บทความนี้มาจาก:Blockin.ai & nftin.ai，บทความนี้มาจาก:

เผยแพร่โดย Odaily โดยได้รับอนุญาต

นับตั้งแต่การพัฒนาตลาดสินทรัพย์ดิจิทัล สัญลักษณ์สถานะและมูลค่าทางสังคมที่เป็นตัวแทนได้กลายเป็นมูลค่าเชิงพาณิชย์ใหม่ และ NFT (Non-fungible Token) เป็นสัญลักษณ์ของมูลค่าการค้านี้ ในฐานะสินทรัพย์ดิจิทัลที่เข้ารหัส NFT คือ ใบรับรองสินทรัพย์ดิจิทัลที่ไม่เป็นเนื้อเดียวกันถูกสร้าง บำรุงรักษา และดำเนินการโดยสัญญาอัจฉริยะ ซึ่งมีลักษณะเฉพาะ หายาก และไม่สามารถทำซ้ำได้ การประเมินคุณค่าของ NFT มาจากหลายแง่มุม เช่น ความขาดแคลน การได้รับการยอมรับจากชุมชน ผู้ถือครอง ฯลฯ แม้ว่าจะเป็นซีรีส์เดียวกัน แต่ลักษณะและรูปแบบของ NFT แต่ละรายการก็แตกต่างกัน ระดับความสนใจของคุณลักษณะที่แตกต่างกัน ประวัติความเป็นเจ้าของ ฯลฯ . รูปแบบที่ไม่ซ้ำกัน ดังนั้น valuation จึงมีความสำคัญอย่างยิ่ง เราหวังว่าจะ สร้างระบบการประเมินมูลค่าที่ดีขึ้นและให้ราคาอ้างอิงที่เชื่อถือได้สำหรับธุรกรรมที่รวดเร็วในตลาด

ด้วยความช่วยเหลือจากประวัติการทำธุรกรรมบนเครือข่ายของ NFT และข้อมูลเมตาของ NFT อันดับแรก เราคำนวณคะแนนความหายากของสินค้าในคอลเลกชันต่างๆ ประการที่สอง เราประเมินความสัมพันธ์ระหว่างความหายากของ NFT และราคา และสุดท้าย เราประเมินมูลค่าด้วยความสัมพันธ์ที่แท้จริง ระบบราคาตามแผนที่ระดับความหายากได้รับการศึกษาและตรวจสอบย้อนหลังในหลายโครงการ

ชื่อเรื่องรอง

ส่วนที่ 1 การคำนวณความหายากของ NFT

ตามชื่อที่แนะนำ ความหายากของ NFT วัดความหายากของ NFT เมื่อเทียบกับของสะสมอื่นๆ เมื่อดูที่แอตทริบิวต์ เราอาจระบุได้ว่า NFT มีลักษณะเฉพาะที่หายาก แต่ NFT นี้หายากเพียงใดเมื่อเทียบกับ NFT อื่นๆnftin.aiใช้ BAYC เป็นตัวอย่าง

ดังที่แสดงไว้ข้างต้น BAYC มีลักษณะที่แตกต่างกัน 7 ประการ: พื้นหลัง เสื้อผ้า ต่างหู ตา ขน หมวก และปาก

มีคุณลักษณะย่อยที่แตกต่างกันในแต่ละคุณลักษณะ และเราจะคำนวณความถี่ตามสัดส่วนของคุณลักษณะย่อยนั้น เป็นที่น่าสังเกตว่าเราใช้การนับลักษณะของคุณลักษณะเป็นคุณลักษณะที่ได้รับมาในการคำนวณสัดส่วน เนื่องจากแต่ละ NFT มีคุณสมบัติหลายอย่างและคุณสมบัติย่อยของมัน จึงต้องมีวิธีรวมความหายากของคุณสมบัติทั้งหมดให้เป็นค่าเดียวเพื่อจัดอันดับความหายาก

