論文の概要: Rational Miner Behaviour, Protocol Stability, and Time Preference: An Austrian and Game-Theoretic Analysis of Bitcoin's Incentive Environment

• arxiv url: http://arxiv.org/abs/2506.20965v1
• Date: Thu, 26 Jun 2025 03:04:21 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-06-27 19:53:09.953249
• Title: Rational Miner Behaviour, Protocol Stability, and Time Preference: An Austrian and Game-Theoretic Analysis of Bitcoin's Incentive Environment
• Title（参考訳）: 合理的なマイナー行動、プロトコル安定性、時間優先:Bitcoinのインセンティブ環境のオーストリア的およびゲーム論的分析
• Authors: Craig Steven Wright,
• Abstract要約: プロトコルルールが変更可能であれば、効果的な時間優先が上昇し、合理的な長期計画と協調均衡を損なうことが示される。 フォーマルなゲーム理論分析とオーストリアの経済原理を用いて、変動可能なプロトコルが、鉱山労働者のインセンティブを生産的な投資から政治的賃貸と影響ゲームにどのようにシフトするかを示す。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: This paper integrates Austrian capital theory with repeated game theory to examine strategic miner behaviour under different institutional conditions in blockchain systems. It shows that when protocol rules are mutable, effective time preference rises, undermining rational long-term planning and cooperative equilibria. Using formal game-theoretic analysis and Austrian economic principles, the paper demonstrates how mutable protocols shift miner incentives from productive investment to political rent-seeking and influence games. The original Bitcoin protocol is interpreted as an institutional anchor: a fixed rule-set enabling calculability and low time preference. Drawing on the work of Bohm-Bawerk, Mises, and Hayek, the argument is made that protocol immutability is essential for restoring strategic coherence, entrepreneurial confidence, and sustainable network equilibrium.
• Abstract（参考訳）: 本稿では,オーストリア資本理論と繰り返しゲーム理論を統合し,ブロックチェーンシステムにおける異なる制度条件下での戦略的マイナー行動を検討する。 これは、プロトコルルールが変更可能で、効果的な時間優先が上昇し、合理的な長期計画と協調均衡を損なうことを示している。 フォーマルなゲーム理論分析とオーストリアの経済原理を用いて、変動可能なプロトコルが、鉱山労働者のインセンティブを生産的な投資から政治的賃貸と影響ゲームにどのようにシフトするかを示す。 オリジナルのBitcoinプロトコルは、機関的なアンカーとして解釈される: 計算可能性と低い時間優先を可能にする固定されたルールセット。 Bohm-Bawerk、Mises、Hayekの業績に基づいて、プロトコル不変性は戦略的一貫性、起業家的信頼、持続的なネットワーク均衡の回復に不可欠である、という議論がなされている。

