online gambling singapore online gambling singapore online slot malaysia online slot malaysia mega888 malaysia slot gacor live casino malaysia online betting malaysia mega888 mega888 mega888 mega888 mega888 mega888 mega888 mega888 mega888 下跌警訊?比特幣挖礦難度今日下滑 16%,創史上第二大降幅

 

 

比特幣區塊鏈(Bitcoin)在今日早些時候進行了難度(difficulty)調整,有鑒於近來多地礦工因幣價大幅下跌而退出市場,導致過去兩週內網路算力迅速降低,因此這次的難度調整幅度直接下滑了 15.95%,創下史上第二大的降幅。

據了解,比特幣的難度設計為每 2,016 個區塊進行一次調整,以每 10 分鐘出產一個區塊的效率來看,比特幣網路大約每兩週就會進行一次挖礦難度上的更動,其目的也就是要透過調整網路算力(hashrate),確保網路能持續以平均 10 分鐘的速度出產一區塊。

此次,由於武漢冠狀病毒(COVID-19)疫情影響全球投資市場的崩潰,比特幣一路從年初近 10,500 美元的高點下跌到最低 3,700 美元,導致部分礦工不堪成本負荷而退出挖礦業務,全球運作中的礦機量銳減也進而導致了網路整體算力下降。

在這樣的前提下,為了維持比特幣區塊鏈的基本運作,難度調整就成了慰留礦工的重要手段。

因此,比特幣網路在這次的難度調整中,一次性地將全網難度從 16.55 T 調降到 13.91 T,幫助礦工能在競爭度減少的同時,再挖礦收益效率上也獲得提升;要知道,比特幣歷史上最大一次的調降超過 16%,但那是發生在比特幣價格僅有 3.12 美元的時候,日期還是 2011 年 10 月。

近期難度調整數據

端看近半個多月來的市場數據,不難發現加密貨幣市場正遭受與主流市場相同的慘狀。

除了維持網路的礦工數量外,難度調整也是為了保持第 3 次區塊獎勵減半的預定日程。

據悉,上一次難度調降是發生在今年 2 月 25 日,當時比特幣價格還高達 9,989.39 美元,其後便持續呈現下跌趨勢,直至本月 14 日短短 20 多天內,比特幣就損失了將近 52% 的價值來到 4,830.21 美元,逼迫許多零星礦工出逃。

不過,上個月的難度調降幅度僅 0.38%,要觀察難度大幅調降後的影響還必須追溯到去年 11 月 8 日。

在去年的 11 月 8 日,比特幣一口氣調降了 7.10%,當日的比特幣收盤價落在 9,310.19 美元,並在同樣的 20 天後下跌到 6,907.40 美元,價格跌幅達到了 25.81%;綜觀歷史數據會注意到,難度調降常常被認為是比特幣價格的不祥指標。

距離下一次難度調整也差不多會在 14 天後發生,屆時預計將再一次把難度調降 13.67%。

礦工投降?

過去幾週,礦工的處境並不好受,尤其在比特幣暴跌前的 3 月 9 日,全網難度更是來到了歷史新高。

根據比特幣大型礦池 f2pool 的數據顯示,由於比特幣暴跌再加上史無前例的挖礦競爭力,超過 24 種以上的低效能礦機根本無法維持每天的利潤產出;此外,綜合所有比特幣礦機的平均算力,也從本月初的 118 EH/s 下滑至現在僅 99 EH/s。

事實上,自 12 日的市場大跌後,比特幣網路的算力整整暴瀉了將近 20%,導致每個區塊的平均間隔時間延長到 12 分鐘以上,因而連帶影響到了難度調整的週期拖遲至 17 天後才發生,3 天的延後也意味著再進一步加重礦工們的負擔。

換一種角度思考來說,這也代表著比特幣已達成了所謂的「礦工投降週期(miners’ capitulation cycle)」。

簡單來說,礦工收益抬高會吸引更多礦工加入競爭行列,從而提高全網算力,接踵而至的就是上修的難度調整;這種循環將一路維持到收益開始減少,讓一部分礦工在不堪負荷後宣告投降,進而使全網算力降低,難度也才能得到下修重置的機會。

值得注意的是,由於零星礦工退出市場,部分會儘速將比特幣變現購置更高效的礦機,因此市場也會開始出現礦工拋出的賣壓,下一步可能就是擠壓到多頭空間,引發更大規模的恐慌性拋售,更加惡行循環地導致礦工無法在預期價格上售出。

假如此一情況真的發生,那麼比特幣可能會進一步下跌到低點。

不過,礦工投降週期的完結也可以被視作一個看跌交叉點,因為這說明了礦工已經完成了資源分配工作,再來就是重新調整後繼續維護網路的安全性;故此,或許這也會被看作是一波投資人的買入訊號,或甚至是下一波牛市的先決條件。

 

轉貼自: 動區

若喜歡本文,請關注我們的臉書 Please Like our Facebook Page: Big Data In Finance

 


留下你的回應

以訪客張貼回應

0
  • 找不到回應

YOU MAY BE INTERESTED