撰文：Leo Zhang、Jack Koehler、蔡大，前兩者來自算力及衍生產品研究機構 Anicca Research，后者來自 General Mining Research
編譯：Perry Wang
本文由 Anicca Research 與新加坡算力及衍生產品投資和交易機構 General Mining Research （GMR）合作撰寫。GMR 提供了其專有的礦機市場數據，并依據礦機制造商匯總數據對未來幾個月銷售做出的算力增長預測，對本文給予了支持，
如果能認知到有多少是自己無法掌控的，你將能取得更多的控制力。
Benjamin Graham，《聰明的投資者》作者，價值投資之父
算力估值是加密貨幣領域中最古老、最深奧的話題之一。先前有幾篇學術論文和行業研究報告都已經探討了工作量證明 PoW 的經濟和博弈論層面，但是其中多數都對算力市場在實踐中的運作方式過分簡化，或做出了不切實際的假設，
在本文中我們闡述了算力運營本質等同于管理投資組合，且算力定價中包含對投資組合定價各方面的難度，我們將介紹流行定價的機制及其缺陷，對算力投資組合進行參數化，并進一步闡釋測試中的各種假設將對結果造成的影響，估值框架的重要性不僅僅是踐行理論，而是為算力行業開發專業的風險管理實踐奠定基礎。
算力的公允價值
既然可以從公開市場上買幣，為什么要自己運營挖礦？
這是當人們第一次聽說加密貨幣挖礦時最常見的反應，眾所周知，巨大的財務回報激發了人們對挖礦最初的興趣，并將這一產業催熟成了十億美元量級的龐然大物。一個成功的礦工能夠以低于現貨價格的價格生產比特幣，因此與通過公開市場上買幣相比，可以以大幅折價建倉。
但是，低生產成本絕不是永久的，多年來挖礦產業的競爭一直在加劇，市場周期變得越來越難以預測，礦工如此鐘愛的「折扣」隨時可能惡化為痛苦的損失。在當今市場中，挖礦是否依然能比從公開市場上購買獲得更大的利潤？考慮到這一問題涉及諸多變量，試圖給出一勞永逸的概括是徒勞無益的，但是我們可以將市場周期劃分為幾個原型階段，觀察每個階段常見的挖礦和交易策略的盈利能力如何演變。
先從 2018 年談起，在多數礦工記憶中，那是極為慘淡的一年，我們在這一系列的上一篇文章《讀懂哈希率「煉金術」：加密貨幣算力市場反身性與四季更迭》中，將 2018 年前三個季度劃歸為挖礦周期的庫存傾銷 Inventory-flush， 彼時幣價格走低，哈希率增速卻依然強勁。
假設某礦工在 2018 年初購買了 10 Ph/s 算力的比特大陸螞蟻 S9 礦機，每臺礦機當時的單價為 2675 美元左右，那么在 690 臺礦機上的總支出為 185 萬美元，假設硬件線性折舊率為 24 個月，且礦工的電費成本為每千瓦時 0.0507 美元（約 0.33 人民幣，數據由 GMR 提供），我們可以對三種常見策略的業績進行回溯測試：
- 中性策略：礦工出售的代幣足以支付每日電費（941.38 美元）和每日礦機折舊（2,563.54 美元），如果當天的挖礦收入少于總費用（3,709.01 美元），則僅賣出足夠電費的代幣即可。除此之外所剩的其他所有 BTC 均繼續持有，
- 屯幣策略：該礦工的銷售收入足以支付每日電費（941.38 元），剩余所有 BTC 均繼續持有。
- 套利策略：該礦工立即將挖出的所有 BTC 出售換成法幣，唯一的目標是利用現貨價格與生產成本之間的差價進行套利交易，值得一提的是，這種策略會造成稅務負擔，并且會受流動性制約的交易摩擦，為了簡化建模，這些因素并未納入計算。
接下來，將上述挖礦策略與通過公開市場買幣的兩種普遍策略的業績進行比較：
- 一次性購買：挖礦評估期自同一天開始計算（2018 年 1 月 1 日），以當日 BTC 現貨價格（13,465 美元），購買名義價值等于挖礦總資本支出+年度運營支出（1,845,750 美元+ 941.38 * 365 美元）的代幣，持續持有代幣直到評估期結束。為了簡單起見，我們不考慮購買此數量的比特幣引起的交易摩擦，
