Прикладная эконометрика, 2016, № 44

2016, т.44

ISSN 1993-7601

Журнал «Прикладная эконометрика» включен в список периодических изданий ВАК, 
рекомендованных для публикации результатов диссертационных исследований.  
Он индексирован в международных базах научных журналов по экономике RePEc и EconLit,  
а также в Russian Science Citation Index (RSCI) на платформе Web of Science.

Члены редколлегии

Аистов А. В. — канд. физ.‑мат. наук, Нижегород‑
ский филиал НИУ ВШЭ.
Бродский Б. Е. — д‑р физ.‑мат. наук, ЦЭМИ РАН.
Ван Суст А.  — Ph.D., Тилбургский университет,
Нидерланды.
Вербик М. — Ph.D., Школа менеджмента, Роттер‑
дам, Нидерланды.
Денисова И. А. — Ph. D., Центр экономических
и финансовых исследований и разработок (ЦЭФИР);
ЦЭМИ РАН.
Елисеева И. И. — чл.‑кор. РАН, д‑р экон. наук,
Социологический институт РАН; Санкт‑Петербург‑
ский университет экономики и финансов.
Ениколопов Р. — Ph.D., Университет Помпеу Фа‑
бра, Барселона, Испания; РЭШ.
Канторович Г. Г. — канд. физ.‑мат. наук, НИУ ВШЭ.
Карлеваро Ф. — д‑р наук, Женевский универси‑
тет, Швейцария.
Кумбхакар С. — Ph.D., Университет штата Нью‑
Йорк в Бингемтоне, США.

Макаров В. Л. — акад. РАН, д‑р физ.‑мат. наук,
ЦЭМИ РАН; РЭШ.

Максимов А. Г. — канд. физ.‑мат. наук, Нижего‑
родский филиал НИУ ВШЭ.

Микушева А. Е. — Ph. D., канд. физ.‑мат. наук,
Массачусетский технологический институт, Кэм‑
бридж, США.

Мхитарян В. С. — д‑р экон. наук, НИУ ВШЭ.

Рубин Ю. Б. — д‑р экон. наук, профессор,
чл.‑кор. РАО, ректор МФПУ «Синергия».

Рудзкис Р. — д‑р наук, Институт математики и ин‑
форматики, Каунасский университет, Литва.

Слуцкин Л. Н. — Ph.D., Институт экономики РАН.

Суслов В. И. — чл.‑кор. РАН, д‑р экон. наук, Инсти‑
тут экономики и организации промышленного про‑
изводства СО РАН.

Харин Ю. С. — чл.‑кор. НАН Беларуси, д‑р физ.‑мат.
наук, Белорусский государственный университет;
НИИ прикладных проблем математики и информа‑
тики БГУ, Беларусь.

Главный редактор

Айвазян Сергей Артемьевич — д‑р физ.‑мат. наук, акад. (иностранный член) НАН Армении, Централь‑
ный экономико‑математический институт РАН (ЦЭМИ РАН); Высшая школа экономики (НИУ ВШЭ);
Московская школа экономики МГУ.

Заместитель главного редактора

Пересецкий Анатолий Абрамович — д‑р экон. наук, НИУ ВШЭ; ЦЭМИ РАН; Российская экономиче ‑ 
ская школа (РЭШ).

Ответственный секретарь

Сластников Александр Дмитриевич — канд. физ.‑мат. наук, ЦЭМИ РАН.

 2016, vol.44

ISSN 1993-7601

Applied

CONOMETRICS
E

Applied Econometrics is indexed in RePEc (Research Papers in Economics),  
EconLit (The American Economic Association’s electronic bibliography)  
and RSCI (Russian Science Citation Index) on Web of Science.

Associate Editors

Andrey Aistov — National Research University High‑
er School of Economics (NRU HSE) branch in Nizhny
Novgorod.

Boris Brodsky — Central Economics and Mathemat‑
ics Institute (CEMI RAS), Moscow.

Fabrizio Carlevaro — University of Geneva, Geneva
(Switzerland).

Irina Denisova — Centre for Economic and Financial 
Research (CEFIR); Central Economics and Mathemat‑
ics Institute (CEMI RAS), Moscow.

