摘要： BitMEX 研究非常高兴宣布推出一个监控以太坊网络的新网站  Nodestats.org 。 该网站连接到五个不同的以太坊节点，并每五秒钟收集一次数据。 网站主要专注于提供与每个以太坊节点所需的计算资源相关的指标。 在分析某些指标时，我们可能已经识别出与节点报告的数据完整性有关的问题，这可能是某些以太坊用户所关注的问题。Nodestats.org 是与 TokenAnalyst 合作制作，该公司是 BitMEX 研究的以太坊网络数据和分析合作伙伴。

（截至 2019 年 3月 12 日的网站截图）

概述

 Nodestats.org 通过整体采用来比较两个最大的以太坊节点客户端实现的统计数据—— Geth 和 Parity 。在这些客户端实现中，Nodestats.org 比较了不同节点配置的性能 ——快速、完整和归档节点。

 Nodestats.org 的主要目的如下：

1. 提供比较不同以太坊实现的计算效率的指标。 例如，通过比较与以下相关的要求：
   •  CPU 使用率
   • 内存（RAM）
   • 带宽
   • 储存空间
2. 比较运行以太坊节点软件和其他币（如比特币）之间的资源需求
3. 通过查看关于节点是否足够快地处理区块以处于链端点，或差的区块传播是否导致节点在大部分时间不同步的指标，来评估以太坊 P2P 网络的实力和交易处理速度

 Nodestats.org 在 2019 年 3 月初才开始收集数据，要作出任何确切结论还为时过早。 不过，我们正在保存数据，并希望稍后分析长期趋势。 Nodestats.org 数据是通过每五秒（每小时 720 次）查询一次我们的五个以太坊节点或运行节点的机器生成的，然后将结果存储在数据库中。此数据生成的各种滚动平均值和其他指标显示在 Nodestats.org 网站上。

Nodestats 指标的说明

 Parity 完整节点仍在同步

 Parity 完整节点于 2019 年 3 月 1 日开始，在撰写本文时（ 2019 年 3 月 12 日）它尚未完全与以太坊链同步。客户端大约落后 450,000 个区块，而根据其当前的轨迹，它应该在几天内赶上主链端点。由于初始同步缓慢， “同步的时间百分比” 指标显示为接近 0% ，因为客户端永远不会同步。

 Ethereum Parity 完整节点机器的规格如下：

• 双核 2.3GHz
• 14GB 内存
• 固态硬盘
• 10 Gb/秒的互联网连接

事实上，具有上述规格的机器需要超过 12 天的同步可能表明，对于以太坊网络来说，初始同步问题可能比后同步问题（例如区块传播）更受关注。 虽然初始同步缓慢（至少对于这个系统设置而言）是一个潜在的问题，但以太坊尚未达到节点无法赶上的程度，因为同步速度比区块链增长速度快。

数据完整性问题

尽管落后于链端点数十万个区块，但Parity完整节点有时也报告它是同步的。例如，在本文开头的截图中，网站报告该节点有0.02%的时间是完全同步，表明该节点错误地认为其在某段时间内处于链端点。

如下面的 Parity 完整节点日志生成的图表所示，网络图上看到的最高区块（蓝色）似乎有可能不正确。在网络图上看到的最高区块的数值有时随着时间的推移而下降，并且始终远远落后于实际的链端点（以绿色显示）。有时这个有可能出错的数字朝着验证链的高度（橙色）下降，而我们的网站错误地报告该节点同步。这可能是一些以太坊用户关注的问题，因为Parity完整节点与网络有很多连接，因此这可能是一个错误。

以太坊 Parity 完整节点区块高度数据 —— 2019 年 3 月 11 日和 12 日（UTC 时间）

（资料来源： 以太坊 Parity 完整节点日志）

这个潜在错误可能会破坏我们网站的整个指标，即使对于其他节点也是如此，因为最高链端点的字段可能无法正常运行，以及我们的数字可能不准确。 不过，我们继续收录这个指标，因为 Nodestats.org 网站显示节点报告的数据，与我们对数据完整性的看法无关。 我们希望将来可以实施我们自己的改进指标。

