論文の概要: Dynamic User Competition and Miner Behavior in the Bitcoin Market

• arxiv url: http://arxiv.org/abs/2502.15505v1
• Date: Fri, 21 Feb 2025 15:02:02 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-02-24 16:09:04.787742
• Title: Dynamic User Competition and Miner Behavior in the Bitcoin Market
• Title（参考訳）: Bitcoin市場における動的ユーザ競争とマイナー行動
• Authors: Yuichiro Kamada, Shunya Noda,
• Abstract要約: 我々はビットコイン市場のダイナミックモデルを開発し、ユーザーは手数料を自分で設定し、採掘者はその手数料に基づいて誰が運用するか、誰が検証するかを決定する。 分析の結果,短期的混雑に対応するため,利用者の入札を均衡的に調整する方法が明らかとなった。 ブロック報酬(ブロック生産時に鉱山労働者に支払われる固定報酬)がこれらの非効率性を軽減できることを示す。
• 参考スコア（独自算出の注目度）: 0.0
• License:
• Abstract: We develop a dynamic model of the Bitcoin market where users set fees themselves and miners decide whether to operate and whom to validate based on those fees. Our analysis reveals how, in equilibrium, users adjust their bids in response to short-term congestion (i.e., the amount of pending transactions), how miners decide when to start operating based on the level of congestion, and how the interplay between these two factors shapes the overall market dynamics. The miners hold off operating when the congestion is mild, which harms social welfare. However, we show that a block reward (a fixed reward paid to miners upon a block production) can mitigate these inefficiencies. We characterize the socially optimal block reward and demonstrate that it is always positive, suggesting that Bitcoin's halving schedule may be suboptimal.
• Abstract（参考訳）: 我々はビットコイン市場のダイナミックモデルを開発し、ユーザーは手数料を自分で設定し、採掘者はその手数料に基づいて誰が運用するか、誰が検証するかを決定する。 分析の結果, 短期的混雑(すなわち, 保留取引量)に応じて, 利用者が入札を調整し, 混雑レベルに基づいていつ運用を開始するか, 両要因間の相互作用が市場全体の動態をどう形作るかが明らかになった。 鉱山労働者は、混雑が穏やかなときに活動を止め、社会福祉を損なう。 しかし、ブロック報酬(ブロック生産時に鉱山労働者に支払われる固定報酬)がこれらの非効率性を軽減できることを示す。 我々は、社会的に最適なブロック報酬を特徴付け、それが常にポジティブであることを示し、Bitcoinの半減期が最適以下である可能性を示唆している。

