01 背景介绍

比特币等加密货币是突破性的金融技术，有望彻底改变数字经济。然而，它们在实际中的应用受到缺乏稳定性的威胁，具体表现在交易费用的剧烈波动。在 2017 年 10 月至 2018 年 3 月期间，比特币网络中每字节的平均每日交易费用波动很大，最高点几乎是最低点的十倍。在此期间，比特币区块链上公布的交易数据量也出现了较大的波动。

来自MIS Quarterly Vol. 45 No. 2 / June 2021 P.565

令人担忧的是，在交易成本、处理速度、去中介化和控制权分散方面均具有优势的比特币可能会由于交易费用的剧烈波动，导致所谓的 “ 交易费用危机 ” 。显而易见，交易费用关系到比特币的安全性与可靠性，且其作为矿工的激励手段与比特币网络的稳定运行息息相关，所以更好地了解影响交易费用和数据量变动的关系对于提高比特币市场的透明度以及这种新兴技术的长期稳定性至关重要。

今天的这篇文章《STABILITY OF TRANSACTION FEES IN BITCOIN A SUPPLY ND DEMAND PERSPECTIV》将会从供需双重视角解读交易费用对交易数量的影响以及这种影响的潜在机制。

02研究问题

作者将加密货币平台概念化为供需市场，将交易费用概念化为价格。如下图所示，在这个市场中，需求方代表用户，因为他们的交易需要区块链上的数据空间，交易请求即可视为发出数据空间需求，而供应方代表矿工，通过挖矿供应数据空间。本文以经典的市场供需模型为切入点研究交易费用与比特币区块链上发布的交易数据量之间的关系，深入了解使用该系统用户和矿工的行为，并从供需角度对用户和矿工行为进行建模。

来自MIS Quarterly Vol. 45 No. 2 / June 2021 P.568

文章的主要假设如下：

在供给端视角，基于市场供需模型，交易费用的增加会导致更多矿工进入市场，因此提出假设1。

假设1：在难度级别不变的情况下，交易费用的增加与单位时间在区块链上发布的数据量的增加有关。

在需求端视角，同样基于市场供需模型，作者基于现有文献提出比特币的需求曲线应该是一个斜率为负的曲线，即交易费用增加，用户对于比特币的需求减少，需要发布在链上的数据同样变少，因此提出假设2。  

假设2：交易费用的增加与需要在区块链上发布的数据量的微弱减少有关。

根据已有文献，作者认为使用比特币作为投资资产的用户相比使用比特币作为货币媒介的用户，对交易费用的变化更不敏感，所以提出假设3。

假设3：使用比特币作为投资资产缓和了交易费用与用户需要在区块链上发布的数据量之间的负向关联。

03 数据和方法

文章的数据主要来自四部分：

（1）使用比特币区块链的区块浏览器网站提供的公共 API (www.blockchain.com) 下载交易详情，包括交易规模、支付给矿工的费用、区块确认时刻的网络难度水平等；

（2）从 Amazon.com 电子商务平台获得了一款专门的比特币挖矿硬件设备的每日平均价格信息，以代表供应生产成本；

（3）利用谷歌趋势（Google Trend）获取关键词“比特币”的搜索热度；

（4）利用 bitcoinity.org 网站获取有关比特币交易所的交易信息。

合并来自这些不同来源的数据后，作者聚合了每天的交易数据进而计算每天的数据发布量和平均交易费用。采用日频不仅可以很好的平衡时间频次和周期内变化的水平，而且合并外部数据非常方便。数据集时间区间为 2017 年 4 月 18 日10至 2019 年 2 月 28 日。所应用的具体变量含义及统计描述如下：

来自MIS Quarterly Vol. 45 No. 2 / June 2021 P.577

分析方法：

每天发布的数据量和每天支付的平均费用是矿工和用户的博弈结果。因此，作者通过联立方程模型来近似数据空间的市场均衡。但鉴于双方在费用方面的预期差异，作者将供需方程分开并单独估计每个方程。

04 实证结果

作者对联立方程运用两阶段最小二乘估计法（2SLS）进行建模分析。首先在供应方面，log(Fee)的系数值52.973可以解释为日均交易费用增加10%，转化为大约5 MB(52.973 × log(1.1)) 额外数据（或五个额外块），其他一切保持不变。平均每天看到138.4 MB的数据活动，这相当于在区块链上发布的数据量增加了3.6%，或每天增加约10,000 笔交易。这一发现为假设1提供了支持。

来自MIS Quarterly Vol. 45 No. 2 / June 2021 P.579

其次在需求方面，验证了工具变量的有效性后，log(Fee)的系数值为-9.177 意味着每日平均交易费用增加10%会使用户需要放入区块链的数据量减少0.87 MB，即减少大约1,740笔交易15提交由用户每天。系数值为负远小于供给侧。 这一发现支持假设2，并确认了增加交易费用对要求在比特币区块链上发布的数据量产生微弱负面影响的预期。