有人可能会认为，如果攻击者以正确的方式利用这个潜在错误，其影响在某些有限情况下可能会很严重。 例如，用户可能会将收款或智能合约执行看作已经验证，而他们的节点声称处于网络链端点。 但是，客户端可能并不真正处于链端点，攻击者可能会利用此漏洞来欺骗收款人提供商品或服务。 攻击者将需要在易受攻击节点错误地认为是链端点的高度上花费多一倍功夫，其工作要求证明可能比主链端点低。 不过，成功执行此攻击的可能性极小，而用户也不太可能使用最高的区块功能。

总结

就像其同类网站 Forkmonitor.info 一样， Nodestats.org 还有很多工作需要改善。在未来几个月和几年内与 TokenAnalyst 的合作过程中，我们计划添加更多功能，例如：

• 通过减少对节点报告的内容的依赖并开发我们自己的计算方法，提高数据的完整性
• 用于分析长期趋势的图表和工具
• 改进数据的粒度
• 分叉检测系统
• 与其他对等者相关的数据

目前， Nodestats.org 提供了一个有用的工具来评估运行以太坊节点的大致系统要求。 在非常基础的层面上，它还提供了评估以太坊网络及其各种软件实施的可靠性的机制。 不过，我们承认 “同步的时间百分比” 指标可能不可靠，但它确实突出了潜在问题。

欢迎转载，请注明文章来自

BitMEX (www.bitmex.com)

摘要： 我们探讨的是加密货币圈内人士经常提起的一个问题： “新一轮全球金融危机何时来临？” 我们试着回答这个问题，首先要解释的是，2008 年之后，经济危机的中心不再是银行，变成了资产管理行业。 因此我们认为，一旦 2008 年金融危机卷土重来，零售银行存款和支付系统受到威胁的可能性不大。 特别是，我们相信，在看似低波动率及低回报环境的推波助澜下，公司债投资基金和非常规债券投资工具可能成为金融体系中最为薄弱的一环。

（上一次全球金融危机距今已有 10 年，昔日报章已然泛黄，信贷情况可能在某些情况下大幅收紧，但资产管理行业是否已取代银行业的位置，处于危机中心？）

综述

2008年全球经济危机之后，比特币被视为金融乱象丛生和怀疑主义盛行的产物，部分原因在于比特币问世的时间。 因此，比特币投资者和加密货币界人士似乎时常问一个问题：

新一轮全球金融危机何时来临？

我们试着应要求解答这个问题。

首先，我们来探究一下这个问题本身。 我们的看法是，此问题背后主要存在三种假设：

1. 未来数年内将出现新一轮金融危机，金融危机是不可避免的，每10年左右出现一次；
2. 这种危机将对比特币价格产生积极影响；
3. 新一轮全球金融危机情况与上一次相似，导致民众普遍质疑银行系统和电子支付系统的信用。

在这三种假设当中，我们真正同意的只有第一种。 虽然我们认为后两种假设可能成真，但其不确定性非常大。 

至于第二种假设，我们在 2018 年 3 月提过这个问题，但是我们指出，在交易方面比特币表现得更像是风险资产而非避险资产。 当然，从那时起比特币价格大幅下滑，未来情况可能有变。 如果比特币在新一轮全球金融危机中表现良好（在流动资金紧绌的情况下），将对比特币和价值储藏投资理念产生巨大的积极影响。 然而并没有大量证据表明这种情况将会发生。 我们认为，若这种情况发生的话，比特币价格需要与诸多替代币脱钩，这很明显是趋险型投资理念。 