ก่อนหน้านี้มีหลายวิธีในการคำนวณความหายาก: การจัดอันดับความหายากของลักษณะ (จัดอันดับเฉพาะลักษณะที่หายากที่สุด), ความหายากของลักษณะโดยเฉลี่ย (เฉลี่ยความหายากของลักษณะทั้งหมดเข้าด้วยกัน), ความหายากทางสถิติ (รวมความหายากของลักษณะทั้งหมดเข้าด้วยกัน) แต่ลักษณะ การจัดอันดับความหายากให้ความสำคัญกับลักษณะที่หายากมากเกินไป และการคำนวณความหายากโดยเฉลี่ยและสถิติจะทำให้คุณสมบัติหายากเจือจางลง ดังนั้น การสะสมคะแนนฟีเจอร์หายากเป็นคะแนนหายากจึงสามารถแก้ปัญหาข้างต้นได้ดีกว่า

แนวคิดหลักคือการให้คะแนนความหายากของคุณสมบัติแต่ละอย่างของ NFT เดียว จากนั้นเพิ่มคะแนนความหายากของคุณสมบัติทั้งหมดของ NFT เพื่อให้ได้คะแนนความหายากทั้งหมดของ NFT นั่นคือ คะแนนความหายากทั้งหมดของ NFT คือผลรวมของคะแนนความหายากของค่าคุณสมบัติทั้งหมด และสูตรการคำนวณเฉพาะมีรายละเอียดอยู่ในภาคผนวก

ตัวอย่างมีดังนี้:

ขั้นแรก ให้คำนวณสัดส่วนของคุณสมบัติย่อย

จากนั้น คำนวณคะแนนคุณลักษณะย่อยและคะแนนรวมตามส่วนกลับของสัดส่วน:

คะแนนความหายากของแต่ละค่าคุณสมบัติและคะแนนความหายากรวมของ NFT ID แต่ละรายการสามารถรับได้ ดังนั้นคะแนนความหายากจะพิจารณาว่า NFT ID 2 มีค่ามากกว่าเนื่องจากมีคะแนนรวมสูงกว่า

เป็นที่น่าสังเกตว่าการพิจารณาคุณสมบัติย่อยประเภทต่างๆ ภายใต้คุณสมบัติที่แตกต่างกัน จะมีความแตกต่างตามธรรมชาติในสัดส่วนของความถี่ของคุณลักษณะ เราได้ปรับปรุงเวอร์ชัน V1 ข้างต้น แนวคิดหลักของเวอร์ชัน V2 นั้นเหมือนกับของ V1 ดังนั้นเราจะไม่ลงรายละเอียดที่นี่ ความแตกต่างคือการพิจารณาจำนวนของฟีเจอร์ย่อยให้เป็นมาตรฐาน และการผสมผสานคุณสมบัติต่างๆ เข้าด้วยกัน จะถูกเพิ่มเข้ามาเป็นคุณสมบัติที่ได้รับมาใหม่ ซึ่งทำให้สมบูรณ์ยิ่งขึ้น การผสมผสานคุณสมบัติสามารถสะท้อนความหายากของ NFT ได้อย่างครอบคลุมยิ่งขึ้น โปรดดูคำอธิบายและสูตรการคำนวณของ V2 ในภาคผนวก

นอกจากนี้ เรายังคำนวณเวอร์ชัน V3 สำหรับบางโครงการ ข้อแตกต่างระหว่างเวอร์ชัน V3 และ V2 คือมีการเพิ่มฟีเจอร์สามอย่างรวมกัน อย่างไรก็ตาม เนื่องจากฟีเจอร์ย่อยของบางโปรเจ็กต์มีจำนวนรวมกันหลายรายการ ของคุณสมบัติสามประการ ส่งผลให้การคำนวณค่าสัดส่วนของคุณสมบัติไม่แตกต่างกันมากนัก ดังนั้นเราจึงคำนวณคะแนนความหายาก V3 ของบางรายการเท่านั้น

