Khám phá các định nghĩa về giá NFT: Cách tốt nhất để tìm thanh khoản là gì?

特邀专栏作者

2022-03-21 03:00

Bài viết này có khoảng 4772 từ, đọc toàn bộ bài viết mất khoảng 7 phút

Phân tích phân bổ giá cung cấp sự hiểu biết đầy đủ hơn về nơi thanh khoản được tìm thấy tốt nhất và thị trường tiềm năng cho các phương pháp tài chính hóa.

Tóm tắt AI

Mở rộng

Bản dịch gốc: Khối kỳ lân

Tiêu đề gốc: "Khám phá phân phối giá NFT trên các bộ sưu tập"

Các danh mục NFT như vùng đất ảo, PFP (hình đại diện NFT) và nội dung trò chơi là các khuôn khổ phổ biến để định giá vật phẩm và đồ sưu tầm. Tuy nhiên, một thuộc tính ít được thảo luận và đôi khi phản trực giác của những nội dung này là "xếp hạng" giá của chúng trong bộ sưu tập và cách các nội dung có cùng mức giá hoạt động trong các bộ sưu tập và lớp NFT.

Cụ thể hơn, chúng tôi cố gắng trả lời 3 câu hỏi:

Cụ thể hơn, chúng tôi cố gắng trả lời 3 câu hỏi:

Phân phối giá của NFT trên thị trường là gì?

Các mô hình phân phối giá có xuất hiện không, và nếu có thì chúng phổ biến như thế nào?

Từ những phân phối này, làm cách nào để chúng tôi xác định các "bậc" giá có thể làm cho một NFT nhất định phù hợp hơn với một số phương thức thanh khoản so với các phương thức khác?

phương pháp

NFTBank là một sản phẩm định giá tài sản theo thuật toán sử dụng máy học để dự đoán giá NFT dựa trên giá trước đây của các tài sản tương tự. Chúng tôi đã trích xuất hơn 3 tháng dữ liệu từ Ngân hàng NFT. Đầu tiên là ngày 15 tháng 12 năm 2021 (279 bộ sưu tập, khoảng 2,4 triệu NFT, giá trị thị trường khoảng 3,7 triệu ETH), và sau đó là ngày 13 tháng 1 năm 2022 (540 bộ sưu tập, khoảng 14,2 triệu NFT, giá trị thị trường khoảng 8,9 triệu ETH), gần đây nhất là vào Ngày 27 tháng 2 năm 2022 (538 bộ sưu tập, khoảng 14,8 triệu NFT, giá trị thị trường khoảng 6,5 triệu ETH)

Bài viết này đi sâu vào 4 quan sát mà chúng tôi tìm thấy:

1. Phân phối giá thường rất tập trung giữa và trong các tập hợp.

2. Có 5 "hình dạng" phân phối giá chính dường như không liên quan đến các "danh mục" NFT (PFP, trò chơi, đất ảo, v.v.).

3. Việc phân bổ giá nhìn chung không thay đổi. Đối với 75% đồ sưu tầm, phân phối giá không đổi theo thời điểm. Đối với những người thay đổi, đó là hướng tới một hình dạng "phù hợp".

4. Đối với các nhóm có phân rã theo cấp số nhân và phân phối giống như logic (60% trong số các nhóm), chúng ta có thể xác định và kiểm tra hành vi của các nội dung dưới cùng, giữa và trên cùng.

phân phối giá tập trung

Trong toàn bộ chuỗi, thị trường tập trung với 10 chuỗi hàng đầu chiếm hơn 60% vốn hóa thị trường, với hệ số Gini (chuẩn hóa) vào khoảng 0,9.

Trong đồ sưu tập, hầu hết các phân phối giá đều tuân theo một mô hình trong đó hầu hết các mặt hàng đều có giá gần với giá khởi điểm. Một số mặt hàng còn lại chiếm phần lớn trong phạm vi giá và do đó đóng góp đáng kể vào giá trị thị trường của bộ sưu tập.

Ví dụ về biểu đồ phân phối giá chuẩn hóa:

Trong các biểu đồ này, trục x được chia thành 100 phần bằng nhau, vì vậy, ví dụ: biểu đồ đầu tiên (CryptoPunks) cho thấy rằng hầu hết tất cả các trò chơi chữ đều được định giá trong 2% cao nhất của phạm vi giá đầy đủ.

Điều này hứa hẹn cho các sản phẩm tài chính hóa NFT phù hợp nhất cho các dự án trên sàn giao dịch, ví dụ: nhóm thanh khoản như NFTX có thể hoạt động như "AMM trên sàn giao dịch" cung cấp thanh khoản tức thì cho chủ sở hữu NFT, những người có thể chuyển nhượng trên sàn giao dịch. hồ bơi.

