這是真的嗎？
1. 為什麼礦工很重要
Harold Hotelling 於 1931 年正式提出了稀缺租金（Scarcity Rent）的概念，這是不可再生資源供應的經濟學理論的基礎。
如果淨價沒有按照利率的速率上漲，那麼，作為一種均衡條件，在某些時期從出售獲得的現值將高於其他時期。
除了比特幣的升值速度已遠遠高於其他任何利率的事實外，該命題抓住了這個有用的概念：礦工們積極關注何時生產及銷售資源，換句話說，就是我們通常可以假設他們在認為價格會下跌時出售儲備，而在認為價格上漲時維持儲備。這是一種原始但基本的動態：新得到的比特幣投入市場的速率是礦工跨期套利行為的一個函式。
值得記住的是，比特幣的供應缺乏彈性。無論有多少礦工參與競爭，比特幣的發行數量都是預先設定好的。
但是，不應該隱藏這個事實：礦工掌控著比特幣新的供應數量，這一點都不誇張。
每次幣庫可以使用時（在區塊鏈上追加了 100 個區塊），無論是否有意，它的礦工們都會決定是轉移獎勵還是保持不變。
因此，礦工們的集體“蜂巢思維”控制著一個流量開關，以決定市場上新比特幣的可用供應量的增加或減少。
2. 是水龍頭還是水滴？
比特幣的漸進幣庫獎勵暗示礦工們的“經濟火力”會隨著時間流逝而減弱。與新引進的供應量 的變化相比，流通中比特幣的存量變化對價格始終具有更大的潛在影響。
2009 年初，在鏈上交易的比特幣全部是剛挖出來的。而到 2012 年年中，這個比例已經下降了 3 個數量級。
（鏈上）交易量的礦工份額（Miner’s Share of on-chain Volume，簡稱 MSV） 是一個簡單的指標，用以衡量挖礦產出談判與所有鏈上交易量的相關性。
由於幾乎所有（目前）的挖礦獎勵都是在獎勵到達的 同一天 從 接收地址 開始使用，因此，實際上，MSV 將會是與鏈上交易量相反的度量（逐漸變得更小，每次減半就突然調整一次）。
0.01% 的 MSV 意味著，壟斷的礦工需要丟擲價值 3 個月的幣庫（忽略變化率）才滿足每天鏈上交易量的百分之一。
如果上圖還不足以說明礦工在更廣泛的比特幣範疇中有多渺小，那麼，下圖就是一個視覺化圖表，包括現貨和衍生品市場鏈下談判的交易量。
3. 礦工們，你們是誰？
在短短的幾年裡，打造了首批十萬個區塊鏈的比特幣愛好者幾乎全被比特幣礦池取代了。在 2011、2012 年，自我鑑定已經變得司空常見，但是，有些比特幣礦池在此之前可能已經開始執行了，而我們並不知道。
在 Clain 最近製作的這張圖中，從業餘挖礦到職業挖礦的轉變得到了很好的證明。
到目前為止，大多數對礦工活動的經濟分析都涉及到了兩個關鍵問題：（1）如何對挖礦博弈論競爭進行建模，（2）如何對映礦池以追蹤其力量 / 行為？
與“比特幣挖礦”相關的 81 篇文章的細節（來自關鍵字為“比特幣”的 1032 篇文章），這些文章釋出於 2013 年 1 月至 2019 年 7 月的 SSRN 上。
後一類問題依賴啟發式方法，可以歸納如下：
把接收幣庫輸出的地址叢集化；
把這些叢集分成三類：礦池、個體或“未知”；
跟蹤比特幣隨著時間進出這些比特幣錢包的輸入流 / 輸出流（或者是這些錢包和如交易所等其他特定叢集之間的輸入流 / 輸出流）。
Boltzmann、BitMex Research、CoinMetrics 和 TokenAnalyst 在過去探索過這個方法的變體所產生的資料。
4. 帶標籤的礦工輸出流
有兩個流行的帶有標籤的比特幣地址列表可線上訪問：Blockchain.info 和 WalletExplorer.com。很顯然，人們還設計了很多自定義的叢集工具，其中有些把這兩個列表作為起點。
下面，我們將研究來自 TokenAnalyst 的資料， 這是 2014 年 10 月到 2019 年 10 月 的資料集摘錄。