นอกเหนือจากการคำนวณความหายากของสามเวอร์ชันข้างต้นแล้ว เมื่อพิจารณาว่า NFT บางส่วนยังไม่มีการแลกเปลี่ยนในประวัติศาสตร์ เราจึงต้องการวัดคะแนนความหายากของ NFT ทั้งหมดที่มีการแลกเปลี่ยน ดังนั้น จึงกำหนดความหายากแบบไดนามิก สอดคล้องกับวิธีการคำนวณความหายากแบบคงที่ ข้อแตกต่างคือข้อมูลสำหรับการคำนวณความหายากแบบไดนามิกนั้นเป็นเพียง NFT ที่มีการซื้อขายในช่วงระยะเวลาหนึ่งในประวัติศาสตร์ ดังนั้นข้อมูลจึงเป็นเพียงส่วนหนึ่งของจำนวนเต็มของ NFT . นอกจากนี้ เมื่อเวลาเปลี่ยน ชุดข้อมูลการคำนวณจะเปลี่ยนแปลงได้ตลอดเวลา ดังนั้นเราจึงอัปเดตความหายากแบบไดนามิกตามเวลาจริงทุกวัน กล่าวโดยสรุป ความหายากแบบไดนามิกไม่เพียงแต่พิจารณาสัดส่วนของแอตทริบิวต์วัตถุประสงค์เท่านั้น แต่ยังพิจารณาสถานการณ์การทำธุรกรรมในอดีต ซึ่งสะท้อนถึงความหายากของ NFT แบบไดนามิกภายในช่วงเวลาการทำธุรกรรม

นอกจากนี้ เรายังได้สำรวจวิธีการคำนวณความหายากอื่นๆ เช่น ระยะทางของแจ็คการ์ด ระยะทางของแจ็คการ์ดเป็นตัวบ่งชี้ในการวัดความแตกต่างของสองชุด และสามารถคำนวณความคล้ายคลึงกันระหว่างคุณลักษณะ NFT สองคุณลักษณะ ยิ่งความคล้ายคลึงกันเฉลี่ยระหว่าง NFT กับคุณลักษณะอื่นๆ มากเท่าใด NFT ยิ่งหายาก วิธีการคำนวณเฉพาะสามารถอ้างถึงภาคผนวก

ชื่อเรื่องรอง

ตอนที่ 2 การวิจัยความสัมพันธ์ระหว่างความหายากกับราคา

ในหลาย ๆ กรณี ผู้คนยินดีจ่ายเบี้ยประกันภัยสำหรับของหายาก แต่ของหายากจะส่งผลต่อราคาอย่างไร? ด้วยความช่วยเหลือจากข้อมูลธุรกรรมในอดีตบนห่วงโซ่ เรานำโครงการบลูชิปหลายโครงการมาเป็นตัวอย่างในการประเมินความสัมพันธ์ที่แท้จริงระหว่างราคา NFT และความหายาก

เมื่อพิจารณาว่าเราได้คำนวณคะแนนความหายากสำหรับแต่ละรายการแล้ว เราได้สำรวจความสัมพันธ์โดยตรงระหว่างคะแนนความหายากและราคา โดยคำนวณค่าสัมประสิทธิ์สหสัมพันธ์ของ Spearman ระหว่างทั้งสองรายการ

วิธีการคำนวณเฉพาะมีดังนี้:

โดยที่ n คือจำนวนตัวอย่างและ d แสดงถึงความแตกต่างของอันดับระหว่างข้อมูล x และ y

ยิ่งค่าสัมบูรณ์ใกล้ 1 มากเท่าไหร่ ความสัมพันธ์ระหว่างตัวแปรทั้งสองยิ่งใกล้กันมากเท่านั้น ยิ่งใกล้ 0 มากเท่าไหร่ ความสัมพันธ์ระหว่างตัวแปรทั้งสองก็จะยิ่งใกล้น้อยลงเท่านั้น ความแรงของความสัมพันธ์ที่สอดคล้องกับค่าสัมประสิทธิ์สหสัมพันธ์มีดังนี้:

0.8-1.0 ความสัมพันธ์ที่แข็งแกร่งมาก

0.6-0.8 ความสัมพันธ์ที่แข็งแกร่ง

0.4-0.6 ความสัมพันธ์ปานกลาง

0.2-0.4 ความสัมพันธ์ที่อ่อนแอ

0.0-0.2 อ่อนแอมากหรือไม่มีความสัมพันธ์กัน

เราใช้โครงการชิปสีน้ำเงินห้าโครงการ BAYC, MAYC, cryptopunks, moonbirds และ doodles เป็นตัวอย่างในการคำนวณความสัมพันธ์ระหว่างราคาซื้อขายและคะแนนความหายาก (V2) ในช่วงสองเดือนที่ผ่านมา แผนภูมิมีดังนี้:

