📈 economics

A Model and Estimation of the Bitcoin Transaction Fee

이 논문은 관찰되지 않는 대기열 환경을 고려하여 비트코인 트랜잭션 수수료 결정 메커니즘을 구조적 모델로 정립하고, 고빈도 메모풀 데이터를 기반으로 혼잡도가 지연 시간의 주요 결정 요인이며 우선순위의 한계 가치가 수수료에 반영됨을 실증적으로 분석합니다.

원저자: Daniel Aronoff, Kristian Praizner, Armin Sabouri

게시일 2026-04-21

📖 3 분 읽기☕ 가벼운 읽기

CC BY 4.0

원저자: Daniel Aronoff, Kristian Praizner, Armin Sabouri

원본 논문은 CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/) 라이선스로 제공됩니다. ✨ 이것은 아래 논문에 대한 AI 생성 설명입니다. 저자가 작성하거나 승인한 것이 아닙니다. 기술적 정확성을 위해서는 원본 논문을 참조하세요. 전체 면책 조항 읽기

이 논문은 비트코인 거래를 할 때 우리가 내는 '수수료 (Fee)'가 어떻게 결정되는지를 수학적으로 분석하고, 그 원리를 설명한 연구입니다.

비유하자면, 이 연구는 **"비트코인이라는 거대한 고속도로에서, 차들이 얼마나 빨리 목적지에 도착할지 (확인 시간) 와 그 대가로 내는 통행료 (수수료) 사이의 관계"**를 규명한 것입니다.

아래는 이 논문의 핵심 내용을 일상적인 언어와 비유로 풀어낸 설명입니다.

1. 문제 상황: 왜 수수료가 중요해졌나요?

과거에는 비트코인 채굴자들이 블록을 만들 때 받는 '보상 (블록 보상)'이 많아서, 거래 수수료는 크게 중요하지 않았습니다. 하지만 시간이 지나면서 이 보상이 줄어들고 있습니다. 이제 채굴자들은 거래 수수료에 더 의존하게 되었습니다.

하지만 수수료를 연구하기가 어렵습니다. 왜냐하면 블록체인 데이터만 보면 **"어떤 거래가 대기열 (메모풀) 에 얼마나 오래 기다렸는지"**를 알 수 없기 때문입니다. 마치 공항 보안 검색대에 서 있는 사람들 중, 누가 언제 통과했는지 알 수 없는 것과 비슷합니다.

2. 연구의 핵심: "대기열"을 직접 관찰하다

저자들은 직접 비트코인 노드 (컴퓨터) 를 운영하며 실시간으로 거래가 들어오고 나가는 모습을 기록했습니다. 이를 통해 마치 실시간 교통 상황 카메라를 켠 것처럼, 각 거래가 어떤 대기열 상황에 놓였는지, 얼마나 기다렸는지, 그리고 그 시간에 따라 수수료가 어떻게 변했는지를 정밀하게 분석했습니다.

3. 핵심 메커니즘: "속도"와 "비용"의 거래

이 논문은 비트코인 수수료를 **"우선순위 구매 시장"**으로 봅니다.

비유: 주말 오후의 고속도로를 상상해 보세요.
- 혼잡도 (Congestion): 도로가 꽉 막혀 있으면, 일반 차는 2 시간 걸리지만, **유료 차로 (VIP)**를 이용하면 30 분에 도착할 수 있습니다.
- 수수료 (Fee): 바로 이 '유료 차로'를 이용하는 대가입니다.
- 원리: 도로가 막힐수록 (혼잡할수록), 조금만 더 돈을 더 내면 도착 시간이 훨씬 단축됩니다. 그래서 사람들은 혼잡할 때 더 비싼 수수료를 기꺼이 지불합니다.

4. 주요 발견 사항 (연구 결과)

① "혼잡도"가 모든 것을 결정합니다

도로가 막히지 않을 때는 수수료가 낮습니다. 하지만 도로가 꽉 막히면 (메모풀이 가득 차면), 조금 더 높은 수수료를 내는 것만으로도 도착 시간이 획기적으로 빨라집니다.

결론: 사람들은 혼잡할 때 "시간을 아끼기 위해" 더 많은 돈을 지불합니다.