Irina Eliseeva — Sociological Institute (SI RAS); Saint‑
Petersburg State University of Economics and Finance,
Saint‑Petersburg.

Ruben Enikolopov — Universitat Pompeu Fabra, Bar‑
celona (Spain); New Economic School (NES), Mos‑
cow.

Grigoriy Kantorovich — National Research Universi‑
ty Higher School of Economics (NRU HSE), Moscow.

Yury Kharin — Belarusian State University; Research
Institute for Applied Problems of Mathematics and In‑
formatics, Minsk (Belarus).

Subal Kumbhakar — State University of New York,
Binghamton (USA).

Valery Makarov — Central Economics and Mathe‑
matics Institute (CEMI RAS); New Economic School
(NES), Moscow.

Andrey Maksimov — National Research University 
Higher School of Economics (NRU HSE) branch in
Nizhny Novgorod.

Anna Mikusheva — Massachusetts Institute of Tech‑
nology, Cambridge (USA).

Vladimir Mkhitarian — National Research Universi‑
ty Higher School of Economics (NRU HSE), Moscow.

Yury Rubin — Sinergia Moscow University of Indus‑
try and Finance, Moscow.

Rimantas Rudzkis — Institute of Mathematics and 
Informatics, Vilnius (Lithuania).

Lev Slutskin — Institute of Economics (IE RAS),
Moscow.

Arthur van Soest — Tilburg University, Tilburg (Nether ‑
lands).

Viktor Suslov — Institute of Economics and Industrial 
Engineering of the Siberian Branch of RAS, Novosi‑
birsk.

Marno Verbeek — Rotterdam School of Management,
Rotterdam (Netherlands).

Editor-in-Chief

Sergey Aivazian — Central Economics and Mathematics Institute (CEMI RAS), Moscow; National Research
University Higher School of Economics (NRU HSE); Moscow School of Economics (MSE), Moscow.

Vice-Editor

Anatoly Peresetsky — National Research University Higher School of Economics (NRU HSE); Central Econom‑
ics and Mathematics Institute (CEMI RAS); New Economic School (NES), Moscow.

Executive Editor

Alexander Slastnikov — Central Economics and Mathematics Institute (CEMI RAS), Moscow.

Applied econometrics / ПРИКЛАДНАЯ ЭКОНОМЕТРИКА

Contents 
Содержание номера

2016, 44

Валютный рынок

Д. Фантаццини, Э. М. Нигматуллин,  
В. Н. Сухановская, С. В. Ивлиев
Все, что вы хотели знать о моделировании биткойна, но боялись спросить. Часть I  . . . 5

МакроэконоМика

N. Arora, A. OsatiEraghi
Does India have a stable demand for money function after reforms? 
A macroeconometric analysis  . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 25

Р. Ю. Архипов, П. К. Катышев
Производство электроэнергии в России и ВВП: анализ коинтеграции .  .  .  .  .  .  .  .  .  .  . 38

рынок труда

А. В. Демьянова, А. Л. Лукьянова
Влияние статуса инвалида на предложение труда в России .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  . 50

отраслеВые рынки

А. Ю. Кнобель
Влияние либерализации сектора услуг на торговлю услугами  
и производительность в промышленности России и других стран СНГ  .  .  .  .  .  .  .  .  .  . 75

наука и образоВание

Н. Н. Матвеева, О. В. Польдин 
Цитируемость ученых и сети научного соавторства:  
анализ данных Google Scholar  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  . 100

E. I. Borisova, A. A. Peresetsky
Do secrets come out? Statistical evaluation of student cheating . . . . . . . . . . . . . . . . 119

научная жизнь
Азиатско‑Тихоокеанская конференция по производительности 
(Asia Pacific Productivity Conference, APPC‑2016)  . . . . . . . . . . . . . . . . . . . . . 131
Третья международная конференция  
«Современный эконометрический инструментарий и его приложения»  
(META‑2016). . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 133

Содержание журнала за 2016 год  . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 135

Условия публикации статьи  . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 138

Содержание номера
Contents

ПРИКЛАДНАЯ ЭКОНОМЕТРИКА / Applied econometrics
2016, 44

CurrenCy

Dean Fantazzini, Erik Nigmatullin,  
Vera Sukhanovskaya, Sergey Ivliev
Everything you always wanted to know about bitcoin modelling 
but were afraid to ask. Part I .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  5