這些對映的流覆蓋了從 Antpool、BTCTOP、BitClubNetwork、F2Pool、Slush 和 ViaBTC 到 Bitstamp、Bittres、Binance、Bitfinex、BitMex、Huobi、Krakan 和 Poloniex 交易所的交易。
總輸出流
乍一看，礦工每月流向交易所的輸出流量的直接描述可能很有啟發性：
用對數刻度表示時，儘管用的是同一張圖，但似乎不太能說明問題：
因為我們對評估礦工在一個月後對價格的影響可能性不感興趣，所以，我們將檢視每天的詳細資料。
覆蓋率 / 代表性
Ceteris Paribus 已經計算出這些礦池“目前 約佔 40% 的雜湊率。每年挖出的比特幣約為 65 萬 7 千個，（扣除挖礦費用）這些礦池剩有約 27 萬個比特幣”。
在每年挖出的大約 27 萬個比特幣 中，該資料集佔在 2019 年 透過交易所出售的近 8500 個比特幣（約佔全部挖出的比特幣的 3%）。
透過比較 Slush 到交易所（在該資料集中一直最活躍的礦池）的總對映輸出流量 和對其 歷史上挖到的比特幣數量 的其他估計量進行比較，我們可以推斷代表性不足的類似程度。
儘管 Slush 的比特幣支出在早期（2014 年之前）可能比較集中，但是為了安全起見，我們假設只覆蓋該礦池的實際流量的 1% 至 5%。看起來，對於我們跟蹤的礦池總數來說，這是關於覆蓋範圍的一個良好的近似值。
剩下的問題是：這些礦工的輸出流量有沒有告訴我們任何關於價格回報有意義的資訊？
相關性
回答是：沒有（至少，根據我們掌握的資料可以這麼說）。
在（一階）對序列進行差分並檢查平穩性後，我們在任意對映的礦池移動和比特幣價格之間尋找有意義的關係。在如以下所示的相關散點圖中，我們特別希望能夠看到“當比特幣輸出流量增加時，價格下降的情形”（或相反；或任何確實可以區分的東西）。
這幾年中，Slush 差異與 BTCPrice 差異之間的相關性，然後是 TOPBTC 差異和 BTCPrice 差異之間的相關性。
類似變形的阿米巴蟲或十字形的分佈表明存在弱關係（一個變數中的變化並不總能描述另一個變數的變化）。
我們在這裡選擇 Slush 和 TOPBTC 的原因有二：1）它們是該資料集中最活躍的礦池；2）相同的比特幣總輸出流量圖似乎包含了更少的訊號。
以上所研究的兩個序列的相關係數表明與價格回報不存在有意義的關係。
p 值為 0.062 表明，Slush 輸出流量與價格回報之間非常微小的負相關性不是偶然的產物，其概率大約為 94%。TOPBTC 更小的相關係數由於其 p 值過大，因此無法讓人認真以對。
嚴格地說，這些關係在統計學上都不顯著。
資料樣本（按周、按月、……）上不同的聚合似乎沒有挖掘出特別的見解，如下圖所示。我們把總輸出流量中的變化與交易所和價格回報的變化聯絡起來，對於不同的時間段來說，只發現隨著視窗的變寬，出現了離散的下跌趨勢。
這些峰值（左圖）可能表明礦工某種形式的有節制的行為。但是，觀察到的相關性仍然太小。
最後，我們測試了比特幣輸出流量的總和與價格回報之間的相關性的差異，但是，沒有注意到有意義的訊號，與所選擇的滯後無關。
能夠用來更全面地描述這些關係特徵的方法有很多，如資訊係數測試、條件分佈等等。但是，由於沒有明顯的相關性，因此，不可能存在任何因果關係。於是，我們就此打住，不再進一步地挖掘資料集。
5. 接下來要做的事
到目前為止，我們的結論是：
· 事實上，在比特幣“銷售力”市場上，礦工只佔很小的比例。
· 所依賴的資料樣本不能完全代表所觀察到的現象。這個分析可以能涉及所有實際礦工輸出流的 1%-5%（我們無法知道有多少比特幣最終進入了交易市場，也無法知道有多少比特幣永遠不進入交易市場。）
· 在礦工到交易所的輸出流量和比特幣價格之間，我們沒有找到有意義的二元關係。但是，這不意味著我們證偽了它們存在的假設（也不意味著礦工對價格沒有一定程度的影響。）
我們的直覺是，不同的礦池特性可能分散了人們對礦工行為全域性模式的注意力。
