NFT 시장 프리미엄 평가 모델에 대한 자세한 설명, NFT 가격을 더 잘 계산할 수 있나요?

深潮TechFlow

特邀专栏作者

2023-10-24 21:00 (UTC+8)

이 기사는 약 2743자로, 전체를 읽는 데 약 4분이 소요됩니다

이 기사에서는 시장 인프라와 기본 원칙을 고려한 새로운 가치 평가 모델을 만드는 것을 목표로 하는 새로운 프리미엄 가치 평가 모델을 소개합니다.

AI 요약

이 기사에서는 시장 인프라와 기본 원칙을 고려한 새로운 가치 평가 모델을 만드는 것을 목표로 하는 새로운 프리미엄 가치 평가 모델을 소개합니다.

원작자: Yusen Zhan, Black, Ziang (Tony) Ling

원본 편집: Deep Chao TechFlow

참고: 이 기사는 Stanford Blockchain Review에서 발췌한 것입니다. TechFlow는 Stanford Blockchain Review의 파트너이며 편집 및 재인쇄할 수 있는 독점 권한이 있습니다.

소개하다

진화하는 대체 불가능한 토큰(NFT)의 세계에서 효과적인 가격 책정 모델에는 복잡성과 설명 가능성 간의 균형이 필요합니다. 예를 들어, 하한 가격 지표는 NFT 거래에서 자주 사용됩니다. 대부분의 경우 하한 가격은 대략적인 시작점과 기준 지표를 반영하지만 일반적으로 NFT의 내재 가치나 특성을 정확하게 반영하지 않습니다.

역사적으로 많은 NFT 가격 책정 모델은 GBDT(Gradient Boosted Decision Tree)에 의존해 왔습니다. 신뢰할 수 있는 예측을 제공하지만 복잡하고 해석하기 어렵습니다. 본 글에서는 시장 인프라와 기본 원칙을 고려한 새로운 가치평가 모델 창출을 목표로 하는 새로운 프리미엄 가치평가 모델을 소개합니다. 우리는 NFT 공간의 창작자, 거래자, 수집가가 NFT의 미묘한 특성을 더 많이 포착함으로써 NFT 가격 책정의 복잡성을 더 잘 이해할 수 있기를 바랍니다.

기준선: 기울기 기반 의사결정 트리 모델

현재 NFT 가격 책정을 위한 일반적인 모델링 기술은 GBDT(Gradient Boosted Decision Tree)입니다. 이 앙상블 학습 접근 방식은 단일 트리가 설정된 기준에 따라 결정을 내리는 의사 결정 트리의 기본 원리에서 비롯됩니다. 그러나 GBDT는 여러 개의 트리를 연속적으로 구축한다는 점에서 독특합니다. 새로운 트리가 만들어질 때마다 이전 트리의 오류를 수정하고 점차적으로 통합의 정확도를 높이려고 시도합니다. 이러한 체계적이고 반복적인 접근 방식은 GBDT 모델에 복잡한 데이터 패턴과 미묘한 차이를 식별하고 통합하는 기능을 제공합니다.

GBDT 모델의 장점

복원력: GBDT는 데이터 세트의 이상값을 견딜 수 있으므로 다양한 데이터 시나리오에 적합합니다.
혼합 데이터 처리: GBDT는 범주형 특성과 숫자 특성이 모두 포함된 데이터 세트를 원활하게 관리할 수 있습니다.
자동 기능 선택: 모델의 특성상 관련 기능의 우선순위를 지정할 수 있으므로 중요한 기능 엔지니어링의 필요성이 줄어드는 경우가 많습니다.
과적합 감소: 앙상블 및 반복 수정의 특성으로 인해 GBDT는 일반적으로 단일 의사결정 트리보다 과적합이 적습니다.

GBDT 모델의 과제와 한계

복잡성: 여러 의사결정 트리의 앙상블로서 GBDT의 내부 작동을 이해하거나 특정 의사결정 경로를 추적하는 것은 복잡할 수 있습니다.
학습 시간: GBDT는 반복적 특성으로 인해 일반적으로 단순 모델보다 더 긴 학습 시간이 필요합니다.
메모리 집약적: 여러 의사결정 트리를 저장하려면 많은 양의 메모리가 필요하며 이는 리소스가 제한된 환경에서 제한이 될 수 있습니다.

복잡성과 투명성 부족: 핵심 문제

NFT 가격 책정의 맥락에서 GBDT의 가장 큰 과제는 투명성이 부족하다는 것입니다. 모델이 가격이나 가치 평가를 제공할 수는 있지만 블랙박스 알고리즘이므로 특정 가격에 도달한 이유를 간단히 설명할 수는 없습니다.