MaCroeConoMiCs

Nitin Arora, Asghar OsatiEraghi
Does India have a stable demand for money function after reforms? 
A macroeconometric analysis  . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 25

Roman Arkhipov, Pavel Katyshev
Electric power generation and GDP in Russia: Cointegration analysis  . . . . . . . . . . . . . 38

Labor Market

Anna Demianova, Anna Lukiyanova
The impact of disability status on labor supply in Russia  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  . 50

serviCes

Alexander Knobel
The influence of services trade liberalization on service flows  
and industry productivity in CIS countries and Russia. . . . . . . . . . . . . . . . . . . . . . 75

soCiety and sCienCe

Nataliya Matveeva, Oleg Poldin
Citation of scholars in co‑authorship network:  
Analysis of Google Scholar data .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  . 100

Ekaterina Borisova, Anatoly Peresetsky
Do secrets come out? Statistical evaluation of student cheating . . . . . . . . . . . . . . . . 119

sCientifiC Life
Asia Pacific Productivity Conference, APPC‑2016  . . . . . . . . . . . . . . . . . . . . . . 131

III International Conference  
«Modern Econometric Tools and Applications» (META‑2016) .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  . 133

Contents of 2016 .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  . 135

Guidelines for authors  . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 138

Д. Фантаццини, Э. М. Нигматуллин, В. Н. Сухановская, С. В. Ивлиев

5

Applied econometrics / ПРИКЛАДНАЯ ЭКОНОМЕТРИКА

Currency 
Валютный рынок

2016, 44

Прикладная эконометрика, 2016, т. 44, с. 5–24.
Applied Econometrics, 2016, v. 44, pp. 5–24.

Д. Фантаццини, Э. М. Нигматуллин,  
В. Н. Сухановская, С. В. Ивлиев1

Все, что вы хотели знать о моделировании 
биткойна, но боялись спросить. Часть I

Биткойн — это децентрализованная цифровая валюта и платежная система с открытым кодом. Она привлекла к себе значительное внимание и глобальный интерес, 
возрастающее число статей посвящено вопросам ее операционной, экономической 
и финансовой жизнеспособности. Данная статья рассматривает эконометрические 
и математические инструменты, которые были предложены к настоящему времени 
для моделирования цены биткойна, и различные другие аспекты, включая преимущества и ограничения. Обсуждаются методы определения основных характеристик 
биткойн-пользователей, модели оценки фундаментальной стоимости биткойна, 
эконометрические подходы к моделированию динамики цены биткойна, тесты для 
выявления финансовых пузырей в ценах и методологии, предложенные для изучения 
ценообразования на биткойн-биржах.

ключевые слова: биткойн; криптовалюты; хэшрейт; майнинг; привлекательность инвесторов; 
социальное взаимодействие; денежное предложение; спрос на деньги; спекуляции; прогнозирование; алгоритмическая торговля; пузыри; ценообразование; LPPL.

JeL classification: C22; C32; C51; C53; E41; E42; E47; E51; G17.

1. Введение
Б

иткойн — это онлайновая децентрализованная валюта, которая позволяет пользова‑
телям покупать товары и услуги и осуществлять транзакции без привлечения третьей
стороны. Она была запущена в 2009 году человеком или (что более вероятно) груп‑
пой людей, действовавшей под псевдонимом Сатоши Накамото. Биткойн заложил основу
для развития так называемых «криптовалют», которые базируются на криптографических
средствах защиты. Основным свойством криптовалют является их децентрализованная
структура: для их функционирования не требуется центральный орган, который выпускает
и регулирует валюту, а транзакции осуществляются с использованием пирингового прото‑
кола без каких‑либо посредников. Обзоры биткойна с точки зрения структуры и операций
приведены в (Becker et al., 2013; Segendorf, 2014; Dwyer, 2015; Böhme et al., 2015) и на сайте

1
Фантаццини Деан — Московская школа экономики, МГУ, Москва; fantazzini@mse‑msu.ru.
Нигматуллин Эрик Маликович — Bocconi University, Милан, Италия; nigmatullin.erik@gmail.com.
Сухановская Вера Николаевна — Пермский государственный национальный исследовательский универ‑
ситет, Пермь; vera‑sukhanovskaya@yandex.ru.

