Классификация и методы оценки биткоинов — часть 2

На сегодняшний день было несколько попыток каким-либо образом определить фундаментальную стоимость биткоинов в академической литературе. Например, Yermack (2013) высказал мнение, что биткоин вовсе лишен внутренней, фундаментальной стоимости. Jenssen (2014) предполагал, что стоимость биткоина связана с вычислительной мощностью, необходимой для его производства. Чуть позже Garcia, Tessone, Mavrodiev и Perony высказали, что оценочная стоимость майнинга биткоинов выступает исключительно, как нижняя граница стоимости данной криптовалюты.

Другой взгляд на проблему отразили в своей работе Woo, Gordon, Iarolov (2013). Они выдвинули гипотезу, что фундаментальная стоимость биткоина основана на том, что он выполняет определенные денежные функции более эффективно, нежели фиатные деньги. Похожую теорию высказала и команда экономистов, в которую входил Polasik, Piotrowska и другие.

Две последние теории – определение фундаментальной стоимости на основе вычислительной мощности, необходимой на производство биткоинов, и спроса на данную криптовалюту с целью транзакции, представляют на текущий момент наибольший интерес. Причиной тому является возможность построения математических и экономических моделей оценки и формирования гипотез стоимости биткоина.

В отношении вычислительной мощности наиболее интересная работа, на мой взгляд, это работа Adam Hayes, опубликованная в 2015 году под названием: Cryptocurrency Value Formation: An Empirical Analysis Leading to a Cost of Production Model for Valuing Bitcoin. В этой статье автор формулирует эконометрическую гипотезу, а после проверяет ее на основе регрессии. Автор протестировал модель на 66 наиболее популярных криптовалютах и получил крайне интересные результаты.

Скорректированный на количество регрессоров коэффициент детерминации полученной регрессии составил 0,83, что является достаточно высоким показателем и отражает перспективность модели. Опуская статически незначимые величины (а таких в модели 2), модель выглядит следующим образом:

ln(цена) = -9,68 + 0,67ln(ГХ/с) – 0,98(Коины/м) + 7,43*(Тип алгоритма), где

ГХ/с – вычислительные мощности в гигахэшах в секунду;
Коины/м – количество новых коинов в минуту (находится делением вознаграждения за новый блок на время формирования нового блока);

Тип алгоритма – фиктивная переменная (0 – если используется SHA-256, 1 – если используется scrypt).

Интересным является тот факт, что все знаки коэффициентов при регрессорах подтверждаются априорными суждения об их влиянии на цену. Например, априорное суждение относительно влияния вычислительных мощностей можно сформулировать, как «чем больше задействовано средств на вычисление 1 коина, тем больше он стоит», т.е. связь является положительной. Знак при регрессоре коины/м отражает эффект убывающей предельной полезности, а при типе алгоритма – влияние более эффективного алгоритма – scrypt, который исправляет некоторые недостатки SHA-256.

Таким образом, Hayes построил достаточно достоверную модель для оценки стоимости криптовалют. Вопрос ее прогностической способности еще остается открытым, но данная теория фундаментальной стоимости криптовалюты однозначно имеет право на существование.