Momento Inteligente para la Minería: Un Marco de Aprendizaje Profundo para la Predicción del ROI de Hardware de Bitcoin

Smart Timing for Mining: A Deep Learning Framework for Bitcoin Hardware ROI Prediction

December 5, 2025

Autores: Sithumi Wickramasinghe, Bikramjit Das, Dorien Herremans

cs.AI

Resumen

La adquisición de hardware para la minería de Bitcoin requiere una sincronización estratégica debido a la volatilidad de los mercados, la rápida obsolescencia tecnológica y los ciclos de ingresos determinados por el protocolo. A pesar de que la minería ha evolucionado hacia una industria intensiva en capital, existe poca orientación sobre cuándo comprar nuevo hardware de Circuito Integrado de Aplicación Específica (ASIC), y ningún marco computacional previo aborda este problema de decisión. Abordamos esta brecha formulando la adquisición de hardware como una tarea de clasificación de series temporales, prediciendo si la compra de máquinas ASIC genera retornos rentables (Retorno de la Inversión (ROI) >= 1), marginales (0 < ROI < 1) o no rentables (ROI <= 0) dentro de un año. Proponemos MineROI-Net, una arquitectura de código abierto basada en Transformer diseñada para capturar patrones temporales multi-escala en la rentabilidad minera. Evaluado con datos de 20 mineros ASIC lanzados entre 2015 y 2024 en diversos regímenes de mercado, MineROI-Net supera a los baselines basados en LSTM y TSLANet, logrando un 83.7% de precisión y un 83.1% de puntuación F1 macro. El modelo demuestra una fuerte relevancia económica, alcanzando un 93.6% de precisión en la detección de períodos no rentables y un 98.5% de precisión para los rentables, evitando al mismo tiempo la clasificación errónea de escenarios rentables como no rentables y viceversa. Estos resultados indican que MineROI-Net ofrece una herramienta práctica y basada en datos para sincronizar las adquisiciones de hardware minero, reduciendo potencialmente el riesgo financiero en operaciones mineras intensivas en capital. El modelo está disponible en: https://github.com/AMAAI-Lab/MineROI-Net.

English

Bitcoin mining hardware acquisition requires strategic timing due to volatile markets, rapid technological obsolescence, and protocol-driven revenue cycles. Despite mining's evolution into a capital-intensive industry, there is little guidance on when to purchase new Application-Specific Integrated Circuit (ASIC) hardware, and no prior computational frameworks address this decision problem. We address this gap by formulating hardware acquisition as a time series classification task, predicting whether purchasing ASIC machines yields profitable (Return on Investment (ROI) >= 1), marginal (0 < ROI < 1), or unprofitable (ROI <= 0) returns within one year. We propose MineROI-Net, an open source Transformer-based architecture designed to capture multi-scale temporal patterns in mining profitability. Evaluated on data from 20 ASIC miners released between 2015 and 2024 across diverse market regimes, MineROI-Net outperforms LSTM-based and TSLANet baselines, achieving 83.7% accuracy and 83.1% macro F1-score. The model demonstrates strong economic relevance, achieving 93.6% precision in detecting unprofitable periods and 98.5% precision for profitable ones, while avoiding misclassification of profitable scenarios as unprofitable and vice versa. These results indicate that MineROI-Net offers a practical, data-driven tool for timing mining hardware acquisitions, potentially reducing financial risk in capital-intensive mining operations. The model is available through: https://github.com/AMAAI-Lab/MineROI-Net.