至于第三种假设，新一轮全球金融危机的机制是本报告的焦点所在。

发达市场的银行财务状况相对稳健

有一句名言是这样说的，“历史不会重演，但总是惊人地相似。” 过去 10 年里，银行管理团队和银行业监管机构在 2008 年全球金融危机的阴影下如履薄冰。 因此，银行财务状况和资本比率显著加强。 发达市场的银行一级资本比率从经济危机前的 5% 左右提升至如今的 12% 左右（见图 1 ）。 而更为基础的总资产权益率就更难以操纵，情况也相类似：从原先的 5% 左右提高至目前 9% 左右（见图2）。

图 1  – 美国与英国银行综合普通股权益一级资本比率

（资料来源： 英国综合数据来自于英格兰银行，美国数据来自于美联储）

图 2 – 美国银行总资产与有形资产综合比率（资产规模超过 500 亿美元的银行）

（资料来源：美联储）

或许，比上述比率更清晰和更发人深思的是以下简图（见图3）。 该图显示，自全球金融危机以来，西方主要银行从未扩大其资产负债表规模。 实际上，我们研究的九大银行总资产规模从 2008 年的 19.3 万亿美元大幅下降至 2018 年的 15.6 万亿美元。 也许有人会反驳说，并购活动是造成下表所示情况的主要原因，但我们的观点仍然站得住脚。

图 3 – 发达市场个别银行总资产规模 – 单位：万亿美元

（资料来源： BitMEX Research、银行收益、彭博社）

（注： 图中显示的是摩根大通、美国银行、花旗银行、富国银行、汇丰银行、苏格兰皇家银行、德意志银行、瑞士信贷银行以及瑞士联合银行对外公布的资产总额。）

我们的看法是，财务杠杆是金融风险的主要推动因素。 似乎自2008年开始，金融体系风险的中心开始转移。 2008年，银行系统的杠杆以及杠杆与按揭市场证券化之间的相互关系引发风险。 如今，在看似低波动率环境的推波助澜下，资产管理行业的杠杆，尤其是公司债的杠杆形成同等风险。

资产管理行业杠杆率的提高

资产管理行业的透明程度远不及银行业，要确定杠杆水平难度更大。 因此，无论是在资产管理行业杠杆问题上，还是在该杠杆的相关金融危机到来时间问题上，都难以得出结论。

2015年国际清算银行的《买方杠杆》报告指出，“风险从银行系统转移到资产管理行业，值得注意”。 报告提到，虽然投资基金在股票和固定收益领域的杠杆保持相对稳定，但是自2008年以来，杠杆率明显提高，新兴市场尤为如此。 国际清算银行报告得出以下结论：

银行系统杠杆是2008年全球金融危机的重要组成部分。 从那时起，银行紧缩财政，重新实现良好资产负债状况，藉此资产经理人（“买方”）迅速扩大全球融资领域的版图。 要获取投资基金的资产负债信息，比获取受到严格监管银行的资产负债信息难得多。 我们使用某市场数据供应商提供的资料，发现买方杠杆不容忽视，哪怕买方杠杆因基金类型而大相径庭。 股票基金投资组合的杠杆似乎使用率最低，而固定收益基金非常倚重借贷。

（资料来源：国际清算银行）

国际清算银行使用的数据来自于专业的投资基金流公司EPFR，虽然我们认同报告结论，但是不能完全相信数据的可靠性。 我们尚未发现理想的全球数据来源，但是超过一定规模的美国注册投资基金必须向美国证券交易委员会提交有关杠杆使用情况的数据。 美国证券交易委员会从2013年第二季度起使用这类数据，我们概括出下列表格的主要趋势（见图4、5和6）。

数据显示，与银行业不同的是，资产管理行业从2008年开始显著扩张（见图4）。 与此同时，即使难以绘制出一张自2008年起的清晰图表，可杠杆率似乎也在上升。

图 4 – 美国基金行业资产总值（单位：十亿美元）

（资料来源： BitMEX Research、美国证券交易委员会）

虽然存在着相互抵触的方法论，可是确定投资基金杠杆水平的最基础方法始终是计算总资产值与净资产值的比率，有时也称为杠杆比率。 可惜下表（见图5）时间跨度有限，但该表格似乎显示出杠杆率在适度扩大，至少在对冲基金方面情况如此。 