来自MIS Quarterly Vol. 45 No. 2 / June 2021 P.581

第 (4) 列中 log(Fee) * log(Trading) 交互作用的系数反映了费用对需求的影响是否会因更高水平的交易活动而增强或减弱。由于 log(Fee) 是内生的，因此交互项也是内生的。鉴于上面讨论的 log(HardwareCost)的相关性和强度，作者进一步构建log(HardwareCost) x log(Trading)交互作为附加工具协助识别。 log(Fee) * log(Trading)交互作用产生了积极影响（3.527，p < 0.1），表明当比特币交易活动水平较高时，总体用户群体对更高的交易费用表现出较小的敏感性，这一发现支持了假设3。

在接下来其他相关分析中，作者注意到比特币系统允许两种类型的交易（SegWit 和无SegWit）在区块链中共存，且随着时间的推移，SegWit的采用程度不同。这两个条件使SegWitRate成为理想的工具变量，具体2SLS回归结果如下。

来自MIS Quarterly Vol. 45 No. 2 / June 2021 P.586

以上2SLS估计结果表明SegWitRate在第一阶段对log(TxFee) 的预测产生了显着的负面影响，也就是说，用户支付的较高平均交易费用会缩短交易确认时间的中位数。而缩短了确认交易时间又会导致费用下降，这起到了调节的作用，可以防止交易费用失控增长，从而保持比特币交易市场的长期稳定。

由于数据的时间范围涵盖了网络中SegWit激活之前和之后的日期，这引发了潜在的内生性问题。因此作者目标是通过控制 SegWit的激活来缓解这种担忧。为了实现这一点，在两个方程中引入了一个激活虚拟变量 (SegWitActivated)，该变量在2017 年8月23日之前的日子取值为0，否则取值为1。

来自MIS Quarterly Vol. 45 No. 2 / June 2021 P.587

由以上稳健性检验可得，交易费用对交易数目影响的方向或统计显著性没有任何变化。

来自MIS Quarterly Vol. 45 No. 2 / June 2021 P.587

上表中的稳健性检验结果与作者之前的研究结果一致，系数的方向没有变化，并且大多数系数的显著性水平与前表报告相似。

05 结论和启示

交易费用-数据量关系存在一条向上倾斜的供给曲线和一条向下倾斜的需求曲线。供应侧结果表明，交易费用对每单位时间在网络上提供的数据量有正向影响。需求方的结果表明，交易费用对需要放置在区块链上的数据量具有微弱的负向影响。如下图的斜率差异所示，需求侧（用户）的费用弹性大大低于供应的费用弹性。其次，需求侧的结果确定了使用比特币作为交易资产所产生的调节效应。特别是，更高水平的比特币交易活动与更高水平的交易费用容忍度之间存在正相关关系。总之，比特币在供应侧看更像是一个利基市场，由于交易费用导致市场崩盘是没有根据的。

来自MIS Quarterly Vol. 45 No. 2 / June 2021 P.583

参考文献：Ilk, N., Shang, G., Fan, S., & Zhao, J. L. (2021). Stability of Transaction Fees in Bitcoin: A Supply and Demand Perspective. MIS Quarterly, 45(2), 563-592.

DOI：10.25300/MISQ/2021/15718

文章链接：

https://misq.org/stability-of-transaction-fees-in-bitcoin-a-supply-and-demand-perspective.html

作者信息：

Noyan Ilk

Position: Synovus Associate Professor of Business Administration in the Department of Business Analytics, Information Systems and Supply Chain at Florida State University’s College of Business.

Research Area: analytics problems that are at the intersection of service operations and information systems domains.

Author page: https://business.fsu.edu/person/noyan-ilk

E-mail: nilk@business.fsu.edu

Guangzhi Shang

Position: Jim Moran Associate Professor of Business Administration in the Department of Business Analytics, Information Systems and Supply Chain at Florida State University’s College of Business

Research Area: consumer returns management and service labor issues.

Author page: https://business.fsu.edu/person/guangzhi-shang

E-mail: gshang@business.fsu.edu

Shaokun Fan

Position: Associate Professor of Business Analytics, College of Business, Oregon State University

Research Area: data mining, blockchain and social media.  

Author page: https://business.oregonstate.edu/users/shaokun-fan

E-mail: fans@oregonstate.edu

Jianliang Leon ZHAO

Position: Presidential Chair Professor; Co-Head of Information Systems and Operations Management, Director of Center on Blockchain and Intelligent Technology (CBIT) of Shenzhen Institute of Data Economics, Director of MSc Programme in Information Management and Business Analytics (IM Concentration), Shenzhen Finance Institute

Research Area: FinTech; Blockchain Technology and Business Applications; Big Data Applications in Business; Workflow Technology and Management

Author page: https://myweb.cuhk.edu.cn/leonzhao

E-mail: leonzhao@cuhk.edu.cn