GBDT의 주요 장점 중 하나, 즉 여러 의사결정 트리에서 미묘한 데이터 패턴을 캡처하는 것은 이해관계자에게 가격 결정을 정당화하거나 설명해야 할 때 양날의 검이 됩니다. 이러한 명확한 해석 가능성이 부족하여 NFT 공간의 다양한 이해관계자가 가격 측정 기준을 이해하기 어렵습니다. 따라서 이는 정확하고 해석 가능한 가격 모델을 제공하는 것의 중요성을 강조합니다.

프리미엄 모델 개요

위에서 언급했듯이 우리는 이러한 디지털 자산의 기본 원칙 및 특성에 맞춰 가격을 조정하여 정확성과 설명 가능성의 균형을 맞추는 NFT 가격 책정을 위한 프리미엄 모델을 출시합니다.

NFT 가격에는 컬렉션 기반 가치와 해당 자산에 대한 프리미엄이 포함됩니다. 프리미엄 모델의 핵심 공식은 다음과 같습니다.

가치 평가: NFT의 예측 가치입니다.
하한 가격: 시장의 특정 컬렉션이나 카테고리에서 NFT에 대해 현재 표시된 최저 판매 가격입니다.
절편: 일반적으로 상향 또는 하향 조정될 수 있는 고유 요인을 고려하여 가격 하한선에 대한 기본 조정으로 볼 수 있습니다.
기능 가중치: 해당 기능이 NFT 가격에 어떤 영향을 미치는지 결정하기 위해 각 기능에 할당된 계수입니다. 각 기능은 가격 하한선에 대한 상대적 가치에 비례하여 예상 가격에 영향을 미칩니다.
기능 프리미엄: NFT의 구체적이고 매력적인 기능이나 특징에 부여된 추가 가치입니다. 이는 하한 가격과 해당 기능 가중치의 곱입니다.
컬렉션 기반 가치: 이는 하한 가격에서 파생된 컬렉션 내 NFT의 기본 가치를 나타내며 일반적인 시장 상황이나 특정 특성과 관련되지 않은 기타 요인을 고려한 절편의 영향을 받을 수 있습니다.

프리미엄 가치평가 모델 도출

프리미엄 모델에서는 선형 회귀를 사용하여 특정 특성이 NFT의 예상 가격에 어떤 영향을 미치는지 분석합니다. 선형 회귀 모델은 특성 가중치와 가격 하한선을 변수로 사용하여 NFT의 고유 특성과 현재 시장 기준을 기반으로 NFT 가격을 효과적으로 예측할 수 있습니다.

프리미엄 모델에는 다음이 포함됩니다.

간단한 변환 후에는 다음을 얻습니다.

왼쪽을 y로, 오른쪽을 선형 회귀 형식으로 바꾸면 다음을 얻습니다.

안에:

y는 예측된 출력입니다.
x는 NFT 특성을 나타내는 1비트의 유효한 인코딩 벡터입니다. 벡터의 각 위치는 특정 특징을 나타내며, NFT가 가지고 있는 특징에 해당하는 위치의 벡터는 다음과 같습니다."hot"(즉, 1로 설정), 그렇지 않으면 0입니다.
w는 가중치 벡터이며, 각 요소는 NFT 가격을 결정할 때 특정 기능과 관련된 가중치를 나타냅니다.
b는 특성과 관계없이 예측을 조정하는 절편입니다.

wT * x 항은 두 벡터의 내적으로 계산됩니다. 즉,

실제 사용에서는 3가지 특성(A, B, C)이 있다고 가정합니다. 속성 B와 C를 가진 NFT는 1비트 유효 벡터 x = [0, 1, 1]로 표현됩니다. 선형 회귀 모델은 각 특성에 대해 학습된 가중치와 절편을 기반으로 NFT의 가격을 예측하므로 특성 가중치의 합을 wTx로 다시 작성할 수 있습니다. 오픈 소스 기계 학습 라이브러리를 사용하여 선형 회귀 모델을 구현하고 위의 분석을 기반으로 프리미엄 모델을 구축할 수 있습니다.

평가 시연

우리는 고급 가격 모델을 사용하여 희귀한 Bored Ape Yacht Club #7403의 가격을 책정할 수 있습니다. 다음은 이 토큰에 해당하는 기본 정보입니다.

