挖矿智能择时：用于比特币硬件投资回报率预测的深度学习框架
机器学习
2026-05-26 v2 人工智能
计算工程、金融与科学
神经与进化计算
摘要
由于市场波动、快速的技术淘汰以及协议驱动的收入周期，比特币挖矿硬件的采购需要战略性的择时。尽管挖矿已演变为资本密集型产业，但关于何时购买新型专用集成电路（ASIC）硬件的指导却很少，且此前没有计算框架来解决这一决策问题。我们通过将硬件采购表述为时间序列分类任务来填补这一空白，预测在一年内购买 ASIC 机器是否会产生盈利（投资回报率（ROI） >= 1）、边际收益（0 < ROI < 1）或亏损（ROI <= 0）的回报。我们提出了 MineROI-Net，一种开源的基于 Transformer 的架构，旨在捕捉挖矿盈利能力的多尺度时间模式。在 2015 年至 2024 年间发布的 20 种 ASIC 矿机在多样化市场环境下的数据中进行评估，MineROI-Net 优于循环、卷积和基于注意力的基线方法，实现了 83.2% 的准确率和 83.5% 的宏 F1 分数。该模型展现出强大的经济相关性，在检测亏损期时达到 97.8% 的精确率，在检测盈利期时达到 81.5% 的精确率，同时避免了将盈利场景误分类为亏损场景，反之亦然。这些结果表明，MineROI-Net 为挖矿硬件采购择时提供了一个实用的、数据驱动的工具，有望降低资本密集型挖矿运营中的财务风险。
引用
@article{arxiv.2512.05402,
title = {Smart Timing for Mining: A Deep Learning Framework for Bitcoin Hardware ROI Prediction},
author = {Sithumi Wickramasinghe and Bikramjit Das and Dorien Herremans},
journal= {arXiv preprint arXiv:2512.05402},
year = {2026}
}