图 5 – 美国私募基金行业杠杆比率 – 资产总值/净资产值

（资料来源： BitMEX Research、美国证券交易委员会）

由于忽略了衍生工具的影响，杠杆比率低估了真实的杠杆情况。 美国证券交易委员会还要求披露衍生工具的名义价值。 下图说明，美国对冲基金衍生工具使用量增加。

图 6 – 美国私募基金行业 – 对冲基金 – 衍生工具名义价值/净资产值

（资料来源： BitMEX Research、美国证券交易委员会）
（注： 通过调整反映美国证券交易委员会数据报告方式的变化。）

新公司债市场投资工具

除了固定收益市场中投资基金杠杆使用量增加外，债券市场的机制日益复杂和不透明。 银行在公司债市场的地位被取代，导致各种相互联系、相互排斥的投资机构迅速增多。 下表概括了其中部分结构。

（注： 上表中各栏相互间并不排斥）

各种途径得出的下列表格显示，上一次全球经融危机发生后，这些非银行公司融资机制全部大幅增加。

图 7 –债务抵押证券市场规模 – 单位：十亿美元

（资料来源： 花旗银行、金融时报）

图 8 – 美国杠杆贷款市场规模 – 单位：十亿美元

（资料来源： 标准普尔、金融时报）

图 9 – 私人债务市场规模 – 单位：十亿美元

（资料来源： 美国银行、金融时报）

图 10 – 面向美国投资者的顶级债券ETF规模 – 单位：十亿美元

（资料来源： BitMEX 研究、彭博社）

（注： 图表显示的是下列债券 ETF 的总市值：iShares 核心美国 综合债券 ETF 、先锋总体债券市场 ETF 、 iShares iBoxx 美元投资级别公司债 ETF 、先锋短期公司债 ETF 、先锋短期债券 ETF 、先锋中期公司债 ETF 、 iShares 摩根 美元新兴市场债券 ETF 、先锋总体国际债券 ETF 、 iShares 按揭支持债券 ETF 、 iShares iBoxx 美元高收益公司债 ETF 、 PIMCO 增强短期策略基金、先锋中期债券 ETF 、 iShares 短期公司债 ETF 、 SPDR 巴克莱高收益债券 ETF 、 iShares 短期债券 ETF ）

公司债市场状况

如以下图 11 所示，公司债务水平自 2008 年起显著提高，罗素 3000 指数中的公司当前总负债额为11万亿美元，上一次全球金融危机爆发时这些公司的总负债额刚刚超过8万亿美元。 公司利用低利率和上述新投资产品，贷款创下纪录。 

然而，图 11 的红线显示，罗素 3000 指数的公司负债情况看起来仍处于稳健水平，净负债与息税折旧摊销前利润（EBITDA）的比率略低于2.5倍。虽然该比率在过去几年间不断上升，但远远低于2008年经济危机前大约3.7倍的高水平。这种明显增长是由少数科技巨头囤积现金以及强大的经济带动企业收入提高所造成的。如果经济转向，随着公司收入减少，资产负债状况或许会再次变差。

图 11 – 公司债务水平

（资料来源： BitMEX 研究、公司数据、彭博社）
（注： 根据罗素 3000 指数中所有公司得出的总数据）

未来几年将有大量公司债券到期。这会在固定收益领域加剧流动性危机或压力的影响。 我们的分析显示（见图 12 ），美国将有 8800 亿美元公司债券将于 2019 年到期。