Ивлиев Сергей Владимирович — Пермский государственный национальный исследовательский универ‑
ситет, Пермь; ivliev@gmail.com.

Валютный рынок
Currency

ПРИКЛАДНАЯ ЭКОНОМЕТРИКА / Applied econometrics
2016, 44

www.bitcoin.org. Несколько центральных банков также изучали биткойн, см. (Velde, 2013;
Lo, Wang, 2014; Badev, Chen, 2014; Ali et al., 2014; ECB, 2012, 2015). Обсуждение биткой‑
на как потенциальной альтернативы денежной системы приведено в работах (Rogojanu,
Badea, 2014; Weber, 2016), а экономика так называемого майнинга изучается в (Kroll et al.,
2013). Анализ правовых вопросов, связанных с биткойном, приведен в работах (Allen, 2016;
Murphy et al., 2015).
Данная статья рассматривает эконометрические и математические инструменты, которые

были предложены к настоящему времени для моделирования цены биткойна и некоторых
других аспектов. Насколько известно авторам, подобный обзор отсутствует в финансовой
литературе и может быть интересен как профессионалам рынка, так и исследователям, учи‑
тывая раннюю стадию развития эмпирической литературы, посвященной биткойну.
Статья организована следующим образом. Раздел 2 описывает принципы, на которых

построено функционирование биткойна, и приводит краткую статистику сети. В разделе 3
приведен обзор исследований, посвященных анализу характеристик, свойственных поль‑
зователям биткойна. В разделе 4 обсуждаются основные модели, используемые для оценки
фундаментальной стоимости биткойна, от моделей размера рынка до моделей предельных
издержек майнинга, основанных на энергопотреблении. Раздел 5 описывает несколько эко‑
нометрических подходов, предложенных для моделирования ценовой динамики биткойна,
начиная с кросс‑секционных регрессионных моделей, включающих в себя большинство
торгуемых цифровых валют, и заканчивая одномерными и многомерными моделями вре‑
менных рядов и моделями частотного диапазона. В разделе 6 приводится обзор тестов, ис‑
пользуемых для выявления наличия финансового пузыря в ценах биткойна, которые могут
быть условно разделены на два класса в зависимости от того, направлены ли они на опре‑
деление одного пузыря или (потенциально) множественных пузырей. В разделе 7 изучают‑
ся методики, предложенные для оценки информационной доли различных биткойн‑бирж
с точки зрения информации, генерируемой рынком в целом, что является важным как для
краткосрочных трейдеров, так и для долгосрочных инвесторов, которые хотели бы пони‑
мать, какая из бирж наиболее быстро реагирует на новую информацию. В разделе 8 приво‑
дятся основные выводы и предлагаются несколько возможных направлений дальнейших
исследований2.

2. определение криптовалют и биткойна

2.1. Как устроен биткойн?

2.1.1. Цифровые подписи и криптографическая хеш-функция

В процессе проведения платежей в сети Биткойн используется криптография для про‑
верки транзакций и создания блоков транзакций. В частности, Биткойн опирается на две
криптографические схемы: 1) цифровые подписи и 2) криптографические хэш‑функции.
Первая схема позволяет обмениваться платежными инструкциями между сторонами тран‑
закции, а вторая используется для поддержания дисциплины внесения записей по транзак‑
циям в публичный реестр (блокчейн). Следует заметить, что ни одна из этих схем не явля‑

2
Разделы 5–8 будут опубликованы в другом выпуске журнала.

Д. Фантаццини, Э. М. Нигматуллин, В. Н. Сухановская, С. В. Ивлиев

7

Applied econometrics / ПРИКЛАДНАЯ ЭКОНОМЕТРИКА

Currency 
Валютный рынок

2016, 44

ется уникальной для Биткойна — все они широко используются для защиты коммерческих
и государственных коммуникаций. Приведем краткое описание ниже.
Цифровые подписи используются для удостоверения подлинности сообщения между от‑
правителем и получателем и обеспечивают:
(i) удостоверение подлинности: получатель может проверить, что сообщение пришло

