"错失恐惧症如何驱动加密货币矿工行为？——基于狗狗币与莱特币的实证研究"

本研究针对加密货币市场中"错失恐惧症(FoMO)"对矿工决策的影响机制，通过构建DOGE-LTC合并挖矿的自然实验场，采用Q-VAR(分位数向量自回归)连通性分析方法，揭示了矿工在DOGE价格暴涨时呈现显著非对称响应模式，证实FoMO不仅影响投资者更直接作用于矿工群体，为加密货币市场行为异象提供了新的理论解释。

　　

在社交媒体与金融市场深度交融的数字化时代，一种名为"错失恐惧症(Fear of Missing Out, FoMO)"的心理现象正悄然重塑着投资行为。这种对他人获得收益而自身错失机会的持续性焦虑，在加密货币市场表现得尤为突出——当狗狗币(DOGE)因马斯克的一条推文单日暴涨300%时，无数散户疯狂涌入的现象便是明证。然而鲜为人知的是，在这场非理性狂欢中，本应扮演市场稳定器的矿工群体，其行为决策同样可能被FoMO所裹挟。

传统认知中，加密货币矿工作为区块链网络的维护者和新币创造者，其通过算力投入获取代币的行为本应基于成本收益计算。但韩国国立研究基金会支持的研究团队发现，当DOGE这类" meme币"（价值主要源自网络迷因文化的加密货币）遭遇价格暴涨时，矿工会显著增加对该币种的算力分配，这种响应强度远超同类非meme币莱特币(LTC)的价格波动影响。这种非对称性反应模式暗示：在信息高度不透明的加密货币市场，即便是掌握专业技术的矿工群体，也难以避免被社交媒体放大的FoMO效应所影响。

为验证这一假设，研究人员巧妙利用了DOGE与LTC支持"合并挖矿"（Auxiliary Proof-of-Work）的技术特性。这种允许矿工同步挖掘两种币种而几乎不增加成本的独特机制，天然控制了硬件转换成本等干扰变量，使研究者能聚焦于心理因素对矿工决策的纯影响。通过采集2017-2024年共89个月的日频哈希率与收益率数据，团队创新性地采用分位数向量自回归(Q-VAR)连通性分析法，在极端价格波动情境下捕捉矿工行为的非线性特征。

关键技术方法包括：从BitInfoCharts获取DOGE/LTC的日频哈希率与收益率数据；构建合并挖矿参与度指标（DOGE哈希率增长与LTC哈希率增长的比值）；采用Q-VAR模型分析极端收益率对挖矿决策的非对称影响；通过子样本分析验证2021年DOGE价格异常波动期的结论稳健性。

【Related literature and research background】
研究揭示加密货币市场对FoMO具有三重特殊敏感性：估值缺乏传统资产锚定、零售投资者主导的市场结构、与社交媒体的深度耦合。而矿工作为潜在的价格纠正者，其是否受FoMO影响成为理解市场效率的关键。

【Methodology】
通过Q-VAR模型检测到：当DOGE收益率处于90%高分位数时，其对合并挖矿参与度的预测能力达32.7%，而LTC对应情境仅17.4%。这种资产依赖型非对称响应，证实meme币的FoMO效应会直接传导至矿工决策层。

【Data】
数据分析显示DOGE在2021年极端行情期间，其哈希率增长对正收益的弹性系数达0.48，是LTC同类情境的2.1倍。子样本分析排除2021年后，DOGE仍保持显著的非对称响应特征。

【Conclusion】
研究首次实证证实矿工群体存在FoMO驱动行为，解开了"为何加密货币市场更易受FoMO影响"的理论悖论。发现矿工在DOGE价格暴涨时会主动调整算力分配，却对LTC价格波动反应平淡，这种选择性的敏感度印证了meme币特有的社会叙事强化机制。

该发现对监管实践具有双重启示：一方面表明单纯提高矿工专业化程度未必能增强市场稳定性，需同步治理社交媒体信息生态；另一方面为识别市场过热提供了新指标——当特定币种哈希率与价格出现协同暴涨时，可能预示FoMO驱动的非理性繁荣正在形成。研究通过融合行为金融学与区块链技术分析，为数字资产市场的微观行为研究开辟了新范式。