图 12 – 公司债券到期时间 – 单位：十亿美元

（资料来源： BitMEX Research、彭博社）
（注： 数据基于约6400只美国公司债券组成的数据库，债券发行总量为5.7万亿美元。）

或许最令人担忧的指标是公司债的质量。图13表示的是未偿还投资级别公司债的历史信用评级分布。截至2018年底，将近50%的债券评级为投资级别证券的最低评级水平，比例高于过去30年间的任何时期。图14表明，如果大量将要到期的公司债券是评级最低的投资级别债券，从2021年起情况将变得更加糟糕。

图13 – 美国公司债标准普尔信贷评级历史分布

（资料来源： 彭博社、汇丰美元投资级别指数成份股，包括金融与非金融公司）

图 14 – 未偿还美国公司债标准普尔信贷评级历史分布（按到期时间划分）

（资料来源： BitMEX 研究、彭博社）
（注： 数据基于约 6400 只美国公司债券组成的数据库，债券发行总量为5.7万亿美元。）

评估上述非常规债券工具的信贷质量，难度更大。 但是，穆迪不久前发布的一份报告显示，杠杆贷款市场投资者的保障程度大幅恶化，如以下图 15 所示。

图 15 – 穆迪对杠杆贷款契约质量的评估（美国与加拿大）

（资料来源： 穆迪、彭博社）
（注： 5.0 为最低分， 1.0 为最高分。）

图 16 – 私募股权交易平均总负债与 EBITDA 倍数比例

（资料来源： 标准普尔、金融时报）

低波动率环境

在我们看来，发达经济体采取的非常规货币政策压低了投资回报和波动性，同时降低贷款成本；这种情况刺激资产经理人使用更多的杠杆，追逐更高的风险。与此同时，同样的政策也鼓励公司承担更高的债务。低波动率对固定收益领域的影响甚于其他领域。 “风险均衡” 型投资策略越来越受欢迎，采用这种策略的基金经理根据每种资产类别的风险（波动率）构建投资组合，然后使用杠杆提高回报。杠杆有助于减轻持重低风险资产带来低回报的影响。 通常的做法是，持偏高比重的是固定收益而非股票，同时纳入更多杠杆，以抵消低风险资产的低回报影响。

2018 年 2 月，波动率指数飙升，做空波动率指数的投资策略（例如 Velocity Shares 每日反向波动率指数交易所交易票据）价值暴跌至零，因此波动率急速上升。 2018 年 3 月版的 BitMEX 加密货币投资者文摘中讨论过该问题。其受害者是一小群贪图早期收益的投机型投资者，而波动率指数的影响仅限于金融体系的其他部分。不过，这种情况很可能日后出现在固定收益市场上， 2018 年 2 月的事件正是其缩影。而这一次波及的将是从人为低波动率和低借贷成本中渔利的主流投资者。市场在某个时间将进行整固，其影响将远比 2018 年 2 月严重，不仅仅是数亿美元蒸发，而是数万亿美元资产化为乌有。

事件发生的顺序描述如下，而各种不同因素将导致风险加剧：

1. 出现某个催化因素，导致波动率急剧上涨。
2. 投资者需要分散其投资组合的风险，首先要处理的是流动性最高的市场，即固定收益市场。
3. 在流动性最高的市场中，机构主导交易，各大机构可能会在同一时间抽走所有流动资金。
4. 投资者急于退市，导致固定收益市场出现波动，流动性下降并且无法运作。
5.  CLO 和债券 ETF 等证券化债券资产以远低于净资产值的折扣价进行交易。
6. 情况蔓延至其他的流动性资产类别，例如股票。
7. 在未来几年里，新成立的债券发行机构开始缺乏资金；公司为了融资而苦苦挣扎，经济受到重挫。

当然，我们并不清楚什么是导致波动率增加的主要催化因素。它可能是某个地缘政治事件，新兴市场美元债券过量发行，中国资产管理行业的高杠杆，被动型 ETF ，高频率交易员，央行过快缩减资产负债规模，出乎意料的大批企业破产，欧元区债务危机，甚至是比特币出现灾难性重大漏洞引起波动等等……  