от отправителя;
(ii) невозможность отказа: отправитель не может отказаться от отправки сообщения;
(iii) целостность: сообщение не было подделано.
Применение цифровых подписей включает шифрование с открытым ключом, в котором

пара ключей — открытый и закрытый — генерируются с определенными желаемыми свой‑
ствами. Цифровая подпись используется для подписания сообщений: транзакция подписы‑
вается с помощью закрытого ключа, а затем транслируется в сеть Биткойн. Все участники
сети могут проверить, что эта транзакция пришла от владельца открытого ключа, взяв со‑
общение, подпись, открытый ключ и запустив алгоритм проверки.
Криптографическая хеш‑функция принимает на входе строку произвольной длины (со‑
общение m) и возвращает строку с заранее определенной длиной (хэш h). Функция являет‑
ся детерминированной, это означает, что один и тот же m на входе всегда будет давать один
и тот же h на выходе. Помимо этого, функция также должна обладать следующими свойствами.
(i) Стойкость к восстановлению прообраза. При данном хэше h сложно найти такое со‑
общение m, при котором хэш(m) = h.
(ii) Стойкость к коллизиям. При заданном сообщении m1 сложно найти другое сообще‑
ние m2, при котором хэш(m1) = хэш(m2). Другими словами, изменение сообщения приво‑
дит к изменению хэша.
Выход хэш‑функции выглядит так, как будто получен случайным образом, хотя и явля‑
ется детерминированным. Биткойн в основном использует алгоритм безопасного хеширо‑
вания SHA‑256 — тип Secure Hash Algorithm (SHA‑2), разработанный Агентством нацио‑
нальной безопасности и опубликованный Национальным институтом стандартов и техно‑
логий, см. (Dang, 2012).

2.1.2. Владение биткойнами и биткойн-адреса

С технической точки зрения биткойны находятся в Биткойн сети по так называемым бит‑
койн‑адресам. Владение определенным количеством биткойнов сводится к возможности от‑
правки платежей по сети Биткойн с биткойн‑адресов, к которым эти биткойны привязаны.
Возможность отправки платежей с биткойн‑адресов контролируется с помощью цифровых
подписей, которые включают пары открытого и закрытого ключей. В частности, каждый
биткойн‑адрес индексируется с помощью уникального открытого ID — буквенно‑цифро‑
вого идентификатора, который, по сути, соответствует открытому ключу. Закрытый ключ
контролирует биткойны, хранящиеся по этому адресу. Любой платеж (сообщение), где этот
адрес задействован как адрес отправителя, должен быть подписан соответствующим дей‑
ствительным закрытым ключом. Проще говоря, владение биткойнами по указанному бит‑
койн‑адресу означает знание закрытого ключа, который соответствует этому адресу.
В любой момент времени каждый биткойн‑адрес привязан к биткойн‑балансу, который,

по сути, является общественной информацией. Каждую существующую или предлагаемую
(вновь транслируемую) транзакцию можно проверить на предмет соответствия предшеству‑

Валютный рынок
Currency

ПРИКЛАДНАЯ ЭКОНОМЕТРИКА / Applied econometrics
2016, 44

ющей истории транзакций, т.е. проверить, что суммы по транзакциям действительно име‑
ются в соответствующих биткойн‑адресах.

2.1.3. Транзакция в цепочке блоков (блокчейне)

Субъекты участвуют в транзакциях в сети Биткойн посредством набора биткойн‑адре‑
сов, называемых кошельком (набор биткойн‑адресов, принадлежащих одному лицу). Каж‑
дая запись транзакции включает один или несколько адресов отправки (входов) и один или
несколько адресов получения (выходов), а также сведения о том, сколько каждый из этих
адресов отправил и получил. Пример транзакции представлен на рис. 1.

Рис. 1. Транзакция в сети Биткойн

В указанном примере Алиса отправляет Бобу транзакцию в размере 8 биткойнов (BTC).

