📈 economics

A Model and Estimation of the Bitcoin Transaction Fee

Questo studio presenta e stima un modello strutturale del mercato delle commissioni Bitcoin, basato su un nuovo dataset ad alta frequenza del mempool, che analizza le commissioni come un meccanismo di mercato per lo spazio nei blocchi e dimostra come la congestione e le scelte degli utenti influenzino i costi di conferma.

Autori originali: Daniel Aronoff, Kristian Praizner, Armin Sabouri

Pubblicato 2026-04-21

📖 5 min di lettura🧠 Approfondimento

CC BY 4.0

Autori originali: Daniel Aronoff, Kristian Praizner, Armin Sabouri

Articolo originale sotto licenza CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). ✨ Questa è una spiegazione generata dall'IA dell'articolo qui sotto. Non è stata scritta né approvata dagli autori. Per precisione tecnica, consulta l'articolo originale. Leggi il disclaimer completo

Immagina il mondo di Bitcoin come un enorme sistema di autobus che viaggia attraverso il deserto.

1. Il Problema: L'Autobus è Piccolo e la Folla è Grande

Ogni 10 minuti, un autobus (chiamato "blocco") parte per portare i passeggeri (le transazioni) alla loro destinazione.

Il problema: L'autobus ha un numero limitato di posti a sedere (spazio nel blocco).
La folla: Ci sono migliaia di persone che vogliono salire, ma non c'è posto per tutti.
La soluzione: Chi vuole salire per primo deve pagare un biglietto più costoso.

In passato, l'autobus era quasi sempre vuoto e il conducente (il "minatore") prendeva una mancia fissa dal governo (la "ricompensa del blocco"). Ma col tempo, questa mancia sta diminuendo. Ora, il conducente vive quasi interamente delle mance che gli danno i passeggeri. Più la folla è grande, più le mance (le commissioni) salgono.

2. La Ricerca: Come funziona la "Fila"?

Gli autori di questo studio (Daniel, Kristian e Armin) si sono chiesti: "Come decidono le persone quanto pagare? E come reagisce il conducente?"

Il problema è che, guardando solo la blockchain (il registro pubblico), vediamo solo chi è salito e quanto ha pagato. Non vediamo la fila prima che salissero. È come guardare una foto di un concerto finito e cercare di capire quanto era affollato l'ingresso prima che iniziassero i biglietti.

Per risolvere questo, gli autori hanno costruito il loro osservatorio privato. Hanno fatto girare un computer speciale (un "nodo") che ha registrato tutto:

Chi è arrivato.
Chi è uscito.
Chi ha aspettato.
Chi ha pagato di più per saltare la fila.
Quanto era affollato il parcheggio (la "mempool") in ogni singolo secondo.

3. La Teoria: La "Fila a Priorità"

Hanno scoperto che il mercato delle commissioni funziona come un mercato delle aste.

La priorità: Non conta quanto è grande il tuo bagaglio (la dimensione della transazione), ma quanto paghi per metro quadrato di spazio.
La regola d'oro: Se paghi di più, sali prima. Se paghi poco, aspetti il prossimo autobus.

Gli autori hanno creato un modello matematico (un po' come una ricetta) per prevedere quanto tempo dovresti aspettare in base a quanto paghi. Hanno scoperto due cose fondamentali:

L'attesa dipende dal traffico: Se l'autobus è vuoto, anche pagando poco arrivi presto. Se c'è un ingorgo, devi pagare molto per saltare la fila.
Il valore della fretta: Le persone pagano di più quando vedere che un piccolo aumento della commissione fa risparmiare molto tempo. È come dire: "Se pago 1 euro in più, arrivo 10 minuti prima? Allora lo faccio!".

4. Le Scoperte Sorprendenti (Le "Regole del Gioco")

Analizzando i dati, hanno trovato alcune regole curiose su come le persone si comportano:

I "Saltafila" (RBF): Alcune persone usano una funzione chiamata Replace-by-Fee. Immagina di aver fatto la fila, ma poi ti giri e dici: "Ehi, ecco altri 5 euro, mettimi prima!". Chi usa questa funzione paga una mancia extra molto alta perché sta dicendo chiaramente: "Ho molta fretta, non farmi aspettare".
Il "Pacchetto Famiglia" (CPFP): A volte, un figlio (una transazione) paga per il padre (un'altra transazione) che è bloccato. Se paghi bene per il figlio, il conducente è costretto a prendere anche il padre. È come se pagassi il biglietto per il tuo amico per assicurarti che anche tu salga.
Il Tempo è Soldi: Più tempo passa dall'ultimo autobus, più le persone si impazientiscono e offrono di più.
La Fretta non è sempre visibile: Hanno cercato di capire se le persone che devono spendere subito i soldi ricevuti (ad esempio, chi riceve Bitcoin e li spende subito) pagano di più. Sorprendentemente, non sempre. A volte la fretta non si traduce in commissioni più alte come ci si aspetterebbe.