แผนภูมิด้านบนแสดงให้เห็นว่ามีความสัมพันธ์ที่อ่อนแอระหว่างคะแนนความหายากและราคาของสินค้าชิ้นเดียวเมื่อเทียบกับสินค้าส่วนใหญ่

x > 10: Legendary

6 < x <= 10: Rare

2 < x <= 6: Classic

x <= 2: Normal

จะเห็นได้จากตัวเลขด้านบนว่าไม่ว่าจะเป็นความหายากแบบไดนามิกหรือความหายากแบบคงที่ ยิ่งระดับของ NFT สูงขึ้น ราคาการซื้อขายเฉลี่ยในอดีตก็จะยิ่งสูงขึ้น ดังนั้น เราจึงสรุปได้ว่าแม้ว่าอาจไม่มีความสัมพันธ์ที่ชัดเจนระหว่าง NFT เดียวและ ราคา แต่โดยรวมแล้วราคาขายของ NFT เกรดสูงยังคงค่อนข้างสูง นั่นคือผู้คนยินดีจ่ายในราคาที่สูงขึ้นสำหรับ NFT ที่หายากกว่า

ชื่อเรื่องรอง

ส่วนที่ 3 ระบบการประเมินสำหรับแผนที่ระดับความหายาก

จะเห็นได้จากการวิจัยข้างต้นว่าระดับความหายากยิ่งสูง ราคาธุรกรรมทั่วไปในระดับนั้นก็จะยิ่งสูงขึ้น ดังนั้นเราจึงพิจารณาออกแบบระบบการประเมินค่าตามการแมประดับความหายาก ซึ่งอาศัยข้อมูลธุรกรรมในอดีตและระดับความหายาก NFT ประมาณการ ราคาตลาด NFT ล่าสุด

เนื่องจากความไม่แน่นอนของราคา NFT ในตลาด เส้นแนวนอนของธุรกรรมในอดีตจึงไม่สามารถแสดงเส้นแนวนอนของธุรกรรมปัจจุบันได้ ราคาของ NFT ที่ซื้อขายทุกวันและทุกเดือนยังผันผวนภายในช่วงของเส้นแนวนอน ของ BAYC เป็นตัวอย่าง ตัวเลขต่อไปนี้แสดงความผันผวนของธุรกรรม:

ดังนั้นสำหรับธุรกรรม NFT ของโครงการต่าง ๆ เราพิจารณามองหาค่าเส้นแนวนอนที่สามารถวัดสถานการณ์การทำธุรกรรมรายวันเป็นจุดยึดของการกระจายธุรกรรม เนื่องจากค่าเฉลี่ย ค่าต่ำสุดและค่าสูงสุดจะได้รับผลกระทบได้ง่ายจาก ค่าสุดขีด และเราใช้ค่ากลางเป็นราคาธุรกรรมรายวัน จุดยึด และคำนวณตัวบ่งชี้ต่าง ๆ ตามค่ามัธยฐาน ดังแสดงในรูปด้านล่าง มีขีดจำกัดบน และล่าง ฯลฯ เพื่อคืนค่าอย่างคร่าว ๆ การกระจายธุรกรรมในช่วงเวลาต่างๆ และประเมินราคาธุรกรรมล่าสุดของ NFT ต่างๆ ตามกฎการกระจายธุรกรรมในอดีต

หมายเหตุ: ควอไทล์บน: Q3 ค่ามัธยฐาน: Q2 ควอไทล์ล่าง: Q1 ช่วงระหว่างควอไทล์ (IQR): Q3 - Q1 ขีดจำกัดบน: Q3 + 1.5*IQR

ขีดจำกัดล่าง: Q1 - 1.5*IQR ค่าสูงสุด: สูงสุด ค่าต่ำสุด: นาที ค่าเฉลี่ย: ค่าเฉลี่ย

1. สรุปวิธีการได้ดังนี้การคำนวณอัตราส่วนย้อนหลัง

2. : คำนวณอัตราส่วนสูงและอัตราส่วนต่ำทุก 3 วันในช่วงหกเดือนที่ผ่านมา และหาค่าเฉลี่ยของอัตราส่วนสูงและอัตราส่วนต่ำทั้งหมด, อัตราส่วนสูง_avg, อัตราส่วนต่ำ_avgคำนวณขีดจำกัดบนและล่างเสมือนล่าสุดตามอัตราส่วนในอดีต