Các bộ sưu tập có số lượng lớn mặt hàng trên thị trường và nguồn cấp giá đáng tin cậy (những mặt hàng thường xuyên được giao dịch trên nhiều địa chỉ duy nhất khác nhau) cũng có thể được sử dụng làm tài sản thế chấp cho các sản phẩm cho vay P2Pool. Điều này là do nội dung sàn thường có thể được coi là "giống nhau" và do đó không yêu cầu đánh giá thủ công. Các điều khoản cho vay có thể được tự động hóa sau khi nguồn cấp giá và phương tiện tự động đánh giá rủi ro được cắm vào.

Tuy nhiên, trong ví dụ trên, lưu ý rằng một số bộ sưu tập, chẳng hạn như VeeFriends và Decentraland, không phù hợp với mô hình "mô hình là giá sàn" này. Trên thực tế, mô hình phân phối giá rơi vào một trong 5 hình dạng khác nhau, điều này đưa chúng ta đến phần quan sát tiếp theo.

Có năm hình thức phân phối giá chính

Trong toàn bộ chuỗi, hình dạng của phân phối giá mà chúng tôi quan sát là:

1) Phân rã theo cấp số nhân. Đây là những bộ sưu tập mà hầu hết hàng hóa của nó được định giá trên sàn và có một danh sách dài các mặt hàng có giá cao. Khoảng 40% các bộ sưu tập chúng tôi lấy mẫu thể hiện hồ sơ này. Các ví dụ bao gồm Cryptopunks, RTFKT Clone X + Murakami và Mutant Ape Yacht Club

2) Phân phối logic chuẩn có hình dạng tương tự như hàm mũ, nhưng chế độ cao hơn một chút so với sàn. Khoảng 20% các bộ sưu tập chúng tôi lấy mẫu thể hiện hồ sơ này. Các ví dụ bao gồm Câu lạc bộ du thuyền Bored Ape, Sandbox LAND và Decentraland.

3) Phân phối đối xứng (hoặc tương tự như bình thường) có nghĩa là tài sản tập trung cao độ quanh mức giá trung bình và giảm dần về hai phía. Khoảng 5% bộ sưu tập mà chúng tôi lấy mẫu thể hiện hồ sơ này. Các ví dụ bao gồm Anonymice, Blitmap và Rollbots.

4) Phân phối đa phương thức thể hiện nhiều va chạm và đột biến trên một phạm vi rộng hơn. Khoảng 20% các bộ sưu tập chúng tôi lấy mẫu thể hiện hồ sơ này. Các ví dụ bao gồm VeeFriends, Autoglyphs và FLUF World.

5) Mẫu phân phối điểm có một trong các hình dạng trên, nhưng giá được phân phối ở mức <0,1 ETH. Vì chúng tôi xác định đây là mức giá gần bằng nhau nên chúng tôi gọi đây là "phân phối điểm". Hình dạng này là đặc điểm chung của các bộ sưu tập mũ nhỏ hơn (ngoại trừ PVFD, không có bộ sưu tập nào trong số 100 bộ sưu tập hàng đầu có hình dạng này) - vì vậy chúng đóng vai trò như bộ lọc. Khoảng 15% bộ sưu tập mà chúng tôi đã lấy mẫu thể hiện hồ sơ này. Ví dụ như PVFD, Zodiac Capsules hoặc PEGZ.

Thật thú vị, các danh mục NFT (PFP, đất ảo, nội dung trò chơi, v.v.) không phụ thuộc vào hình dạng phân bổ giá. Ví dụ: các NFT đất ảo trong Cryptovoxels, Decentraland và Somnium Space đều có các bản phân phối khác nhau (theo cấp số nhân, lognormal (tương ứng trong dữ liệu tháng 1/tháng 12) và đa phương thức).

Phân phối giá có thể là một chức năng của các đặc điểm vốn có của chính bộ sưu tập, chứ không phải là danh mục NFT mà nó thuộc về. Đối với đất đai, đây có thể là vị trí, kích thước lô đất, lượng người qua lại (tiềm năng tạo thu nhập), đất đã được xây dựng và do đó được bán với giá cao, v.v.

Tiếp theo, chúng tôi đã điều tra xem liệu các phân phối giá này có thay đổi theo thời gian hay không.

Phân phối giá (thường) giữ nguyên

Do dữ liệu hạn chế ở đây (3 điểm dữ liệu), chỉ có thời gian mới trả lời được liệu phân tích ở đây có tiếp tục trong tương lai hay không. Nhìn lại giá chuẩn hóa, chúng ta có thể thấy rằng phân bổ giá cho tháng 12 (màu xám) và tháng 1 (màu đỏ) thường (nhưng không phải luôn luôn) trùng khớp hoặc ít nhất có hình dạng tương tự với tháng 2 (màu xanh lam).

Trong số 537 bộ sưu tập có trong cả dữ liệu tháng 1 và tháng 2, 166 bộ sưu tập có sự thay đổi về hình thức phân bổ giá (30%). Chúng tôi cũng nhận thấy tỷ lệ phần trăm thay đổi tương tự (25%) từ tháng 1 đến tháng 12. Điều đó nghe có vẻ nhiều, nhưng hãy nhớ rằng cách phân loại ở trên về hình dạng phân phối của tập hợp hơi mơ hồ, vì chúng ta không quá khắt khe về giới hạn.