5. Il Risultato Finale: Un Modello per Prevedere il Traffico

Hanno costruito un modello che funziona come un meteo per le commissioni:

Se vedi che il parcheggio è pieno (congestione), il modello ti dice: "Preparati, le commissioni saliranno".
Se vedi che c'è spazio, ti dice: "Puoi pagare poco".

Il modello è molto bravo a spiegare perché due persone pagano cifre diverse nello stesso momento (una paga di più perché è più impaziente o perché la fila è corta ma affollata). È meno bravo a prevedere quando il prezzo medio salirà o scenderà nel lungo periodo, perché dipende da fattori esterni (come il prezzo del Bitcoin o il comportamento dei minatori) che sono difficili da catturare.

In Sintesi

Questo studio è come aver installato una telecamera nascosta nel traffico di Bitcoin per capire le regole del gioco.
Hanno dimostrato che le commissioni non sono casuali: sono il prezzo che paghiamo per la velocità in un sistema dove lo spazio è limitato. Più il traffico è intenso, più il "salto alla fila" costa caro. E le persone, in base a quanto sono impazienti, decidono quanto pagare per non rimanere bloccate nel traffico.

È un po' come pagare il pedaggio per la corsia preferenziale in autostrada: se sei in ritardo, paghi; se hai tempo, aspetti la corsia normale. Gli autori hanno solo misurato esattamente quanto costa quel pedaggio in ogni situazione possibile.

1. Il Problema di Ricerca

Il documento affronta la crescente importanza delle commissioni di transazione (fee) in Bitcoin man mano che il sussidio di blocco (block subsidy) diminuisce a causa degli halving. Tuttavia, studiare la formazione delle fee è complesso utilizzando esclusivamente i dati della blockchain, poiché l'ambiente di coda (mempool) in cui le transazioni competono per l'inclusione non è osservabile direttamente.
Il problema centrale è ricostruire il meccanismo di formazione dei prezzi in un mercato di risorse scarse (lo spazio nei blocchi), dove gli utenti scelgono le fee per ottenere priorità e ridurre i tempi di conferma, mentre i miner selezionano le transazioni per massimizzare il ricavo. Senza dati sul mempool in tempo reale, è difficile distinguere tra la "tecnologia del ritardo" (come la priorità si traduce in attesa) e la "disponibilità a pagare" degli utenti.

2. Metodologia e Dati

Fonte dei Dati

Gli autori hanno costruito un dataset innovativo e ad alta frequenza raccogliendo dati da un nodo Bitcoin Core autonomo gestito dalla MIT Media Lab Digital Currency Initiative.

Periodo: Agosto 2025 - Ottobre 2025 (circa 9-10 settimane).
Osservazioni: Oltre 11 milioni di transazioni confermate.
Dati raccolti: Arrivi ed exit dal mempool, inclusione nei blocchi, eventi di aumento della fee (RBF - Replace-by-Fee, CPFP - Child-Pays-For-Parent), e snapshot di congestione ogni 25 secondi.
Correzioni: I dati sono stati corretti per il peso reale delle transazioni SegWit (spesso sottostimato dai nodi locali) e le transazioni CPFP sono state raggruppate in "pacchetti" per calcolare il tasso di fee effettivo.

Modello Teorico

Il paper adatta il framework di Huberman et al. (2021), trattando il mempool come un mercato per la priorità.

Meccanismo VCG: Il mercato delle fee è caratterizzato come un meccanismo di Vickrey-Clarke-Groves (VCG), dove ogni transattore paga l'esternalità di ritardo che impone alle transazioni a priorità inferiore.
Equazione di Prezzo: La fee è approssimata come proporzionale al costo del ritardo dell'utente ( $c_i$ ) moltiplicato per la riduzione marginale del tempo di conferma ottenuta aumentando la priorità ( $D(p, s)$ ).
$\log b_{it} \approx \log c_i + \log D(p_{it}, s_t) + \log \text{Weight}_{it} + \epsilon_{it}$
Dove $D$ è la pendenza locale della funzione di ritardo.