② "기다림의 가치"는 수수료에 반영됩니다

논문은 **"우선순위를 한 단계 높였을 때, 기다리는 시간이 얼마나 줄어드는가?"**를 계산했습니다.

만약 수수료가 10% 오를 때 도착 시간이 1 시간 줄어든다면, 사람들은 그 가치를 보고 수수료를 지불합니다.
반대로, 수수료가 10% 오를 때 도착 시간이 1 분도 줄지 않는다면 (도로가 비어있을 때), 사람들은 비싼 수수료를 내지 않습니다.

③ 특별한 거래 방식의 영향

RBF (Replace-by-Fee): "아, 내가 내린 수수료가 너무 적네요. 더 많이 낼게요!"라고 수정할 수 있는 기능입니다. 이 기능을 쓴 거래는 긴급함을 나타내는 신호로 받아들여져, 다른 거래보다 훨씬 비싼 수수료를 내는 경향이 있습니다.
CPFP (Child Pays For Parent): 부모 거래가 확인되지 않았을 때, 자식 거래에 높은 수수료를 붙여서 부모까지 함께 처리하게 만드는 방식입니다. 이 경우 수수료 구조가 일반 거래와 다르게 책정됩니다.

④ 놀라운 사실: "재사용" 속도는 중요하지 않았습니다

과거 연구에서는 "수취인이 받은 돈을 바로 다시 쓰는가?"가 수수료 결정에 중요하다고 했습니다. 하지만 이 연구에서는 그런 상관관계가 거의 없었습니다. 즉, 돈을 빨리 써야 한다는 이유만으로 사람들이 비싼 수수료를 내지는 않는다는 뜻입니다.

5. 결론: 이 연구가 우리에게 주는 교훈

이 논문은 비트코인 수수료 시장이 무작위가 아니라, 매우 논리적인 시장임을 증명했습니다.

사용자 관점: "지금 도로가 막혀 있으니, 빨리 가고 싶다면 더 비싼 통행료를 내야 한다"는 것을 수학적으로 증명했습니다.
기술적 관점: 블록체인 데이터만으로는 알 수 없었던 '대기열의 숨은 상태'를 직접 관찰함으로써, 수수료 형성의 진짜 원리를 파악했습니다.

한 줄 요약:

"비트코인 수수료는 **도로가 얼마나 막혔는지 (혼잡도)**와 **내가 얼마나 급한지 (기다림의 가치)**에 따라 결정되며, 사람들은 그 상황에 맞춰 합리적으로 돈을 지불한다."

이 연구는 앞으로 비트코인 네트워크가 더 성숙해지고, 채굴 보상이 줄어들어 수수료가 주 수입원이 될 때, 어떻게 하면 효율적으로 거래할 수 있는지에 대한 중요한 지도를 제공해 줍니다.

논문 개요: 비트코인 거래 수수료 모델링 및 추정

이 논문은 비트코인의 블록 보상 (block subsidy) 이 감소함에 따라 거래 수수료 (transaction fee) 의 중요성이 커지고 있지만, 관찰되지 않는 대기열 (queueing) 환경으로 인해 블록체인 데이터만으로는 수수료 형성 메커니즘을 분석하기 어렵다는 문제를 제기합니다. 저자들은 메모풀 (mempool) 을 희소한 블록 공간의 시장으로 간주하는 구조적 모델 (structural model) 을 개발하고, 자체 운영한 비트코인 노드에서 수집한 고빈도 메모풀 패널 데이터를 활용하여 이를 추정합니다.

1. 연구 문제 및 배경

문제 정의: 비트코인 채굴자는 블록 보상을 받기 위해 해시레이트를 투자하며, 블록 보상은 알고리즘적 보조금과 자발적 거래 수수료로 구성됩니다. 보조금이 감소함에 따라 수수료는 채굴자의 주요 수익원이 될 것입니다. 사용자는 거래의 우선순위 (priority) 를 확보하기 위해 수수료를 지불하며, 이는 대기 시간 (confirmation delay) 을 단축하는 대가입니다.
데이터의 한계: 기존 연구들은 주로 온체인 (blockchain) 데이터만 사용했는데, 이는 거래가 메모풀에 들어오고 나가는 과정, 대기열 상태, 수수료 상향 조정 (fee-bumping) 이벤트 등 수수료가 결정될 당시의 대기열 환경을 관찰하지 못한다는 치명적인 결함이 있습니다.
연구 목표: 메모풀을 Vickrey-Clarke-Groves (VCG) 메커니즘으로 간주하여, 우선순위와 지연 시간 간의 관계를 추정하고, 사용자의 지각된 인내심 (impatience) 이 수수료에 어떻게 반영되는지 규명하는 것.