У данной транзакции имеется два входа (2 и 7 BTC) и два выхода (8 и 1 BTC), причем вы‑
ход на 1 BTC является, по существу, сдачей и возвращается на кошелек Алисы. Поскольку
у каждой транзакции может быть несколько адресов отправки и получения, часто невоз‑
можно привязать конкретный адрес отправки к средствам, отправляемым по конкретному
адресу получения. Следствием этого наблюдения является то, что нельзя присвоить серий‑
ные номера биткойнам и проследить их пути в сети Биткойн.
Процесс ведения транзакции в сети Биткойн основан на механизмах, которые гаранти‑
руют, что:
(а) проверка каждой транзакции распределяется между несколькими участниками сети;
(б) запись каждой транзакции дискретизирована по времени, т.е. транзакции линейно

упорядочены с последовательными временными отметками;
(в) участники платежной сети соревнуются и получают вознаграждение за запись тран‑
закции в блок;
(г) несколько узлов ведут перекрестную проверку каждой записанной транзакции.

2.1.4. Инициирование транзакции

Допустим, Алиса хочет отправить Бобу 1 биткойн с использованием сети Биткойн. Для

этого у Алисы и Боба должны быть биткойн‑адреса. Назовем их ID_Алиса и ID_Боб. За‑
тем Алисе нужно выслать и удостоверить (в цифровом виде) подлинность сообщения типа

«ID_Алиса отправляет ID_Боб 1 биткойн».

Д. Фантаццини, Э. М. Нигматуллин, В. Н. Сухановская, С. В. Ивлиев

9

Applied econometrics / ПРИКЛАДНАЯ ЭКОНОМЕТРИКА

Currency 
Валютный рынок

2016, 44

После того как Алиса подписывает сообщение транзакции с помощью своего закрытого

ключа и транслирует его, любой участник сети Биткойн может проверить, что это именно
Алиса отправила сообщение, и сообщение не было подделано. К тому же, как указывалось
ранее, цифровые подписи гарантируют, что никто другой не мог подписать это сообщение,
т.е. Алиса не может отрицать, что его подписала она.

2.1.5. Проверка транзакции

Перед выполнением транзакции протокол Биткойн должен проверить два аспекта сооб‑
щения. Во‑первых, именно ли Алиса транслировала сообщение транзакции? Схема цифро‑
вой подписи гарантирует, что на самом деле только владелец закрытого ключа для данного
адреса мог подписать сообщение. Во‑вторых, имеется ли на адресе отправки достаточно
средств, чтобы гарантировать завершение транзакции?
Хотя ведение учета и проверка транзакций — основные функции всех электронных пла‑
тежных систем, эти функции, как правило, осуществляются через частные реестры, под‑
держиваемые доверенными третьими сторонами. Децентрализованные системы, такие как
Биткойн, заменяют сторонних посредников и хранящиеся у них записи общественным ре‑
естром, который ведется распределенной информационной системой.

2.1.6. Обновление блокчейна

После первоначальной проверки подписанного сообщения транзакции группы участни‑
ков сети Биткойн начинают состязаться за возможность записать транзакцию в блокчейн.
Сначала в блоке транзакций конкурирующие узлы группируют транзакции, которые транс‑
лировались с момента последней записи в блокчейне. Затем блок используется для опреде‑
ления сложной для вычисления задачи. Победителем состязания становится узел, который
первым решит эту задачу. После определения победителя запись транзакции завершается.
Узел‑победитель имеет право сделать запись и забрать вознаграждение.
Задача, в решении которой состязаются узлы, опирается на одну из описанных выше

криптографических схем — хэш‑функции. Сначала блок вновь транслируемых транзакций
используется в качестве входных данных в криптографической хэш‑функции для получе‑
ния хэша под названием дайджест. Этот дайджест вместе с одноразовым случайным кодом
nonce (буквенно‑цифровой строкой) и хэшем предыдущего блока вводятся в другую хэш‑
функцию, которая выдает хэш блокчейна нового блока. Задача, которую необходимо решить
узлам, включает нахождение такого случайного кода, при котором хэш блокчейна нового
блока имеет определенные свойства (в данном случае имеет определенное количество на‑
чальных нулей). Первый из соревнующихся узлов, который найдет нужный случайный код,
транслирует эту информацию остальным участникам сети, а блокчейн обновляется. В дан‑
ной схеме реализован Hashcash — система доказательства правильности работы (proof of 
work), целью которой является обеспечить, чтобы компьютеры использовали определенное
количество вычислительных ресурсов для выполнения какой‑либо задачи, см. Back (2002).
Узлы, которые осуществляют процесс доказательства правильности работы, в сети Бит‑
койн именуются майнерами. Эти майнеры стимулируются на использование вычислитель‑
ных ресурсов в этом процессе путем получения вознаграждения, встроенного в протокол
Биткойн. Обычно вознаграждение — это заранее определенное количество вновь создан‑