- 定期定額購買：所購買代幣的名義價值依然與挖礦資本支出+年度運營支出相等，但具體策略是在整個評估期內每天購買價值固定的代幣（226 萬美元 /365），
在接下來的一年中，每個代幣的每日生產成本（3,709.01 美元的支出除以當天所挖代幣的數量）在 7 月左右超過了市場價格，并在下半年持續攀升，致使該礦工在長時間內無利可圖，從結果中可以看出，經歷了一年的熊市之后，「套利策略」損失最少，而「屯幣策略」受到的打擊最大，
這是因為「屯幣策略」是唯一沒有未兌現盈虧的策略。其他所有策略在不同程度上都握有做多頭寸，在挖礦收入持續減少的礦機庫存傾銷階段，未兌現的頭寸很可能在估值期結束時導致虧損，
在實踐中，明智的礦工在長時間虧損挖礦后本應關閉礦機，如果這位礦工在 6 月底停止運營，他們的損失將會小得多，如果礦工之前一直采用「套利策略」，則該礦工甚至可以盈利：
中性策略和屯幣策略 將仍然無利可圖，盡管其損失要比從公開市場買幣的程度要小，損失主要源于購買礦機的資本支出，該礦工之前以總價 184 萬美元的價格購買了這些礦機，但只能以 73.8 萬美元的價格轉售（不包括交易摩擦、運費和納稅），其挖出的 BTC 所獲得的收入并不能彌補硬件的貶值。
在這兩個示例中，套利策略似乎是最安全的策略，但是在市場周期的相反階段，總體挖礦收入不斷增加時，會出現什么情形呢？
經歷 2018 年底洗牌出局階段的煎熬之后，2019 年上半年礦工迎來了豐收，對 2019 年 1 月 1 日至 2019 年 6 月 30 日做同樣的分析，可以看到套利策略的獲利最少，而高風險的激進策略（屯幣策略 和一次性購買）的收入要比低風險的防御策略高出 50% 以上，
2019 年初時生命周期調整為 12 個月
通過事后諸葛亮式的分析，可以輕松看出哪些策略業績長虹，但當整體市場長期低迷時，要采取激進策略需要對宏觀條件有堅定信念和深刻理解。對于一次性購買的賭博尤其如此，建倉的時間節點是成敗的一切。
2019 年中期是硬件的迭代期，礦工出售舊礦機，購入更高效的新機型，在此示例中，鑒于 BTC 價格飛漲，帶動礦機價格高漲，礦工能夠以高于最初購買價的溢價出售礦機。
假設該礦工售出了 690 臺螞蟻礦機，并用這 27.1 萬美元收入在下半年購買了新型神馬 M20 礦機：
2019 年一整年，這位礦工能賺到：
假如該礦工沒有更換礦機，整個一年中繼續使用螞蟻 S9 礦機進行挖礦，相對更新了礦機的礦工收益明顯更少：
實際上在整個挖礦周期內，礦工并不會拘泥于某個固定的策略。每當他們認為市場趨勢正在變化時，他們可以靈活地更改策略。此外他們可以通過交易策略來補帖挖礦成本，或者借出代幣來提高庫存的利潤，例如，礦工可以在挖礦利潤超過生產成本的天數出售代幣以獲取利潤，并在挖礦利潤低于生產成本的天數從公開市場購買代幣。在挖礦周期的不同階段采取正確的戰術，會對業績結果產生重大影響。這些案例的目的不是歸納出放之四海而皆準的賺錢策略，也不是為了證明挖礦絕對比購買代幣更好，而是要說明：管理挖礦業務實質上是管理投資組合。
這些策略是最簡單、最常見的策略代表，相比積極采用多種策略的礦工，在整個市場周期中僅采用一種簡單策略的懶惰礦工能賺取的價值是不同的。管理算力的方式無窮無盡，但是無論買家采取何種策略，礦機制造商對每個人的定價是相同的，盡管價格是絕對的數據點，但價值卻是相對的，理想情況下，礦機的價格應代表所有可用策略的價值分布的平均值，但這是不可能的。那么算力行業該如何定價？算力的價格到底代表了什么？更重要的是，礦工應該如何以最適合自己情況的方式對算力估值？
算力定價直觀推論法