이 NFT에는 Trippy Fur, Faux Hawk Hat, Angry Eyes, Aquamarine 배경, Silver Hoop Earring 및 Phoneme Mouth를 포함한 다양한 기능이 있습니다. 이 중 트리피 퍼(Trippy Fur)는 가장 희귀한 속성으로 간주됩니다. GoPricing API에 따르면 #7403의 평가 결과는 다음과 같습니다.

"pricing"토큰 7403의 예상 가격은 104.42672366856866 ETH입니다."floor"신청 당시의 하한가입니다. 예상 가격은 다음과 같이 나눌 수 있습니다.

위의 예에서는 다음 데모와 같이 가중치 대신 프리미엄을 계산하고 최종 견적을 사용자에게 표시하면 됩니다.

프리미엄 가치평가 모델의 장점

위의 가치평가 모델에 대한 이론적 도출과 실제적인 시연을 통해 우리는 이것이 가격 전략을 위한 실용적이고 시장 일관성 있는 프레임워크를 어떻게 제공하는지 확인할 수 있습니다. 이는 결과적으로 가치 평가에 대한 실용적이고 적응적이며 투명한 접근 방식을 허용합니다. 고급 평가 모델의 주요 특징과 장점을 다음과 같이 요약할 수 있습니다.

선형: 프리미엄 모델은 가격 하한선과 선형 관계를 유지하여 결정된 가중치 세트를 기반으로 NFT와 기능 간의 가격 비율을 일관되게 유지합니다.
투명성: 눈에 띄는 특징은 모델의 고유한 투명성입니다. 매개변수를 쉽게 확인할 수 있을 뿐만 아니라 평가 프로세스 중에 명확한 가시성을 제공하기 때문입니다.
실시간 반응성: 모델은 NFT의 가격이 하한 가격의 변화를 반영하는 실시간이므로 평가가 항상 현재 시장 역학과 동기화되도록 보장합니다.
신뢰할 수 있는 중립성: 인지된 희소성 또는 감상적 가치와 같은 제3자 편향을 피하고 매개변수는 선형 평균을 통해 파생되며 엄격하게 거래 내역을 기반으로 하며 학습 중 판매 가격과 하한 가격만 입력으로 사용합니다.
해석 가능성:
명확한 매개변수: 가중치이든 절편이든 각 매개변수는 실제적인 의미를 가지며 NFT 분야 특성의 중요성과 기본 가치를 명확히 합니다.
공유 기능 가중치: 기능이 다양한 NFT에 침투하는 방식과 유사하게 기능 가중치는 다양한 NFT 가격에서 공유되어 통합되고 일관된 가치 평가 접근 방식을 보장합니다.

따라서 프리미엄 모델은 투명성을 보장하면서 단순성과 복잡성의 균형을 유지합니다. 명확성, 적응성 및 공정성에 중점을 둠으로써 NFT의 가치를 정확하고 효율적으로 평가하기 위한 견고한 기반을 제공합니다.

결론적으로

가격 모델은 투명성이 매우 중요하게 여겨지는 빠르게 진화하는 NFT 시장에서 매우 중요합니다. GBDT와 같은 트리 기반 모델이 널리 사용되었지만 복잡성으로 인해 문제가 발생할 수 있습니다. 이 문제를 해결하기 위해 사람들은 보다 투명한 선형 프리미엄 모델로 눈을 돌렸습니다.

앞으로 우리는 프리미엄 모델을 NFT 가격 오라클, 대출 프로토콜 및 자동화된 시장 조성자(AMM)와 통합할 것으로 기대합니다. 예를 들어, Chainlink와 같은 NFT 가격 오라클에서 프리미엄 모델은 가격 입력을 개선하고 보다 안정적인 가격 피드백을 보장할 수 있습니다. BendDAO와 같은 NFT 대출 프로토콜에서 고급 가격 모델은 안전한 NFT 모기지 대출을 촉진하여 DeFi에서 NFT를 위한 새로운 길을 열 수 있습니다.

또한 Uniswap v4와 같은 NFT AMM에서 고급 가격 책정 모델은 변환 알고리즘을 향상하여 보상을 NFT 가치 및 희귀성에 맞출 수 있습니다. 이 외에도 프리미엄 모델은 NFT 플랫폼 및 금융 애플리케이션에서 강력하고 투명하며 사용자 친화적인 가격 책정 메커니즘을 유지하면서 NFT의 분산된 소유권을 안내하고, NFT 지수를 형성하고, 합성 NFT의 발전을 주도할 수 있습니다.

NFT

Odaily 공식 커뮤니티에 가입하세요