関連論文リスト

• Bitcoin Under Volatile Block Rewards: How Mempool Statistics Can Influence Bitcoin Mining [5.893888881448058]
  Bitcoinがより半減期を経験するにつれて、プロトコル報酬はゼロに収束し、取引手数料がマイナー報酬の主要な源となる。 以前のBitcoinのセキュリティ分析では、固定ブロック報酬モデルまたは高度に単純化された揮発性モデルが検討されている。 本稿では,より現実的な揮発性モデルに基づく鉱業戦略開発のための強化学習ツールを提案する。
  論文  参考訳（メタデータ） (2024-11-18T16:29:20Z)
• Model-based Analysis of Mining Fairness in a Blockchain [2.9281463284266973]
  ブロックチェーンにおけるマイニングフェアネスは、マイニングに投資した計算リソースと、受け取ったブロック報酬の平等を指す。 簡単な数学的モデルを用いたマイニングフェアネスの計算法を提案する。 ブロックチェーンネットワークシミュレーションにより、既存の手法よりもネットワーク内のマイニングフェアネスをはるかに正確に計算できることを検証した。
  論文  参考訳（メタデータ） (2024-06-02T02:27:28Z)
• Targeted Nakamoto: A Bitcoin Protocol to Balance Network Security and Energy Consumption [0.0]
  ターゲットナカモト(Targeted Nakamoto)は、ターゲットのハッシュレート間隔で鉱山労働者を誘引するProof-of-Workプロトコル拡張である。 ハッシュレートが目標以上の場合、天井は、採掘者が受け取ることができるブロック報酬の上に置かれる。 ハッシュレートが目標より下にある場合、床は採掘者のブロック報酬の下に置かれる。
  論文  参考訳（メタデータ） (2024-05-23T22:26:25Z)
• Dynamic Mining Interval to Improve Blockchain Throughput [0.4915744683251149]
  ブロックサイズと取引量に応じて採掘間隔を調整する動的マイニングインターバル(DMI)機構を提案する。 また,様々な要因に基づいて採掘間隔を調整するためのDMI選択機構についても論じる。
  論文  参考訳（メタデータ） (2023-12-21T17:03:53Z)
• Uniswap Liquidity Provision: An Online Learning Approach [49.145538162253594]
  分散取引所(DEX)は、テクノロジーを活用した新しいタイプのマーケットプレイスである。 そのようなDECの1つ、Unixwap v3は、流動性プロバイダが資金のアクティブな価格間隔を指定することで、より効率的に資金を割り当てることを可能にする。 これにより、価格間隔を選択するための最適な戦略を見出すことが問題となる。 我々は、この問題を非確率的な報酬を伴うオンライン学習問題として定式化する。
  論文  参考訳（メタデータ） (2023-02-01T17:21:40Z)
• Blockchain Assisted Decentralized Federated Learning (BLADE-FL): Performance Analysis and Resource Allocation [119.19061102064497]
  ブロックチェーンをFL、すなわちブロックチェーン支援分散学習(BLADE-FL)に統合することで、分散FLフレームワークを提案する。 提案されたBLADE-FLのラウンドでは、各クライアントはトレーニング済みモデルを他のクライアントにブロードキャストし、受信したモデルに基づいてブロックを生成し、次のラウンドのローカルトレーニングの前に生成されたブロックからモデルを集約します。 遅延クライアントがblade-flの学習性能に与える影響を調査し,最適なk,学習パラメータ,遅延クライアントの割合の関係を特徴付ける。
  論文  参考訳（メタデータ） (2021-01-18T07:19:08Z)
• Quantum Multi-Solution Bernoulli Search with Applications to Bitcoin's Post-Quantum Security [67.06003361150228]
  作業の証明(英: proof of work、PoW)は、当事者が計算タスクの解決にいくらかの労力を費やしたことを他人に納得させることができる重要な暗号構造である。 本研究では、量子戦略に対してそのようなPoWの連鎖を見つけることの難しさについて検討する。 我々は、PoWs問題の連鎖が、マルチソリューションBernoulliサーチと呼ばれる問題に還元されることを証明し、量子クエリの複雑さを確立する。
  論文  参考訳（メタデータ） (2020-12-30T18:03:56Z)
• Blockchain Assisted Decentralized Federated Learning (BLADE-FL) with Lazy Clients [124.48732110742623]
  フェデレートラーニング(FL)にブロックチェーンを統合する新しいフレームワークを提案する。 BLADE-FLは、プライバシー保護、改ざん抵抗、学習の効果的な協力の点で優れたパフォーマンスを持っている。 遅延クライアントは、他人のトレーニングされたモデルを盗聴し、不正行為を隠すために人工的なノイズを加える。
  論文  参考訳（メタデータ） (2020-12-02T12:18:27Z)
• Equilibrium of Blockchain Miners with Dynamic Asset Allocation [4.030037871304249]
  マイニングビジネスの複合リターンを最大化しようとするブロックチェーンマイニング担当者をモデル化し、分析する。 鉱業コストは、各鉱業者または鉱業プールの平衡におけるシェアを決定する。 複合的なリターンを最大化しようとする鉱夫も鉱業プールも、ハッシュレートの50%以上を占めるための経済的インセンティブは得られないと結論付けている。
  論文  参考訳（メタデータ） (2020-06-14T20:52:31Z)
• Pump and Dumps in the Bitcoin Era: Real Time Detection of Cryptocurrency Market Manipulations [50.521292491613224]
  インターネット上のコミュニティによって組織されたポンプとダンプの詳細な分析を行う。 これらのコミュニティがどのように組織化され、どのように詐欺を行うかを観察します。 本研究では,不正行為をリアルタイムに検出する手法を提案する。
  論文  参考訳（メタデータ） (2020-05-04T21:36:18Z)
• Resource Management for Blockchain-enabled Federated Learning: A Deep Reinforcement Learning Approach [54.29213445674221]
  Federated Learning (BFL)は、機械学習モデル所有者(MLMO)が必要とするニューラルネットワークモデルを、モバイルデバイスが協調的にトレーニングすることを可能にする。 BFLの問題は、モバイルデバイスがシステムの寿命とトレーニング効率を低下させるエネルギーとCPUの制約を持っていることである。 我々は,Deep Reinforcement Learning (DRL) を用いて最適決定を導出することを提案する。
  論文  参考訳（メタデータ） (2020-04-08T16:29:19Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。