在當今市場中，算力價格主要由比特大陸、比特微和嘉楠耘智等硬件制造商控制，他們占據新礦機的絕大部分市場份額，完全控制著挖礦算力硬件的初始發行權。制造商的首要任務是保證生產能回本，這與加密貨幣市場關系不大，而與供應鏈管理關系更大，他們的產品銷售價格可以根據市場需求進行調整，但必須要保證有一定的生產利潤。有時制造商會人為地壓低價格，使其價格超過競爭對手。簡而言之，制造商的定價并不代表算力的理論公允價值，其中摻雜了反映礦機制造企業狀態的外在因素，
在算力煉金術第一篇《讀懂哈希率「煉金術」：比特幣算力資產的特征與挑戰》一文中，我們討論了評估算力最流行的指標是 靜態的盈虧打平天數 （鏈聞注：大陸一般稱為回本天數，static days-to-breakeven），該指標考慮 BTC 當前的即時價格、挖礦難度、費用和全額運營支出，可以衡量多少天才能使所購礦機達到收支平衡，每個礦工在同一款礦機上有不同的回本天數，因為每個礦工經營方式不同。礦工基于其所采用的電費和裝機容量的電費成本來計算自己的回本天數。但礦機制造商無法將所有礦工的成本都考慮在內，因此，回本天數計算的起點是整個市場的平均電費成本，
由于收集各個礦工電費數據極具挑戰性，整理出的平均成本只能是個粗略的估計，況且該電費成本亦隨季節更迭隨時在變化。成本結構不同的礦工如大浪淘沙榮辱興衰。礦機制造商在對電費成本進行最佳猜測的情況下做該計算，并根據合理的回本天數范圍來敲定礦機的價格，
但是礦機制造商用作輸入參數的全行業電費成本是多少？我們可以用礦機歷史價格數據對其進行反向測算。
我們可以使用折現現金流量法，對礦機歷史價格進行回溯測試，以找出制造商為礦機定價時的底層假設，例如螞蟻 S9 礦機在 2018 年 1 月的零售價為 2,675 美元。
假設螞蟻 S9 礦機的生命周期為 24 個月，我們可以算出一臺礦機的歷史收入：
接下來我們對電費成本進行逆向計算，使每天自由現金流的所有現值之和等于總購買價格，假設年度加權平均資本成本（WACC）為 12.5%，我們得出：
要保障不超過 1.57 美元的日均支出，S9 礦機的電費成本需要為 $1.57/24/1.365 = $0.048/ 千瓦時，這意味著除非礦工能獲得每千瓦時不超過 0.048 美元 (約 0.33 人民幣) 的電能，否則該礦機就算買貴了，以上結果是依據策略 3 （套利策略）計算出。采用其他策略進行這一分析，策略 1 中性策略所需要的每千瓦時電費成本為 0.017 美元，策略 2 屯幣策略需要的每千瓦時電費成本為 0.01 美元（約 0.07 人民幣）。意味著在實踐中，實際的「收支平衡」電費成本在每千瓦時 0.01-0.048 美元范圍內，
多數礦工 2018 年初實際支付的電費水準大大超出了這一范圍。不過這種程度的溢價并不是毫無道理。BTC 價格剛剛創下紀錄高點，網路難度尚未開始追趕，市場上螞蟻 S9 供不應求，價格的最終決定因素仍然是供求關系，
將相同的方法應用于其他時間點的礦機定價，下表展示了礦工相應的「收支平衡」電費成本，這里的電費成本是由三種策略推導出的成本的均值：
換一個角度來看，如果整個行業的電費成本為每千瓦時 0.0507 美元，那么當時這些礦機的公允價值是多少？這里的公允價值依然是三種策略公允價值的均值：
溢價 / 折扣比率是礦機價格除以公允價值，數據來源：hashrateindex.com
請注意，由于難以精確估算全行業范圍平均費用和 WACC，因此該分析并未將行業范圍內的平均電費或 WACC 的變化計算在內，
這一分析的目的不是計算絕對客觀的公允價值。由于不同的運營費用和不同的策略，相對于每個礦工的公允價值各不相同。但即使假設采用全行業平均費用，我們依然可以觀察到礦機定價的低效性。在牛市期間，礦機制造商大大提高了礦機的價格，而在 BTC 下跌行情中，制造商被迫以低于成本的折扣價清倉。這與我們在挖礦市場上觀察到的歷史證據是一致的。當 BTC 價格快速上漲時，礦機價格有時會比代幣價格上漲得更快，