Strategia di Stima (Due Fasi)

L'approccio empirico segue una struttura a due stadi per separare la tecnologia di ritardo dalle preferenze degli utenti:

Prima Fase (Tecnologia del Ritardo):
- Viene stimata una funzione flessibile di ritardo atteso $W(p, s)$ utilizzando un Random Forest.
- L'obiettivo è recuperare la pendenza locale ( $\hat{W}'$ ) della curva di ritardo rispetto alla priorità (percentile della fee rate).
- Vincolo di Monotonia: Viene imposta una restrizione di monotonia (isotonic regression) per garantire che una priorità più alta non aumenti mai il ritardo atteso, allineando il modello alla teoria della coda.
- Vengono utilizzati tecniche di cross-fitting per evitare bias da overfitting.
Seconda Fase (Equazione delle Fee):
- Viene stimata un'equazione di regressione log-lineare delle fee.
- La variabile chiave è la pendenza stimata del ritardo ( $\log \hat{W}'$ ) ottenuta nella prima fase.
- Vengono inclusi controlli per le caratteristiche della transazione (RBF, CPFP, peso, tipo), lo stato della rete (congestione, tempo dall'ultimo blocco) e effetti fissi per epoca (finestre di 30 minuti) per catturare shock aggregati non osservati.
- Viene utilizzata una specifica "hurdle" (soglia) e spline monotone per modellare l'impazienza (proxy tramite il tempo di riutilizzo delle UTXO).

3. Risultati Chiave

La Tecnica del Ritardo e la Congestione

La congestione del mempool è il determinante principale del ritardo.
La relazione tra priorità e ritardo è convessa: quando il mempool è congestionato, la pendenza della curva di ritardo diventa più ripida. Ciò significa che in periodi di alta congestione, un piccolo aumento della fee rate garantisce una riduzione significativa del tempo di attesa, rendendo la priorità molto più preziosa.
In periodi di bassa congestione, la curva è piatta: la priorità ha poco valore aggiuntivo.

Stima della Struttura delle Fee

Il coefficiente strutturale principale ( $\hat{\alpha}_1$ ) sulla pendenza del ritardo è negativo e statisticamente significativo (-0.046).

Interpretazione: Quando la pendenza del ritardo è ripida (ogni unità di priorità in più riduce molto il tempo di attesa), gli utenti pagano meno per ottenere quella priorità specifica, perché la "tecnologia" rende l'accelerazione più efficiente. Al contrario, quando la curva è piatta (la priorità non aiuta molto), gli utenti devono offrire fee più alte per distinguersi. Questo conferma la previsione del modello VCG.

Fattori Istituzionali e Caratteristiche

RBF (Replace-by-Fee): Le transazioni contrassegnate come RBF pagano un premio di circa il 93%, segnalando un'urgenza elevata.
CPFP (Child-Pays-For-Parent): I pacchetti CPFP pagano circa il 15% in meno rispetto alle transazioni autonome a parità di priorità apparente, riflettendo la natura "bundled" della fee.
Utilizzo dello Spazio Blocco: Un aumento del 10% nell'utilizzo dello spazio del blocco corrente è associato a un aumento del 2,5% della fee rate.
Tempo dall'ultimo blocco: Un raddoppio dell'intervallo tra i blocchi aumenta le fee di circa il 10%, indicando un aumento dell'impazienza degli utenti.
Tipologia Transazione: Le transazioni con dati (OP_RETURN o inscriptions) pagano fee inferiori, riflettendo una minore sensibilità al tempo.

Limiti Temporali

Il modello spiega molto bene la varianza trasversale (perché transazioni diverse nello stesso momento pagano fee diverse), ma fatica a spiegare la varianza temporale (perché il livello medio delle fee cambia tra un'epoca e l'altra). Gli effetti fissi per epoca assorbono gran parte di questa variabilità temporale, suggerendo che fattori macro (comportamento dei miner, sentiment, shock di domanda) dominano le fluttuazioni a lungo termine.

4. Contributi e Significatività

Dati Unici: Fornisce il primo dataset ad alta frequenza che ricostruisce l'ambiente di coda completo (entry, exit, stato del mempool) per ogni transazione, colmando il divario tra dati on-chain e la realtà del mempool.
Identificazione Strutturale: Dimostra empiricamente che le fee di Bitcoin seguono un meccanismo di prezzo basato sulla priorità (VCG), dove il prezzo è determinato dalla tecnologia di ritardo e dalla disponibilità a pagare, e non solo da regole arbitrarie.
Metodologia Ibrida: Combina modelli economici strutturali con tecniche di Machine Learning (Random Forest con vincoli di monotonia) per stimare funzioni di ritardo complesse e non parametriche.
Implicazioni per la Politica e la Progettazione:
- Conferma che la congestione è il driver principale delle fee.
- Sottolinea l'importanza dei meccanismi di fee-bumping (RBF/CPFP) nel mercato.
- Suggerisce che l'analisi delle fee deve concentrarsi sulla "pendenza" della curva di ritardo piuttosto che solo sul livello di congestione assoluto.

In sintesi, il paper fornisce una prova empirica robusta che il mercato delle fee di Bitcoin funziona come un meccanismo di allocazione efficiente della priorità, dove gli utenti pagano per la riduzione marginale del tempo di attesa, e dove la struttura delle commissioni è profondamente influenzata dallo stato di congestione della rete e dalle caratteristiche specifiche delle transazioni.