3. : คำนวณขีดจำกัดบนและล่างเสมือน Virtual_upper และ Virtual_lower จากอัตราส่วน_high_avg/ratio_low_avg ที่ได้ด้านบนและค่ามัธยฐานล่าสุดการสร้างกลุ่มการประเมินมูลค่าล่าสุด

4. : สร้างคิวการประเมินมูลค่าล่าสุดตามขีดจำกัดบนและล่างเสมือนจริงและการกระจายของธุรกรรมทั้งหมดในช่วงเวลาล่าสุด กรอกข้อมูลธุรกรรมดั้งเดิมภายในขีดจำกัดบนและล่างลงในช่วงเวลา [ขีดจำกัดล่าง ขีดจำกัดบน] และไม่รวม ข้อมูลภายนอกเป็นการกระจายที่เหมาะสมสุดท้ายของกลุ่มการประเมินค่า：

การแมปอันดับการประเมินค่าตามรุ่น

ก. เฉลี่ยราคาซื้อขายดิบภายในประเภทต่างๆ (หากไม่มีค่าระดับบางค่าในรอบการซื้อขายล่าสุด จะใช้ค่าเฉลี่ยของทั้งสองระดับก่อนและหลังเพื่อเติมคำสั่งซื้อ)

b. ตามระดับความหายากของรายการ (ซึ่งแบ่งออกเป็น 20 ระดับตามคะแนนความหายากปกติ (V2)) มูลค่าเฉลี่ยของการทำธุรกรรมในระดับต่างๆ จะถูกแมปกับรายการทั้งหมดในระดับต่างๆ เพื่อรับการประเมินมูลค่า

เป็นมูลค่าการกล่าวขวัญว่า เพื่อให้มั่นใจถึงความถูกต้องตามวัตถุประสงค์ของการประเมินมูลค่า ขั้นแรกเราได้ทำความสะอาดข้อมูลธุรกรรมก่อนการประเมินดังนี้:

ก. ลบพฤติกรรมการแปรงฟันที่เห็นได้ชัดและแพลตฟอร์มการซื้อขายที่เกี่ยวข้อง

ข. เมื่อพิจารณาว่าในช่วงเริ่มต้นของโครงการ ตลาดธุรกรรมจะไม่เสถียร ดังนั้นสำหรับโครงการต่างๆ ข้อมูลธุรกรรมในช่วงสองสามเดือนก่อนหน้าจะไม่รวมอยู่ในนั้น

ค. มีธุรกรรมแต่ละรายการที่มีอัตราส่วนต่อค่ามัธยฐานของธุรกรรมในแต่ละวันน้อยเกินไป ซึ่งไม่สามารถสะท้อนระดับตลาดได้อย่างเป็นกลางและถูกแยกออก

นอกจากนี้ ในเวอร์ชันการคำนวณด้านบน เราพบว่าผลการประเมินมูลค่าบางรายการไม่เป็นไปตามความคาดหวังในการประเมินมูลค่าของเราในการติดตามย้อนหลังของผลลัพธ์ธุรกรรมในอดีต ตัวอย่างเช่น การประเมินมูลค่าของ ID ที่หายากสูงบางรายการแตกต่างจากราคาคำสั่งซื้อขายที่รอดำเนินการของวันมากเกินไป และ ราคาซื้อขายจริงที่เกิดขึ้นจริง ดังนั้น จากเวอร์ชันข้างต้น เราได้แก้ไขการประเมินมูลค่าของบางรหัสที่มีระดับความหายากสูง: สำหรับรหัสที่มีธุรกรรมราคาสูงในประวัติศาสตร์ ให้คำนวณอัตราส่วนเฉลี่ย_avg ของอัตราส่วนธุรกรรมในอดีตแยกจากกัน และใช้ตัวเลขธุรกรรมรอบล่าสุดค่ามัธยฐาน*ratio_avg เพื่อแทนที่ค่าประมาณสำหรับแผนที่อันดับ