理論上，價格上升亦代表未來網路難度增速會加快，因此礦機價格的漲勢相對幣價變化應該更緩慢，然后實際上市場定價在這種條件下往往背離于理論機制，歸根結底，這些礦機的價格受供求關系的推動，而礦機市場的流動性極差。
通過對礦機歷史定價進行回測，我們可以看到基于靜態回本天數的定價直觀推論法不足以捕捉挖礦利潤率的波動性。為了評估礦機目前的公允價值，我們需要對挖礦盈利進行前瞻性建模，使得我們的工具或理論框架得以描述變量的劇烈波動，
一種更先進的方法是將算力視為一種看漲期權。這一方法的原理始于將礦機的挖礦收入視為底層資產，挖礦收入分為三要素：價格、挖礦難度和費用。比特幣價格的看漲期權足夠深奧，但封裝這三個要素的衍生工具則要復雜得多。用布萊克-斯科爾斯 Black-Scholes 模型對建立在多種底層資產上的期權進行描述很簡單：額外的考慮因素是相關隨機游走以及伊藤引理的相應多要素版本，不過在三個變量之間建立相關性矩陣是一項艱巨的任務，
正如在算力《煉金術》系列中所討論的那樣，價格和算力具有相關性但有不斷變化的滯后。由于反應延遲，在較短時間窗口內檢查散列功率與價格之間的關系時，相關性極小。因此很容易將哈希率路徑建模簡化為一個完全獨立于價格的過程。從金融理論上看，算力是比特幣的衍生產品，并且在足夠長的時間范圍內，兩個時間序列是正相關的。
另一方面，交易費用動態建模的難度更高，盡管從某種程度上說，交易費用與價格和網路哈希率（反向）相關，但它主要由鏈上活動驅動，后者是一個外在因素。這就是為什么相關性矩陣不會產生有意義結果的原因。
來源：Glassnode
但是一旦對底層資產的分布做出了假設，則在 N 期間對哈希算力進行定價就相當于對一系列每日到期的零執行歐式看漲期權進行定價。換言之，只要礦機處于開啟狀態，算力就是一份每天執行的合同，并轉換為底層資產，即挖礦收入，該合約的成本是硬件的折舊加上運營費用。整個資產包的期權權利金理論上應為礦機價格加上在 N 期間發生的所有運營支出的現值。
算式中：
- V 等于礦機的公允價值。
- Ci 是以挖礦收入為基礎且在第 I 天到期的看漲期權價值。
- T 是日均運營費用。
這種方法存在一個嚴重缺陷。該算式第 I 天和第 i-1 天的合同是獨立評估的，在現實中，第 i-1 天的收入應為第二天到期的合同設定初始條件。任何基于期權定價并簡單總結該期間所有試驗的算力評估方法，都將面臨這一路徑依賴問題。每個試驗都是不相關的評估。
數值方法估值
對數值方法而言，路徑依賴的問題則不存在。與其每天評估 10,000 次試驗，不如在所有試驗中都使用相同的 10,000 次試驗，蒙特卡洛模擬 Monte Carlo simulation 可以幫助通過生成隨機數進行復雜的動力學建模。使用抽樣程式計算在風險中立世界中的預期收入。然后以無風險利率折現，借助蒙特卡洛模擬法，我們能夠模擬最新一代礦機未來兩年內的挖礦獲利能力，并將其公允價值與當今市場上的價格進行比較，
第一步，我們需要對價格走勢做出一些假設。多份研究認為，跳躍擴散模型最適合描述 BTC 價格分布。我們使用跳躍擴散模型來模擬未來兩年內 10,000 個可能的價格走勢。在隨機模擬中，每次走勢都采用不同的路徑，
跳躍擴散模型有兩個基本部分：擴散（幾何布朗運動）和跳躍（通常為泊松分布）。為了簡化建模，我們假設存在跳躍的閾值概率。當觸發跳躍時，幅度遵循正態分布，
根據歷史價格數據進行校準，我們將以下內容用作模型的參數：
- 恒定漂移：0.10%
- 漂移標準偏差：2.50%
- 跳躍概率：5.00%
- 跳躍均值 : 0.10%
- 跳躍標準偏差 : 5.00%
除了代幣價格外，我們還需要預測網路的哈希算力，以計算挖礦收入，建模哈希算力比價格軌跡更為復雜，因為哈希算力的每個單位都不相同。雖然網路上的每個礦工都在為同一算法計算散列，但所消耗的電量因礦機而異，當前網路哈希率的簡化模型抽象出了幾種硬件效率類別，這些類別隨著市場的發展而表現各異。通過能效等級對模型進行分類，可以向我們展示市場上礦機的構成，因此可以粗略地預測它們未來將如何演變。