其实，无论哪个事件都不是问题的关键。问题的关键在于，在人为低波动率和过高杠杆的推动下，金融系统固有的不稳定性和脆弱发挥作用。许多人可能在某个事件发生后，将某个特定的催化因素视为金融危机的罪魁祸首，但理智告诉我们，这没有实事求是。

结语

对于金融体系和人类社会而言，银行比资产经理人更加重要。如果资产管理人承受压力，虽然部分高净值人士资产减值；散户和企业存款应该是安全的；因此新一轮金融危机的影响可能不及 2008 年严重。可重要的是，政府介入以减轻经济危机影响的可能性也比 2008 年时要低。 

首先也是最明显的，各国央行行长可动用的措施被严重削弱，利率已经很低，而资产负债表规模很高。 其次，或许更为重要的是政治层面。我们肯定难以捉摸每个人的看法，但特朗普、英国脱欧、法国黄背心运动等背后的那些特殊人群或许并不支持政府对金融市场的某种干预措施。 

在现今日益“民粹化”的政治环境中，要证明量化宽松计划，或牺牲没有大量金融资产的中等收入人群，从而提高资产价格的计划的正确性，难上加难。 因此，在新一轮全球金融危机中，管理好“政治动乱”的显著风险可促使各国央行行长所采取措施的范围大幅缩减。 

请记住， 2008 年后也有政党反对央行政策， 2011 年时这种反抗达到顶峰。这次的另一项重大差别在于领导反抗者可用的工具现在更加先进了，例如社交媒体。自2008年起西方国家的政治不确定性似乎在增加。如果这种不确定性开始与金融波动相互作用，风险将会加剧。

至于何时发生全球金融危机，我们不得而知。 我们的观点是，本报告中列示的图表说明了一个问题，但这些图表并不是暗示我们正处于重大危机的边缘；或许很多年后才会发生金融危机。 至于如何从这类事件中获利，其难度或许比预测金融危机到来时间更高。或许人们可以构建一个由波动率看涨期权、远期公司债ETF看跌期权、指数挂钩政府债券、波动率对冲基金、黄金甚至少量比特币组成的投资组合。再次声明，虽然我们不知道这些事件何时会发生，不过也许现在正是调整投资组合的时机。

欢迎转载，请注明文章来自

BitMEX (www.bitmex.com)

摘要：我们注意到比特币区块头中的随机数值的分布似乎并不是随机的，出现了无法解释的间隙，随机数在间隙中的出现次数更少。然后我们推测为什么会出现这种情况，并提供了说明这种现象的图表。虽然在我们看来，解释的出发点是好的，但它仍然是一个谜。

概述和近期的推文

比特币随机数是构成区块头的一部分，矿工用它来提供熵，作为工作过程证明的一部分，努力找到满足难度要求的哈希。虽然它会取决于如何配置挖掘软件和硬件，但理论上随机数值的分布应该是随机的。在 2009 年，当 Satoshi 被认为是一个重要的矿工时（就像我们在早前的文章中所讨论的那样），随机数值遵循一种特定的模式。

2019 年 1 月 4 日，@100trillionUSD 在推特上发布了一张图片，说明了比特币的随机数值的分布。它似乎表明，从 2010 年年中到 2016 年初，随机数值是随机的，在那之后出现了四个随机数减少的神秘区域。

The weird #bitcoin nonce pattern is still there at block 556995 …
I would expect nonces to be totally random, like block 100000-400000. But ever since block 400000 there are 4 areas with less nonces. Of course before block 100000 it was Satoshi playing around. pic.twitter.com/XsIRhDXXAq

— planB (@100trillionUSD) January 4, 2019

几天后，在 2019 年 1 月 7 日，@khannib 注意到 Monero 似乎也有不寻常的随机数值分布。Monero 硬分叉可能阻止了ASIC 的使用，似乎让分布再次随机化，这可能表明 ASIC 会导致这种模式。

Interesting patterns emerge when looking at $XMR nonces. Red overlay is mining difficulty.

