Global HashCost Index

Open indicator of Bitcoin’s production cost.

GHI – Global HashCost Index • API v1.1 • Methodology v1.0 • Engine v0.4.2-sandbox

Langue / Language : FR · EN

Méthodologie GHI v1.0.0

Cette page décrit les grands principes de la méthodologie du Global HashCost Index (GHI), version v1.0.0. Le moteur actuellement déployé est le Sandbox Engine v0.4.0-sandbox : il fournit un jeu de données factices mais stables, destiné 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 par grandes régions.
  • Documenter clairement les hypothèses et versions de modèle.

2. Périmètre et définitions

  • Coût de production : coût énergétique direct pour miner 1 BTC, exprimé en USD/BTC (hors CAPEX, frais financiers, etc.).
  • 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 version v1.0.0 distingue trois couches :

  1. Sources réseau : difficulté, hashrate, récompense par bloc, prix BTC (sources publiques spécialisées).
  2. Sources régionales : profils de machines, tarifs électriques, facteurs de charge, profils horaires.
  3. Couche d’agrégation : calculs régionaux puis agrégat mondial GHI.

4. Modèle de coût (schéma simplifié)

Pour une région donnée R, le coût énergétique unitaire est calculé à partir de :

  • Puissance installée (MW) issue du parc d’ASICs.
  • Efficacité énergétique moyenne (J/TH).
  • Hashrate réseau global et part de hashrate attribuée à la région.
  • Prix moyen de l’électricité (USD/MWh).

Schéma conceptuel :

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

Les valeurs min / avg / max sont obtenues en appliquant des scénarios bas / centraux / hauts sur :

  • l’efficacité des machines (ASIC plus ou moins récents) ;
  • les tarifs électriques (plancher / médian / plafond) ;
  • le profil d’utilisation (facteur de charge).

5. Agrégation globale (GHI mondial)

Une fois les coûts régionaux calculés, le GHI mondial est obtenu par une agrégation pondérée :

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

6. Versions et stabilité

  • GHI_VERSION : 1.0.0
  • METHODOLOGY_VERSION : 1.0.0
  • Sandbox Engine : v0.4.0-sandbox

Le moteur Sandbox v0.4.0 produit un jeu de données déterministe : les mêmes appels API donnent toujours les mêmes valeurs, afin de faciliter les tests et la vérification par des tiers.

7. Limites actuelles du modèle (v1.0.0)

La version 1.0.0 du GHI repose sur un ensemble d’hypothèses publiques simplifiées. Certaines limites sont connues et assumées :

  • Données du Sandbox : non représentatives des coûts réels.
  • Hypothèses régionales simplifiées (mix machines et tarifs agrégés).
  • Pas encore de segmentation par type d’acteur (industriel vs retail).
  • Pas de prise en compte des coûts non énergétiques (CAPEX, OPEX hors énergie).
  • Granularité sous-régionale limitée (pas encore de distinction fine par État, province, zone énergétique).
  • Pas d’intégration explicite de la tarification dynamique intra-journalière (modèles time-of-use avancés).
  • Absence, dans la version publique, de données propriétaires issues de centres miniers réels.

Ces éléments sont gérés dans le moteur privé et pourront rejoindre la version publique à mesure que les standards de transparence et de confidentialité le permettront.

8. Alignement académique et comparabilité

Le GHI s’inscrit dans la continuité des travaux existants sur les coûts de production du Bitcoin, notamment :

  • indices de consommation électrique et de coût de production (ex. indices sectoriels) ;
  • rapports d’analystes sur la rentabilité minière ;
  • publications universitaires sur le coût marginal de production ;
  • modèles financiers de “marginal cost of production”.

Le GHI se distingue par trois éléments structurants :

  1. un standard public versionné (API v1.0, méthodologie 1.0.0) ;
  2. une séparation stricte entre moteur public (sandbox) et moteur privé (réel) ;
  3. un modèle global multi-régions avec agrégation min / avg / max.