與價格數據不同，挖礦資訊的收集極具挑戰性。解決該問題的唯一方法是采訪盡可能多的礦工、分銷商和制造商，GMR 對大陸主要礦機制造商和分銷商進行了調查，得出了截至 2020 年 11 月 1 日的市場構成估計：
這一結構構成圖用作預測模型初始條件的基礎，使用估計的全行業平均總電價，我們可以計算出每一層的收支平衡閾值，并大致了解如果 BTC 價格跌至收支平衡之下，有多少礦機可能降價，使用每千瓦時 0.0507 美元作為全行業平均總電價估值，我們可以根據不同的價格水平繪制四種可能的情境：
來源：GMR 提供的其專有數據
請注意，這僅僅給出了哈希率預測的基線。如果 BTC 價格急劇上漲，礦工則可能會通過二手市場購買的價格低廉的舊礦機投入生產，礦機制造商可能會加快生產速度。
基于上述情境，我們可以找到一個線性函數 y = 4,544x + 6e07 來描述價格與網路哈希算力之間的關系，簡便起見，我們假設接下來的六個月中，哈希算力的增長遵循的是 14 天平均 BTC 價格的函數，漂移項為 dW。漂移項參數設置為 2.5% 的平均值和 5% 的標準偏差。此外，根據我們對制造商礦機銷售的估計，假設接下來六個月中，哈希率每天將增長 200 Ph/s，我們通過加上恒定的 20 天反應時延來模擬硬件反應時延，這意味著哈希率僅對至少 20 天前發生的價格行為做出反應。完整函數公式如下：
樣本軌跡如下：
在現實中，算力和價格之間的關系是混亂而復雜的糾纏。使用線性函數來描述它就像將混沌系統投影到低維子空間上。這一函數可以因為多種原因而失靈，這與我們在期權定價方法中所描述的相關性矩陣問題相同，不過，這種架構使我們能夠輕松地加上滯后時間，因此相對于將哈希算力和價格假設為兩個完全獨立的分布而言，這是一個重大的改進。這使得預測更易于管理，
為了進一步改善我們的估算，可以使用馬爾可夫鏈-蒙特卡洛 Markov Chain Monte Carlo 算法模型。與蒙特卡洛算法從分布中提取獨立樣本不同，馬爾可夫鏈-蒙特卡洛算法在下一個樣本依賴于現有樣本的情況下提取樣本。這比通用的蒙特卡洛模擬更好地解決了多維問題。該算法的確切構造將會在下一篇中探討。
一旦我們對未來兩年 BTC 價格和哈希率做出了預測，就可以像對歷史哈希算力價格進行回溯測試一樣，計算出挖礦的盈利能力，兩年前以加密資產支持的借貸活動很少，而如今的加密借貸市場已經發展成為一個龐大的產業。抵押貸款是礦工經常依賴的最常見服務之一，評估目前的 WACC，該數值應顯著提高。我們可以將其降低到 10%，而不是 2018 年分析中的 12.5%
電費成本使用每千瓦時 0.0507 美元、假設 10% 無風險利率，我們可以生成公允價值的分布，最終結果是所有 10,000 次試驗的平均值，此外我們假設在兩年后，螞蟻 S19 Pro 礦機和神馬M30s 仍然保留 20% 的剩余價值，
不消說，這不應成為相關礦機定價過高還是定價過低的最終裁決結果，價格分布的均值和標準差、算力與價格之間的函數、滯后時間、電費成本，折現率和殘值都是可以嚴重影響這一評估結果的因素，例如，以每千瓦時 0.07 美元和每千瓦時 0.03 美元的電費成本分別運行模擬：
我們可以看到，當電費成本較高時（左圖），效率更高的礦機（螞蟻 S19 和神馬 M30s）的價格低層級的礦機更接近公允價值，當電費成本較低（右）時，效率較低的礦機（螞蟻 S17 和神馬 M20s）的價格會更優惠，這證明，如果電費成本足夠有競爭力，礦工可以從運行效率較低的礦機中受益。