2. 방법론 (Methodology)

가. 데이터 수집 (Novel Data)

소스: MIT 미디어랩 디지털 커런시 이니셔티브 (DCI) 가 운영하는 자체 비트코인 코어 (Core) 노드에서 수집된 고빈도 데이터.
기간: 2025 년 8 월 3 일 ~ 10 월 9 일 (약 9 주, 1,110 만 건 이상의 거래).
관측 항목: 거래 진입/퇴출, 블록 포함, RBF(Replace-by-Fee) 이벤트, CPFP(Child-Pays-For-Parent) 관계, 25 초 단위의 메모풀 스냅샷 (혼잡도, 대기열 크기 등).
특징: 기존 데이터에 누락된 '대기열 환경'을 재구성할 수 있는 유일한 고해상도 데이터셋입니다.

나. 이론적 모델

VCG 메커니즘: 메모풀을 우선순위 경매로 간주합니다. 채굴자는 블록 공간당 수익 (fee rate) 이 높은 거래를 우선 포함시킵니다.
수수료 결정식: 사용자는 지연 비용 ( $c_{it}$ $c_{i t}$ ) 과 우선순위로 인한 지연 감소량 ( $D(p_{it}, s_t)$ $D (p_{i t}, s_{t})$ ) 의 곱에 비례하는 수수료를 지불합니다.
- $\log b_{it} \approx \log c_{it} + \log D(p_{it}, s_t) + \log \text{Weight}_{it} + \text{const}$
- 여기서 $D$ 는 지연 시간 함수의 기울기 (slope) 로, 우선순위를 높였을 때 지연 시간이 얼마나 줄어드는지를 나타냅니다.

다. 계량경제적 전략 (2-Stage Estimation)

1 단계: 지연 기술 (Delay Technology) 추정
- 목표: 우선순위 (fee-rate percentile) 와 네트워크 상태 (혼잡도 등) 가 예상 확인 지연 시간 ( $W_{it}$ ) 에 미치는 영향을 추정.
- 방법: 랜덤 포레스트 (Random Forest) 회귀 모델 사용.
- 제약 조건: 우선순위가 높아지면 지연 시간이 줄어들어야 한다는 경제학적 제약 (단조성, monotonicity) 을 등위 회귀 (isotonic regression) 를 통해 강제 적용.
- 산출물: 각 거래의 관측된 우선순위에서의 국소 기울기 (local slope, $\hat{W}'_{it}$ ) 추정치. 이는 "우선순위를 한 단계 높였을 때 지연 시간이 얼마나 줄어드는가"를 의미합니다.
2 단계: 수수료 방정식 추정
- 목표: 추정된 지연 기울기와 거래 특성이 실제 수수료에 미치는 영향을 분석.
- 방정식: $\log b_{it} = \alpha_0 + \alpha_1 \log \hat{W}'_{it} + X'_{it}\beta + S'_t\theta + \xi_t + \epsilon_{it}$
- 특징:
  - $\alpha_1$ : 지연 기울기에 대한 수수료의 민감도 (핵심 구조적 계수).
  - $X_{it}$ : 거래 특성 (RBF, CPFP, 거래 크기, 유형 등).
  - $S_t$ : 상태 변수 (블록 공간 활용도, 마지막 블록 이후 시간, 메모풀 크기).
  - $\xi_t$ : 에포크 (30 분 단위) 고정 효과 (aggregate time variation 흡수).
  - 모노톤 스플라인 (Monotone Spline): 관찰되지 않는 '인내심 (impatience)' 변수를 유연하게 매핑하기 위해 사용.

