Global HashCost Index

Open indicator of Bitcoin’s production cost.

GHI – Global HashCost Index • API v1.1 • Methodology v1.0 • Engine v0.4.3-sandbox

Langue / Language : FR · EN

GHI Methodology

This page describes the core principles of the Global HashCost Index (GHI) methodology. The public implementation relies on a Sandbox engine that provides synthetic but deterministic data for prototyping and integration testing.

1. GHI objective

  • Provide an open, reproducible measure of the Bitcoin production cost.
  • Offer both a global metric and regional breakdowns.
  • Document all assumptions and model structures clearly.

2. Scope and definitions

  • Production cost: direct energy cost to mine 1 BTC, expressed in USD/BTC (excluding CAPEX and financing costs).
  • Region: coherent geographical aggregate (e.g. North America, Europe, Asia ex-China).
  • Machine mix: representative combination of ASICs (efficiency in J/TH, installed power).
  • Tariff mix: assumptions on electricity prices (base load, peak/off-peak, industrial contracts).

3. Data architecture

The public methodology uses three layers:

  1. Network sources: difficulty, hashrate, block subsidy, BTC price (specialised public data providers).
  2. Regional sources: machine profiles, electricity tariffs, load factors, hourly patterns.
  3. Aggregation layer: regional computations followed by global GHI aggregation.

4. Cost model (simplified)

For a given region R, the unit energy cost is derived from:

  • Installed power (MW) from the ASIC fleet.
  • Average efficiency (J/TH).
  • Global network hashrate and regional hashrate share.
  • Average electricity price (USD/MWh).

Conceptual scheme:

energy_per_BTC_R   = (total_energy_R / BTC_mined_R)
energy_cost_BTC_R = energy_per_BTC_R × avg_electricity_price_R

The min / avg / max values are produced by applying low / central / high scenarios on:

  • machine efficiency (older vs newer ASICs);
  • electricity tariffs (floor / median / ceiling);
  • utilisation profile (load factor).

5. Global aggregation

Once regional costs are computed, the global GHI is produced via weighted aggregation:

  • weights based on estimated regional hashrate shares;
  • resulting global band: min_cost, avg_cost, max_cost.

6. Stability and reproducibility

The Sandbox engine produces a deterministic dataset: identical API calls always return the same values, to ease testing, validation and third-party integration.

7. Current model limitations

  • Sandbox data is not representative of actual production costs.
  • Simplified regional assumptions (aggregated machine and tariff profiles).
  • No segmentation by type of miner (industrial vs retail).
  • Non-energy costs (CAPEX, non-energy OPEX) are not included.
  • Limited sub-regional granularity.
  • No explicit modelling of advanced intra-day dynamic pricing.
  • Proprietary real-world mining site data is not exposed publicly.

8. Academic alignment and comparability

The GHI is broadly aligned with existing work on Bitcoin production costs, including industry indices, analyst reports and academic research.

The GHI differentiates itself through three structural features:

  1. a public, documented methodology;
  2. a strict separation between public (sandbox) and private (real) engines;
  3. a global multi-region model with min / avg / max aggregation.

9. Data model structure and simplified formula

Each engine output is organised into three components:

  • Global Snapshot – global min / avg / max band;
  • Regions – regional costs and associated metadata;
  • History – normalised time-series.

Simplified public formula:

cost_btc = energy_cost_usd / BTC_mined_per_day

This is a linear approximation of the internal model. The private engine uses a calibrated nonlinear formulation that includes, among others, ASIC generation distribution, efficiency corrections and real energy performance per region.

10. Methodology roadmap

  • v1.x: refinement of regional assumptions and public documentation.
  • v2.0: integration of multi-source real data and detailed regional disclosures.
  • v2.x: advanced scenarios (energy mix, stress tests, price sensitivity, CO₂ metrics and energy taxation).

Méthodologie GHI

Cette page décrit les principes fondamentaux de la méthodologie du Global HashCost Index (GHI). L’implémentation publique repose sur un moteur Sandbox fournissant des données factices mais déterministes, destinées au prototypage et aux tests d’intégration.

1. Objectif du GHI

  • Fournir un indicateur ouvert et reproductible du coût de production du Bitcoin.
  • Proposer une mesure globale et régionale.
  • Documenter clairement les hypothèses et structures de modèle.

2. Périmètre et définitions

  • Coût de production : coût énergétique direct pour miner 1 BTC, exprimé en USD/BTC (hors CAPEX et coûts financiers).
  • Région : agrégat géographique cohérent (ex. Amérique du Nord, Europe, Asie hors Chine).
  • Mix machines : combinaison représentative d’ASICs (efficacité en J/TH, puissance installée).
  • Mix tarifaire : hypothèses de prix de l’électricité (base, heures pleines/creuses, contrats industriels).

3. Architecture des données

La méthodologie publique distingue trois couches :

  1. Sources réseau : difficulté, hashrate, récompense par bloc, prix BTC.
  2. Sources régionales : profils machines, tarifs électriques, facteurs de charge, profils horaires.
  3. Couche d’agrégation : calculs régionaux puis agrégation globale.

4. Modèle de coût (schéma simplifié)

énergie_par_BTC_R   = (énergie_totale_R / BTC_minés_R)
coût_énergie_BTC_R = énergie_par_BTC_R × prix_moyen_électricité_R

5. Agrégation globale

  • pondération par part de hashrate estimée ;
  • production d’une fourchette globale min_cost, avg_cost, max_cost.

6. Stabilité et reproductibilité

Le moteur Sandbox produit un jeu de données déterministe, facilitant les tests et la vérification par des tiers.

7. Limites actuelles

  • Données Sandbox non représentatives des coûts réels.
  • Hypothèses régionales simplifiées.
  • Absence de segmentation fine par type d’acteur.
  • Coûts non énergétiques non inclus.
  • Granularité sous-régionale limitée.

8. Alignement et comparabilité

Le GHI s’inscrit dans la continuité des travaux existants sur le coût de production du Bitcoin, tout en proposant une structure multi-régions ouverte et documentée.

9. Structure du Data Model

  • Global Snapshot
  • Regions
  • History

10. Feuille de route méthodologique

  • v1.x : amélioration progressive des hypothèses publiques.
  • v2.x : scénarios avancés et intégration de données réelles.