在我們的模型中，我們構建了一個開關，如果 14 天內的挖礦收入始終低于支出，則會關閉礦機。在現實世界中，礦工并不經常根據短期獲利能力來開啟和關閉礦機，多數時候礦工都與主機托管的數據中心達成協議，約定他們每月需要消耗的最少電量，即使利潤率降到零以下，多數礦工還是傾向于等待幣價下降趨勢確認后再采取行動。
由于數據中心運營具有勞動密集型性質，以及礦機市場的流動性不足，礦工被迫觀察更長期的幣價走勢，而不是短期價格走勢，近年來，借貸服務提供商數量的增加，也增強了礦工在冬季的承受能力。礦工可以抵押自己的代幣或礦機來借到法幣支付費用，而不是出售大量的代幣。盡管如此，這是挖礦損失的理論下限。礦工的損失不能超過資本支出加上累計運營支出，
與看漲期權一樣，底層指數波動率越大，該金融工具的理論價值就越高，我們可以看到結果隨著跳躍擴散模型的參數變化而變化，當波動率被抑制時，礦機的理論估值急劇下降，當波動率很高時，理論值會迅速增加：
電費成本基于每千瓦時 0.0507 美元
這一分析基于策略 3 每日賣出策略，與回測分析相同，運行哈希算力能「解鎖」的公允價值在公允價值范圍內（策略 1、策略 2、策略 3），鑒于蒙特卡洛模擬了 10,000 條路徑，每條路徑具有截然不同的路徑，僅運行一項策略就足以涵蓋每種類型的市場階段。
零區塊獎勵的未來
對挖礦收入有重大影響的另一個變量是交易費用，假設費用每年線性增長 5% 和 10%，則礦機的公允價值將明顯增加：
電費成本基于每千瓦時 0.0507 美元
在現實中交易費用趨勢很不規則，并且與其他內生變量的聯系不太明顯。建模費用趨勢需要完全獨立的分布。此外還有許多方法可以提高其準確性：
- 正如文中所討論的，采用馬爾可夫鏈-蒙特卡洛算法模型來減輕維度的阻擾
- 根據四個原型市場周期引入動態滯后，使用泊松過程對跳躍進行建模。
- 使用哈希率加權平均電費成本而不是整個行業的中位數成本，
- 使用統計方法校準參數
- 使用礦機學習工具來描述哈希算力和價格之間的關系。
- 將交易費用預測納入挖礦收入計算中
- 對礦工行為采用基于代理的模擬。基于代理的建模是一種用于對復雜系統進行建模、以更深入了解系統行為的技術。其廣泛用于高頻交易或智能合約風險分析中，在這一框架下，每個礦工都是具有不同策略和不同成本基礎的「用戶」。然后我們可以定義一些簡單的反應類型（購買更多礦機、出售礦機、購買更多礦機但要等待 30 天到貨等），并建立一個「用戶行為」庫。這將使我們能夠模擬哈希算力市場中更為復雜的交互。有關更多背景資訊，請閱讀 Conway’s Game of Life。
諾貝爾經濟學獎獲獎者 Myron Scholes 說過：「所有模型都有缺陷，但這并不意味著你不能將它們用作決策工具，」
就像布萊克-斯科爾斯 Black-Scholes 模型，仿真模型是一種機制，試圖通過簡短描述反映現實世界，從而簡化其復雜性，這種減化使模型具備用途，但同時限制了其實用性，重要的是要了解其局限性具體所在，并且該模擬僅代表可能性而非確定性，
但是對于已經對市場形成看法的用戶，該模型是基準。像任何預測模型一樣，這種模擬僅與用戶做出的假設一樣好，一個人使用將那些對未來看法轉變為今天適當價格的建模工具，以期探索未來那個版本出現時會暴露的問題。
這個為什么很重要？在明顯受供求關系驅動的市場中開發資產定價理論的意義何在？
估值不只是理論的練習。對于比特幣而言，一旦挖礦產業完全依賴于交易費用收入，競爭只產生微乎其微的利潤，并且挖礦收入計算中沒有任何一個可預測的要素，我們如何確保礦工繼續產生算力？答案是保持對挖礦硬件持續投資的穩定性，以增加網路的安全預算。這很關鍵，因為如果沒有足夠的哈希能力，整個系統很容易受到攻擊，屆時比特幣的結算保證將變得一文不值。
嚴謹的估值框架是測試各種假設和市場行為、并相應進行規劃的第一個步驟，鑒于部分礦業機構已經大到不能倒，評估是對其進行適當風險管理的基礎。該練習的目的是開啟一個針對這一總體方向的對話。未來的幾年中我們將繼續努力，進一步完善我們的框架，