9. Structure du Data Model et formule simplifiée

Le Data Model v1.0 structure chaque sortie du moteur autour de trois blocs :

  • Global Snapshot – fourchette globale min / avg / max ;
  • Regions – coûts régionaux et métadonnées associées ;
  • History – séries temporelles normalisées.

La formule simplifiée exposée dans la documentation publique : 

cost_btc = energy_cost_usd / BTC_minés_par_jour

correspond à une approximation linéaire du modèle interne. Le moteur privé utilise une variante non linéaire calibrée incluant notamment :

  • la distribution des ASIC par génération ;
  • des ajustements d’efficacité ;
  • le rendement énergétique réel par région ;
  • des pondérations réseau Bitcoin (difficulté, hashrate, blocs orphelins éventuels) ;
  • des facteurs de stabilité instantanés.

10. Feuille de route méthodologique

  • v1.x : raffinement des hypothèses régionales, meilleure couverture des sources publiques, documentation élargie du Data Model.
  • v2.0 : intégration de données réelles multisources, documentation détaillée par région, transparence accrue sur les hypothèses privées.
  • v2.x : scénarios avancés (mix énergétique, stress tests, sensibilité prix, métriques CO₂ et taxation énergétique).

GHI Methodology v1.0.0

This page describes the core principles of the Global HashCost Index (GHI) methodology, version v1.0.0. The currently deployed engine is the Sandbox Engine v0.4.0-sandbox, which 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 versions 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 v1.0.0 methodology uses three layers:

  1. Network sources: difficulty, hashrate, block subsidy, BTC price (specialized public data providers).
  2. Regional sources: machine profiles, electricity tariffs, load factors, hourly patterns.
  3. Aggregation layer: regional computations then 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);
  • utilization profile (load factor).

5. Global aggregation (world GHI)

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. Versions and stability

  • GHI_VERSION: 1.0.0
  • METHODOLOGY_VERSION: 1.0.0
  • Sandbox Engine: v0.4.0-sandbox

The Sandbox Engine v0.4.0-sandbox produces a deterministic dataset: identical API calls always return the same values, to ease testing and third-party validation.

7. Current model limitations (v1.0.0)

Version 1.0.0 of the GHI relies on simplified public assumptions. A number of limitations are known and explicitly acknowledged:

  • 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) yet.
  • Non-energy costs (CAPEX, non-energy OPEX) are not included.
  • Limited sub-regional granularity (no fine-grained breakdown by state, province or energy zone yet).
  • No explicit modelling of advanced intra-day dynamic pricing (time-of-use schemes).
  • Proprietary real-world mining site data is not exposed in the public engine.

These components are handled inside the private engine and may be progressively reflected in the public version as transparency and confidentiality standards allow.

8. Academic alignment and comparability

The GHI is broadly aligned with existing work on Bitcoin production costs, including:

  • sector indices on electricity consumption and production costs;
  • industry and analyst reports on mining profitability;
  • academic studies on the marginal cost of Bitcoin production;
  • financial “marginal cost of production” models.

The GHI differentiates itself through three structural features:

  1. a versioned public standard (API v1.0, methodology 1.0.0);
  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

The Data Model v1.0 organises each engine output into three components:

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

The simplified public formula: 

cost_btc = energy_cost_usd / BTC_mined_per_day

is a linear approximation of the internal model. The private engine uses a calibrated nonlinear form that includes, among others:

  • ASIC generation distribution;
  • efficiency corrections;
  • real energy performance per region;
  • Bitcoin network weighting factors (difficulty, hashrate, potential orphan blocks);
  • instantaneous stability factors.

10. Methodology roadmap

  • v1.x: refine regional assumptions, strengthen public data coverage, extend Data Model documentation.
  • v2.0: integrate multi-source real data, publish detailed regional documentation, increase transparency on private assumptions.
  • v2.x: advanced scenarios (energy mix, stress tests, price sensitivity, CO₂ metrics and energy taxation).