Валютный рынок
Currency

ПРИКЛАДНАЯ ЭКОНОМЕТРИКА / Applied econometrics
2016, 44

ных биткойнов. Остальная часть вознаграждения, которая в настоящее время гораздо мень‑
ше, — это добровольные операционные сборы (комиссии), уплачиваемые инициаторами
транзакций майнерам за обработку их транзакций. Первоначальная идея состояла в том,
чтобы эти добровольные взносы заменили вознаграждение в виде создания биткойнов для
стимулирования майнеров в случаях, когда эта сумма стремится к нулю (Nakamoto, 2008).

2.2. Статистика сети Биткойн

2.2.1. Капитализация сети

На сегодняшний день в обращении находится более 15 млн биткойнов. Цена одного бит‑
койна за 4 месяца 2016 года колебалась в пределах 400–460 долларов США (см. рис. 2). Та‑
ким образом, совокупная стоимость всех выпущенных биткойнов составляет около 7 млрд
долларов США.

0

200

400

600

800

1000

1200

1400

1/1/2011
1/1/2012
1/1/2013
1/1/2014
1/1/2015
1/1/2016

Рис. 2. Динамика стоимости биткойна к доллару США, долл. США за 1 биткойн

Рыночная капитализация биткойна в 10 раз выше, чем у второй по этому показателю

криптовалюты — Ethereum. Таким образом, биткойн, очевидно, является безусловным ли‑
дером.
Ценность валюты сильно зависит от числа участников, что, в свою очередь, привлекает

еще больше участников, приводя в действие сетевой эффект. У биткойна есть существенное
преимущество перед другими криптовалютами, которое имеет три аспекта:

z
z чем больше пользователей, тем более полезным он становится: появляется больше

мест, в которых можно потратить биткойны, и контрагентов, с которыми можно обменять
биткойны — это привлекает еще больше пользователей;

z
z валюты требуют доверия, но оно может быть получено только с течением времени, та‑
ким образом, при прочих равных условиях, старейшая валюта получает естественное пре‑
имущество перед конкурентами;

z
z чем больше объем, тем больше комиссии за транзакции, это привлекает больше май‑
неров и делает сеть более безопасной, что, в свою очередь, снова привлекает дополнитель‑
ных пользователей и объем средств.

Д. Фантаццини, Э. М. Нигматуллин, В. Н. Сухановская, С. В. Ивлиев

11

Applied econometrics / ПРИКЛАДНАЯ ЭКОНОМЕТРИКА

Currency 
Валютный рынок

2016, 44

Для валют, служащих средством накопления, есть еще одно препятствие: для перевода

накоплений из одной валюты в другую требуются дополнительные усилия. Таким образом,
действуют многочисленные эффекты, которые делают смещение биткойна с позиции крип‑
товалюты номер один крайне маловероятным.

2.2.2. Мощность сети

Объем вычислительной мощности, поддерживающий сеть, сейчас приближается к 800 пета‑

хэшам/с (см. рис. 3)3. Оценка совокупной стоимости используемого оборудования превы‑
шает 300 млн долларов.
Ежедневная совокупная выручка майнеров от комиссий за запись транзакций и вали‑
дацию новых блоков составляет 1.2–1.5 млн долларов США. Число открытых биткойн‑ 

3
Петахэш = 1 млн гигахэшей.

0

20

40

60

80

100

120

140

160

180

200

1/1/2011
1/1/2012
1/1/2013
1/1/2014
1/1/2015
1/1/2016

Рис. 4. Динамика числа транзакций в сети Биткойн 
с 01.01.2011 по 31.12.2015, тыс. транзакций/день

Рис. 3. Динамика вычислительной мощности в сети Биткойн 
с 01.01.2011 по 31.12.2015, петахэш/с

0

100

200

300

400

500

600

700

800

1/1/2011
1/1/2012
1/1/2013
1/1/2014
1/1/2015
1/1/2016