一种更先进的方法是将算力视为一种看涨期权。这一方法的原理始于将矿机的挖矿收入视为底层资产。挖矿收入分为三要素：价格、挖矿难度和费用。比特币价格的看涨期权足够深奥，但封装这三个要素的衍生工具则要复杂得多。用布莱克-斯科尔斯Black-Scholes模型对建立在多种底层资产上的期权进行描述很简单：额外的考虑因素是相关随机游走以及伊藤引理的相应多要素版本。不过在三个变量之间建立相关性矩阵是一项艰巨的任务。

正如在算力《炼金术》系列中所讨论的那样，价格和算力具有相关性但有不断变化的滞后。由于反应延迟，在较短时间窗口内检查散列功率与价格之间的关系时，相关性极小。因此很容易将哈希率路径建模简化为一个完全独立于价格的过程。从金融理论上看，算力是比特币的衍生产品，并且在足够长的时间范围内，两个时间序列是正相关的。

另一方面，交易费用动态建模的难度更高。尽管从某种程度上说，交易费用与价格和网络哈希率（反向）相关，但它主要由链上活动驱动，后者是一个外在因素。这就是为什么相关性矩阵不会产生有意义结果的原因。

但是一旦对底层资产的分布做出了假设，则在N期间对哈希算力进行定价就相当于对一系列每日到期的零执行欧式看涨期权进行定价。换言之，只要矿机处于开启状态，算力就是一份每天执行的合同，并转换为底层资产，即挖矿收入。该合约的成本是硬件的折旧加上运营费用。整个资产包的期权权利金理论上应为矿机价格加上在N期间发生的所有运营支出的现值。

这种方法存在一个严重缺陷。该算式第I天和第i-1天的合同是独立评估的。在现实中，第i-1天的收入应为第二天到期的合同设定初始条件。任何基于期权定价并简单总结该期间所有试验的算力评估方法，都将面临这一路径依赖问题。每个试验都是不相关的评估。

数值方法估值

对数值方法而言，路径依赖的问题则不存在。与其每天评估10,000次试验，不如在所有试验中都使用相同的10,000次试验。蒙特卡洛模拟MonteCarlosimulation可以帮助通过生成随机数进行复杂的动力学建模。使用抽样程序计算在风险中立世界中的预期收入。然后以无风险利率折现。借助蒙特卡洛模拟法，我们能够模拟最新一代矿机未来两年内的挖矿获利能力，并将其公允价值与当今市场上的价格进行比较。

第一步，我们需要对价格走势做出一些假设。多份研究认为，跳跃扩散模型最适合描述BTC价格分布。我们使用跳跃扩散模型来模拟未来两年内10,000个可能的价格走势。在随机模拟中，每次走势都采用不同的路径。

跳跃扩散模型有两个基本部分：扩散（几何布朗运动）和跳跃（通常为泊松分布）。为了简化建模，我们假设存在跳跃的阈值概率。当触发跳跃时，幅度遵循正态分布。 (责任编辑：admin)