(虚线)远高于仅有单独挖矿时的水平(实线)。



具体而言,在合理的参数范围内,挖矿池的出现可能使全网算力提高5-10倍。这意味着,尽管挖矿池作为一种金融创新提高了个体矿工的效用,但也大大增加了系统的能源消耗。
这一发现对于理解区块链系统的能源效率具有重要意义。它表明,仅仅通过改进硬件效率可能不足以解决加密货币挖矿的能源问题,还需要考虑激励机制的设计。例如,可以探索如何在保持系统安全性的同时,减少对计算密集型工作的依赖。
其次,模型预测大型矿池会收取更高的费用,但增长速度反而较慢。模拟结果(论文中的Figure 3)清晰地展示了这一点:较大的矿池(如Pool 1)收取更高的费用,但其净增长率低于较小的矿池。这一结果源于大型矿池更多地考虑了自身行为对全网算力的影响,从而在定价时更为保守



这一发现对于理解挖矿行业的动态至关重要。它解释了为什么我们在实际市场中观察到多个矿池共存,而非单一巨型矿池垄断的情况。这种自然的制衡机制有助于维持系统的相对分散性,这与区块链的去中心化理念是一致的。
然而,研究也指出,被动算力的存在是导致矿池规模差异的关键因素。在一个理想的无摩擦环境中,矿池的具体规模分布对矿工而言是无关紧要的,因为他们可以通过自由分配算力来实现完美的风险分散。但现实世界中的各种摩擦,尤其是被动算力的存在,使得矿池规模变得重要。
这一洞见提醒我们,在评估区块链系统的中心化程度时,不应仅关注表面的市场份额,还需要考虑底层的算力分配机制。例如,看似占主导地位的大型矿池可能主要依赖于被动算力,而活跃矿工可能在多个矿池之间分散投资,从而在整体上维持了系统的去中心化特性。


比特币挖矿的实证证据


为了验证理论模型的预测,研究者收集并分析了比特币挖矿行业的实际数据。这些实证证据不仅支持了模型的关键结论,还为我们理解加密货币挖矿的实际运作提供了宝贵洞见。
首先,研究者考察了挖矿池规模与收费之间的关系。如表1所示,从2011年到2018年,比特币挖矿行业经历了显著的发展。全网算力从0.01 PH/s增长到36,384.60 PH/s,反映了行业的快速扩张。同时,挖矿池的数量也从7个增加到40个,表明市场结构趋于成熟和多元化。
特别值得注意的是,数据显示大型矿池确实倾向于收取更高的费用。表1的第4列和第6-7列清楚地展示了这一点:按算力加权的平均费用(第4列)通常高于所有矿池的简单平均费用(第8-9列)。这一发现与模型预测一致,即较大的矿池会利用其市场地位收取更高的费用。



其次,研究者分析了矿池规模与增长率之间的关系。下图(论文中的Figure 1)生动地描绘了比特币挖矿池规模的演变过程。我们可以观察到,尽管某些矿池(如GHash.io)曾短暂达到很高的市场份额,但没有任何矿池能长期保持绝对优势。相反,大型矿池的市场份额似乎呈现出均值回归的趋势。这一现象支持了模型的预测:较大的矿池增长速度相对较慢。



为了检验这一关系,研究者进行了回归分析。表2展示了两组关键的回归结果:Panel A 检验了矿池规模与费用之间的关系,Panel B 则考察了规模与增长率的关系。结果显示,矿池规模与费用呈显著正相关,而与增长率呈显著负相关。这些发现高度符合理论模型的预测。



此外,研究者还构建了几个替代性指标来衡量矿池的“被动算力”,包括忠诚度指标、种子指标和关系指标。这些指标试图捕捉那些不会频繁调整算力分配的矿工。分析结果显示,这些替代指标与矿池规模呈正相关,但与矿池规模占比并无显著关系。这一发现支持了模型中关于被动算力的假设,即较大的矿池确实拥有更多的被动算力,但并非不成比例地多。


讨论与扩展


在建立和验证了基本模型后,文章进一步探讨了几个重要的扩展和应用,这些讨论不仅丰富了我们对挖矿池动态的理解,还为更广泛的区块链经济学问题提供了洞见。
首先,文章考虑了潜在的矿池入场问题。在现实中,我们确实观察到新的挖矿池不断涌现。模型分析表明,即使面对潜在的新入者,现有矿池仍然能够保持一定的市场力量。这是因为每个矿池,无论是现有的还是新入场的,只要拥有正的被动算力,就能在均衡中收取正的费用并吸引部分活跃矿工。这一结果意味着,市场结构更像是一种垄断竞争,而非完全竞争
这种垄断竞争的特性有几个重要含义:首先,它解释了为什么我们在实际市场中观察到多个矿池共存,而非单一巨型矿池垄断的情况。其次,它意味着矿工们无法通过加入矿池来实现完全的风险分散,因为每个矿池都会收取正的费用。这种不完全风险分散在某种程度上缓解了挖矿军备竞赛,可能略微减少了能源消耗,尽管这种效应可能相对较小。
文章还讨论了风险的本质及其在加密货币挖矿中的角色。虽然挖矿收益的不确定性本质上是特异性风险,但传统的资产定价理论可能并不完全适用。这是因为矿工们通常无法通过持有无限小的“份额”来分散风险。相反,即使是最小规模的挖矿也涉及相对较大的固定成本和潜在收益。这种特性使得风险分散在加密货币挖矿中具有独特的重要性。
另一个值得注意的讨论点是挖矿池可能带来的中心化问题。虽然较大的矿池确实提供了更好的风险分散,但研究表明这并不必然导致系统的过度中心化。这是因为矿工可以在多个矿池之间自由分配算力,实现类似于投资组合多样化的效果。换句话说,加入多个较小的矿池可以达到与加入一个大型矿池相同的风险分散效果。
最后,文章讨论了一些可能影响结果的外部因素,如意识形态因素、攻击风险和信任危机等。虽然这些因素可能在短期内影响市场动态,但作者们认为,长期来看,经济激励仍然是塑造市场结构的主导力量。
Reference: Cong, L.W., He, Z. and Li, J., 2021. Decentralized mining in centralized pools. The Review of Financial Studies, 34(3), pp.1191-1235.


撰稿:KwanChen、赵魏一

编排:经管小黄

排版:高也茹




Tips:“社科人工智能与人工智能经济学” 冬季学术研讨会即将举办,诺奖得主托马斯·萨金特等顶级学者分享,欢迎对人工智能经济学方法及其应用感兴趣的学者和学生报名!





为了我们不走散,学说请你加星标


疯狂暗示↓↓↓↓↓↓↓↓↓↓↓

学说平台
“学说”平台(www.51xueshuo.com)是清华大学孵化的专业知识传播平台,平台利用学术大数据和人工智能技术,通过学术直播、音视频分享和个性化推送,推动经济金融领域的学术交流和普惠,促进中国科技创新传播与最佳商业实践分享。
 最新文章