3. 주요 결과 (Key Results)

가. 구조적 발견 (Structural Findings)

혼잡도가 지연의 주된 결정 요인: 블록 공간 활용도와 메모풀 깊이가 절대적인 지연 시간을 결정합니다.
수수료와 지연 기울기의 역관계: 모델의 핵심 예측인 ** $\alpha_1$ $α_{1}$ 계수는 통계적으로 유의미하게 음수 (-0.046)**로 추정되었습니다.
- 해석: 우선순위를 높였을 때 지연 시간이 크게 줄어드는 상황 (지연 기울기가 가파를 때, 즉 혼잡할 때) 에는 사용자가 더 낮은 수수료로도 원하는 속도를 얻을 수 있습니다. 반대로, 우선순위를 높여도 지연 시간이 거의 줄지 않는 상황 (기울기가 평평할 때) 에는 사용자들이 무리하게 높은 수수료를 지불해야 합니다. 이는 VCG 메커니즘의 예측과 일치합니다.

나. 제도적 요인의 영향

RBF (Replace-by-Fee): RBF 태그가 붙은 거래는 약 93% 높은 프리미엄을 지불합니다. 이는 높은 긴급성을 신호로 보내는 것으로 해석됩니다.
CPFP (Child-Pays-For-Parent): 독립적인 거래에 비해 약 15% 낮은 수수료를 지불합니다. 이는 패키지로 묶여 처리되기 때문입니다.
거래 유형: OP_RETURN 이나 인스크립션 (inscriptions) 을 포함한 데이터 전송 거래는 시간 민감도가 낮아 수수료가 낮게 책정됩니다.
블록 상태: 블록이 가득 찰수록, 그리고 이전 블록 생성 후 시간이 지날수록 수수료가 상승합니다.

다. 모델의 설명력

교차 단면 (Cross-sectional) vs 시계열: 모델은 동일한 에포크 내에서 거래 간 수수료 차이를 설명하는 데 매우 강력합니다 (교차 단면 설명력). 하지만 에포크 간의 전체 수수료 수준 변화 (시계열적 변동) 는 설명하지 못합니다. 이는 전체적인 시장 수요나 채굴자 행동과 같은 관찰되지 않은 거시적 요인이 에포크 고정 효과에 흡수되기 때문입니다.
재지출 (Re-spend) 데이터의 한계: 이전 연구 (Möser & Böhme, 2015) 와 달리, UTXO 재사용까지의 블록 수는 인내심의 유의미한 대리 변수가 되지 않았습니다.

4. 기여 및 의의 (Contributions & Significance)

새로운 데이터셋의 제시: 메모풀의 동적 환경 (대기열, 진입/퇴출, fee-bumping) 을 고빈도로 관측할 수 있는 최초의 고해상도 데이터셋을 구축했습니다. 이는 기존 온체인 데이터의 한계를 극복합니다.
구조적 모델의 실증: 비트코인 수수료 시장을 VCG 메커니즘으로 모델링하고, 이를 고차원적인 머신러닝 (랜덤 포레스트) 과 결합하여 구조적 계수를 추정했습니다.
정책 및 실용적 함의:
- 수수료 예측: 혼잡도 변화에 따른 수수료 반응을 정량화하여, 지갑 개발자나 거래소에게 더 정확한 수수료 추정 모델의 기초를 제공합니다.
- 메커니즘 설계 이해: 비트코인의 수수료 시장이 어떻게 작동하는지, 특히 혼잡 시 우선순위의 경제적 가치가 어떻게 형성되는지에 대한 이론적 근거를 제공합니다.
- RBF/CPFP의 경제적 가치: 다양한 수수료 상향 조정 메커니즘이 실제 시장에서 어떻게 가격 책정되는지를 입증했습니다.

5. 결론

이 논문은 비트코인 수수료 시장이 단순한 가격 결정이 아니라, 지연 시간과 우선순위 간의 복잡한 트레이드오프를 반영하는 시장임을 보여줍니다. 특히, 혼잡도가 심할 때 우선순위의 한계 가치 (marginal value) 가 어떻게 변화하는지를 정밀하게 측정함으로써, 비트코인 네트워크의 경제적 메커니즘을 이해하는 데 중요한 통찰을 제공합니다. 다만, 데이터 기간이 짧아 장기적 추론에는 주의가 필요하며, 향후 더 긴 기간의 데이터를 통해 모델의 정밀도를 높일 계획입니다.