地址標籤（address-labelling）和池對映（pool-mapping）肯定能提供比特幣供應方面的見解。但是，自 2017 年以來，“未知因素”一直在穩定地蠶食市場份額。依賴地址的永久識別是對付匿名技術的軍備競賽。
一些啟發
礦池以不同的方法處理支出（payout）。可以想到的最簡單方法是，在一次交易中，給所有礦池的礦工傳送付款。很少有（如果有的話）大型礦池這麼做。其中一些使用迭代方法：付給一個礦工，把餘額轉到一個新的地址，重複這個操作。有些在一次交易中隨機選擇一些礦工進行付款，然後把餘額轉到一個新的地址，在後續的交易中進一步分配餘額。
即使幣庫交易（理論上可以有 1 個以上的輸出地址）也能夠 進行正常的池支付（F2Pool 和 Eligius 在過去就這麼做過）！在嘗試把幣庫直接對映到單個實體時，我們一定要很小心。
底線是：跟蹤屬於礦工及子實體的資金可能比看起來更復雜。
比如，在本文中，我們描述了 MSV。該指標考慮了 收到的幣庫地址 的第一個交易。現在，我們知道了剛才描述的支付機制，我們可能意識到該指標沒有把“支出（paying out）”和“重洗（reshuffling）”或“消費（spending）”區分開來。
非常感謝 Token Analyst 提供了本文中所用的大量資料。
參考目錄
The Evolution of Mining (Tradeblock, 2013).
Exploring Miner Evolution in Bitcoin Network (Wang & Liu, 2014).
The Unreasonable Fundamental Incertitudes Behind Bitcoin Mining (Nicolas T. Courtois, Marek Grajek and Rahul Naik, 2014).
Quantifying Supply Flow Dynamics in Token-Enabled Networks (Johann Colloredo-Mansfeld / Boltzmann, 2018).
The Price Crash & The Impact on Miners (Bitmex Research, 2018).
A Look Into the Current State of Bitcoin’s Mining Pool Concentration (Yassine Elmandjra / ARK Invest, 2018).
A Deep Dive into Bitcoin Mining Pools — An Empirical Analysis of Mining Shares (Matteo Romiti, Aljosha Judmayer, Alexei Zamyatin and Bernhard Haslhofer, 2018).
Granular Mining Pool Mapping with Bitcoin’s Coinbase Outputs (CoinMetrics, 2019).
Deep Diving into Ethereum Mining Pools (Token Analyst, 2019).
Measurement and Analysis of the Bitcoin Networks: A View from Mining Pools (Canhui Wang, Xiaowen Chu and Qin Yang, 2019).
Miners: No Effect On Bitcoin Price Action (Clain, 2019).
原文連結：
https://medium.com/paradigma-capital/stop-blaming-miners-for-falling-btc-prices-3c2a149cde11