เนื่องจากการมีอยู่ของการจัดอันดับความหายากหลายเวอร์ชัน เราจึงทดลองด้วยวิธีการประเมินการแมปอันดับความหายากที่แตกต่างกันภายใต้โครงการต่างๆ และดำเนินการตรวจสอบย้อนหลัง จากมุมมองของผลลัพธ์ที่ครอบคลุมและประสิทธิภาพ การทำแผนที่อันดับความหายากของเวอร์ชัน V2 จะดีกว่า ดังนั้น ในปัจจุบัน การประเมินมูลค่าโดยใช้การแมป V2 ระดับความหายากคงที่จะแสดงออนไลน์

การตรวจสอบความถูกต้องของการประเมินค่า

เพื่อวัดความถูกต้องของระบบการประเมินมูลค่า เราจะคำนวณค่าเฉลี่ยของข้อผิดพลาดเป็นเปอร์เซ็นต์สัมบูรณ์ (Mean Absolute Percentage Error, MAPE) ตามราคาที่คาดการณ์ในวันใดวันหนึ่งและราคาซื้อขายจริงในวันนั้น

ในหมู่พวกเขา yi แทนค่าจริง y^i แทนค่าที่ทำนาย และ n คือจำนวนของ NFT

ผลการตรวจสอบของโครงการ blue-chip หลายรายการแสดงไว้ด้านล่าง และวันที่ตรวจสอบคือข้อมูลหลังปี 2022 (2022-01-01 ถึง 2022-11-15):

ต่อไปนี้แสดงแผนการกระจายของราคาที่คาดการณ์และราคาซื้อขายจริงในหลายโครงการย้อนหลังไปเกือบสองเดือน (2022-10-01 ถึง 2022-11-15)

บทสรุปและบทสรุป

ชื่อเรื่องรอง

ภาคผนวก

V 1:

V2:

ภาคผนวก

ก. การทำให้การคำนวณคะแนนคุณลักษณะเป็นปกติ

การทำให้เป็นมาตรฐานของคุณลักษณะจะพิจารณาความแตกต่างของคะแนนความหายากของคุณลักษณะที่เกิดจากจำนวนของคุณลักษณะย่อยภายใต้คุณลักษณะต่างๆ ตัวอย่างเช่น ในโครงการ BAYC Earring มีฟีเจอร์ย่อยที่แตกต่างกัน 7 รายการ และ Mouth มีฟีเจอร์ย่อยที่แตกต่างกัน 33 รายการ โดยทั่วไปแล้ว Mouth มีคะแนนความหายากตามการเลือกปฏิบัติมากกว่า Earring ดังนั้นการพิจารณาฟีเจอร์มาตรฐานจึงได้รับการพิจารณา

ข การผสมผสานคุณสมบัติแบบคู่

ขึ้นอยู่กับการเรียงสับเปลี่ยนและการผสมผสานของคุณสมบัติหลายอย่าง สถิติสัดส่วนของการผสมผสานคุณสมบัติที่แตกต่างกันจะสมบูรณ์ยิ่งขึ้น และความหายากสามารถอธิบายได้ด้วยวิธีลำดับที่สูงกว่า ตัวอย่างเช่น BAYC มีคุณลักษณะส่วนที่แตกต่างกันทั้งหมด 7 ส่วน จำนวนของชุดค่าผสมที่แตกต่างกันในคู่คือ: รวม ( 7, 2) = 21 และคะแนนความหายากจะคำนวณโดยใช้ชุดค่าผสมของคู่เป็นคุณสมบัติใหม่ วิธีการคำนวณคะแนนความหายากของคุณลักษณะแบบรวมจะเหมือนกับข้างต้น และจะไม่ทำซ้ำในที่นี้

สรุป,

ระยะทางแจ็คการ์ด:

Jaccard Distance เป็นตัวบ่งชี้ในการวัดความแตกต่างของ 2 ชุด และช่วงของมันคือ [0, 1] นิพจน์ทางคณิตศาสตร์มีดังนี้:

ขั้นตอนการคำนวณประกอบด้วยสี่ขั้นตอน:

ก. 1 - จำนวนคุณลักษณะที่คล้ายกันหารด้วยจำนวนคุณลักษณะเฉพาะทั้งหมด (ทำซ้ำขั้นตอนนี้สำหรับคู่ NFT ทั้งหมด)

ข. เฉลี่ยผลลัพธ์ทั้งหมด

ค. การทำให้เป็นปกติ