Can you spot the ASICs?

H/T @100trillionUSD who did the same for BTC pic.twitter.com/s23WrdTIY0

— Antoine Le Calvez (@khannib) January 7, 2019

2019 年 1 月 23 日，TokenAnalyst 通过对相关矿池的随机值进行着色，对比特币随机数值的分布模式进行了进一步的探索。

Time of each block vs nonce. Values coloured by top-10 most active mining pools (by number of blocks mined since Jan 2016). Dashed-blue vertical lines are block rewards halving. Red line is log difficulty. As you can see – mining is now dominated by a few large pools. pic.twitter.com/wvgtdJmaHA

— TokenAnalyst (@thetokenanalyst) January 23, 2019

来自 TokenAnalyst 的另一条推文暗示 Antpool 是随机数值意外分布的主要原因，而 Bitfury 和 Slushpool 具有的随机值数对 “空白区间” 的产生作用可能不大。

新的随机数值分布散点图

我们复制了上述分析，产生了相似的散点图（从 2018 年开始）；试图对这个问题深入了解。

我们还为 Antpool 、BTC.com 、F2Pool 、Slushpool 和 Bitfury 制作了单独的散点图。这些图表似乎与 TokenAnalyst 的数据一致，其中“空白区间”对于 Antpool 而言，比 Slushpool 和 Bitfury 更加清晰可见。虽然就 Slushpool 而言，空白区间依然可见，但比较微弱。Bitfury 可能没有找到足够的区块供人们观察到清楚的模式。统计分析也可能有用，但用人脑来解读这些散点图可能与某些形式的统计作用一样。

比特币随机数值分布 – 所有随机值（自 2018 年以来）

（资料来源：BitMEX 研究）

比特币随机数值分布 –  Antpool（自 2018 年以来）

（资料来源：BitMEX 研究）

比特币随机数值分布 –  BTC.com（自 2018 年起）

（资料来源：BitMEX 研究）

比特币随机数值分布 –  F2Pool（自 2018 年起）

（来源：BitMEX 研究）

比特币随机数值分布 –  Slush（自 2018 年以来）

（来源：BitMEX 研究）

比特币随机数值分布 –  Bitfury（自 2018 年以来）

（来源：BitMEX 研究）

比特币现金 ABC

比特币现金 ABC 也与比特币有着相同的随机数值分配模式。

比特币现金 ABC 随机数值分配 – （自 2018 年以来）

（来源：BitMEX 研究）

AsicBoost

隐性 AsicBoost 可能是这一模式的成因之一或是其起因。许多人推测在隐性 AsicBoost 算法启动时，这种模式便开始出现；而这一模式可能是在实施隐性 AsicBoost 中的一个巧合，需要对随机数进行操纵。然而，当2018年人们认为隐性 AsicBoost 在比特币中已经停止使用时，这种模式在延续。但有可能是，尽管隐性 AsicBoost 本身被停用了，但固件中的巧合仍然存在。

在下面的图表中，我们观察了使用显性 AsicBoost 挖掘的区块的随机数值的分布。同样，该模式仍然可见，不过是微弱的。这可能表明该模式与隐性 AsicBoost 无关，但还远未定论。

比特币随机数值分布 – 显性 AsicBoost 区块（自 2018 年以来）

（来源：BitMEX 研究）

结论

目前，随机数值在比特币上不寻常的分布仍然是一个谜。社群可能希望进一步深入研究这个问题，并进行更多分析，例如更细致地检查矿池软件和 ASIC 。我们猜想这只不过是一个带有良性原因的毫无意义的反常现象；但在比特币上的这样一个谜，可能会吸引一些分析师的兴趣。

欢迎转载，请注明文章来自

BitMEX (www.bitmex.com)