関連論文リスト

• Trajectory Bellman Residual Minimization: A Simple Value-Based Method for LLM Reasoning [55.33984461046492]
  現在、政策に基づく手法が大規模言語モデル(LLM)推論のための強化学習パイプラインを支配している。 本稿では,このアイデアを LLM に自然に適応させるアルゴリズムである Trajectory Bellman Residual Minimization (TBRM) を紹介する。 我々は、軌道の軌道変更-測度分析の改善により、任意のオフ政治から、最適に近いKL正規化政策への収束を証明した。
  論文  参考訳（メタデータ） (2025-05-21T09:41:53Z)
• Optimal Reward Allocation via Proportional Splitting [4.258375398293221]
  本稿では,PRS(Proportional Splitting, Proportional Splitting, Proportional Splitting, Proportional Splitting)と呼ばれる報酬配分機構を導入する。 理論的には、我々のプロトコルとPSSの組み合わせは平衡であり、FruitChainsと同様の公平性を保証する。
  論文  参考訳（メタデータ） (2025-03-13T09:14:29Z)
• Double Spending Analysis of Nakamoto Consensus for Time-Varying Mining Rates with Ruin Theory [33.689236895881216]
  我々は,中本コンセンサスに対する2倍支出の廃案理論モデルを,$k$-deep確認ルールの下で導入する。 時間変化のマイニングレートは、ピア間ネットワーク遅延の本質的な特性を捉えていると考えられる。
  論文  参考訳（メタデータ） (2024-12-24T18:54:30Z)
• On Blockchain We Cooperate: An Evolutionary Game Perspective [0.8566457170664925]
  本稿では,合理性とゲーム理論的解の概念を導入し,コンセンサスプロトコルの平衡結果について検討する。 モデルエージェントの挙動に有界有理性を適用し、3つの異なる安定平衡に対する初期条件を解く。 我々の研究は、コンピュータサイエンスにおける分散コンセンサス、ブロックチェーンコンセンサスにおける経済ゲーム理論、生物学と経済学の交差点における進化ゲーム理論、コンピューティングと社会科学に関する共同洞察による協調AIなど、分野にわたる文献に貢献する。
  論文  参考訳（メタデータ） (2022-12-10T19:56:10Z)
• Finding General Equilibria in Many-Agent Economic Simulations Using Deep Reinforcement Learning [72.23843557783533]
  本研究では,エージェント種別のメタゲームに対して,エプシロン・ナッシュ平衡である安定解を求めることができることを示す。 私たちのアプローチはより柔軟で、例えば市場クリア化のような非現実的な仮定は必要ありません。 当社のアプローチは、実際のビジネスサイクルモデル、DGEモデルの代表的なファミリー、100人の労働者消費者、10社の企業、税金と再分配を行う政府で実証しています。
  論文  参考訳（メタデータ） (2022-01-03T17:00:17Z)
• The AI Economist: Optimal Economic Policy Design via Two-level Deep Reinforcement Learning [126.37520136341094]
  機械学習に基づく経済シミュレーションは強力な政策・メカニズム設計の枠組みであることを示す。 AIエコノミスト(AI Economist)は、エージェントと共同適応するソーシャルプランナーの両方を訓練する2段階のディープRLフレームワークである。 単純な一段階の経済では、AIエコノミストは経済理論の最適税制を回復する。
  論文  参考訳（メタデータ） (2021-08-05T17:42:35Z)
• Learning Strategies in Decentralized Matching Markets under Uncertain Preferences [91.3755431537592]
  エージェントの選好が不明な場合,共有資源の不足の設定における意思決定の問題について検討する。 我々のアプローチは、再生されたカーネルヒルベルト空間における好みの表現に基づいている。 エージェントの期待した利益を最大化する最適な戦略を導出する。
  論文  参考訳（メタデータ） (2020-10-29T03:08:22Z)
• Decentralized Reinforcement Learning: Global Decision-Making via Local Economic Transactions [80.49176924360499]
  我々は、シーケンシャルな意思決定問題を解決するために、単純で専門的で自己関心のあるエージェントの社会を指示する枠組みを確立する。 我々は分散強化学習アルゴリズムのクラスを導出する。 我々は、より効率的な移動学習のための社会固有のモジュラー構造の潜在的な利点を実証する。
  論文  参考訳（メタデータ） (2020-07-05T16:41:09Z)
• A Deep Reinforcement Learning Framework for Continuous Intraday Market Bidding [69.37299910149981]
  再生可能エネルギー源統合の成功の鍵となる要素は、エネルギー貯蔵の利用である。 欧州の継続的な日内市場におけるエネルギー貯蔵の戦略的関与をモデル化するための新しい枠組みを提案する。 本アルゴリズムの分散バージョンは, サンプル効率のため, この問題を解決するために選択される。 その結果, エージェントは, ベンチマーク戦略よりも平均的収益率の高い政策に収束することが示唆された。
  論文  参考訳（メタデータ） (2020-04-13T13:50:13Z)
• Blockchain Governance: An Overview and Prediction of Optimal Strategies using Nash Equilibrium [3.0892724364965005]
  本稿では,機関ガバナンスの階層構造におけるブロックチェーンガバナンスの位置づけについて論じる。 ブロックチェーンガバナンスのためのペイオフ行列を作成し、すべてのNash平衡の計算のために異なる戦略プロファイルのシミュレーションを行う。 また,本論文では,実データを用いた定式化の検証も行っている。
  論文  参考訳（メタデータ） (2020-03-20T12:51:52Z)

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。