Умное время для майнинга: Глубокое обучение для прогнозирования окупаемости инвестиций в оборудование для Bitcoin
Smart Timing for Mining: A Deep Learning Framework for Bitcoin Hardware ROI Prediction
December 5, 2025
Авторы: Sithumi Wickramasinghe, Bikramjit Das, Dorien Herremans
cs.AI
Аннотация
Приобретение оборудования для майнинга биткойнов требует стратегического выбора времени из-за волатильности рынков, быстрого технологического устаревания и циклов доходности, определяемых протоколом. Несмотря на эволюцию майнинга в капиталоемкую отрасль, существует мало рекомендаций о том, когда следует покупать новые специализированные интегральные схемы (ASIC), и ранее не существовало вычислительных моделей для решения этой проблемы принятия решений. Мы восполняем этот пробел, сформулировав задачу приобретения оборудования как задачу классификации временных рядов, предсказывая, приведет ли покупка ASIC-машин к прибыльной (окупаемость инвестиций (ROI) >= 1), маржинальной (0 < ROI < 1) или убыточной (ROI <= 0) отдаче в течение одного года. Мы предлагаем MineROI-Net, открытую архитектуру на основе трансформеров, разработанную для выявления временных паттернов доходности майнинга в различных масштабах. Оценка на данных по 20 ASIC-майнерам, выпущенным в период с 2015 по 2024 год в различных рыночных режимах, показала, что MineROI-Net превосходит базовые модели на основе LSTM и TSLANet, достигая точности 83,7% и макро-показателя F1 83,1%. Модель демонстрирует высокую экономическую значимость, достигая точности 93,6% в выявлении убыточных периодов и 98,5% для прибыльных, при этом избегая ошибок классификации прибыльных сценариев как убыточных и наоборот. Эти результаты указывают на то, что MineROI-Net предлагает практический, основанный на данных инструмент для выбора времени закупок майнингового оборудования, потенциально снижая финансовые риски в капиталоемких майнинговых операциях. Модель доступна по адресу: 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.