Ví dụ: người ta có thể phân biệt giữa phân rã theo hàm mũ và lognormal: "if mode > floor price => lognormal". Nhìn vào tỷ lệ mẫu trên sàn bên dưới, chúng tôi đã chọn một định nghĩa lỏng lẻo hơn và cho phép các mẫu thậm chí cao hơn 10% -20% so với sàn khi chúng tôi xem xét phân phối phù hợp để phân loại hình dạng của chúng.

Trên cơ sở này, chúng tôi coi phân phối suy giảm theo cấp số nhân và phân phối logic là "có liên quan".

Đối với trường hợp quan sát thấy sự thay đổi trong phân phối giá:

~42% thay đổi thành hoặc từ phân phối điểm. Phân phối điểm có một trong bốn hình thức khác, nhưng với phạm vi giá rất hẹp.

~26% thay đổi từ phân rã hàm mũ hoặc logic bất thường sang đa phương thức. Định nghĩa của lớp này cũng nhẹ nhàng hơn, do phân phối của chúng ta thường chỉ có một lược đồ. Chúng tôi xác định hình dạng này để phân tách các bản phân phối như VeeFriends và một số phần lồi (mẫu) của nó khỏi các hình dạng khác.

~22% là phân rã hàm mũ đến/từ phân phối logic chuẩn (con số này sẽ cao hơn nhiều nếu chúng ta thực hiện một cách tiếp cận nghiêm ngặt).

Biến thể còn lại ~ 10% được phân phối đối xứng, với tỷ lệ logic chiếm tỷ lệ chính (6%). Điều này cũng là do ranh giới giữa các phân bố logic chuẩn và đối xứng được xác định khá lỏng lẻo (nghĩa là hai hình dạng cũng "tương quan").

chữ

Xác định giá sàn: Chúng tôi đã điều tra các phân vị giá sàn khác nhau và tỷ lệ của chúng với giá sàn.

Trong số 800 mặt hàng trong bộ sưu tập, khoảng 90% có giá trung bình dưới 1,4* giá khởi điểm. Việc chọn ngưỡng ở đây phụ thuộc nhiều hơn vào trường hợp sử dụng mà chúng tôi có trong đầu: nếu chúng tôi bao gồm một phần lớn hơn các mặt hàng bộ sưu tập ở xa bên phải, chúng tôi sẽ tính phí mở rộng phạm vi giá của chúng, làm cho bộ sưu tập ít đồng nhất hơn .

Để làm cho ngưỡng hoạt động cho khoảng 90% bộ sưu tập, ngưỡng là:

1.3 cung cấp lượng tử 25% (do đó bao gồm 25% số mục).
1.4 cho khoảng 50% lượng tử/trung vị.
1,75 đại diện cho lượng phân vị ~75%.

Ít hơn 30% bộ sưu tập có thể quá nhỏ và phạm vi giá của [giá đặt trước, giá đặt trước * 1,75] có thể quá rộng. Do đó, chúng tôi chọn hệ số nhân là 1,4 làm giới hạn dưới. Nói cách khác, các mặt hàng "sàn" đề cập đến các mặt hàng nằm trong phạm vi giá [giá sàn, giá sàn*1.4]. Đối với hai phần ba số bộ sưu tập, điều này bao gồm 75% đối tượng.

Xác định các mục cấp cao nhất: Chúng ta có thể đi theo một lộ trình tương tự bằng cách sử dụng các lượng tử cấp cao nhất:

Ngưỡng 2,5 bao gồm 90% bộ sưu tập - 85% trong số 800 bộ sưu tập. Nó cũng bao gồm 95% bộ sưu tập trong 2/3 bộ sưu tập và thậm chí 99% bộ sưu tập trong ~20% bộ sưu tập. Nói cách khác, ngưỡng 2,5 sẽ đặt 10% tài sản hàng đầu vào nhóm "cao nhất" gồm 90% của tập hợp.

Một lần nữa, chúng ta có thể thực hiện nhiều thao tác độc quyền hơn trên tập hợp này, chẳng hạn như tăng ngưỡng này lên 4.

Theo các định nghĩa về giá đáy và giá cao nhất này, chúng ta có thể xác định các sản phẩm tầm trung có giá nằm trong khoảng [giá đáy * 1,4, giá đáy * 2,5]. Bây giờ chúng ta hãy xem xét các tính năng của các thang giá này.

Xác định các đặc điểm của mức giá

Mặt hàng định giá theo giá khởi điểm thành giá khởi điểm * 1.4.

Sàn nhà thường chiếm 50-75% giá trị sưu tầm và 25-50% giá trị thị trường của nó. Khối lượng và hành vi đồng nhất của chúng khiến chúng phù hợp với nhóm thanh khoản, hoạt động hiệu quả như "AMM sàn", nơi người dùng có thể kiếm lợi từ hoạt động giao dịch tài sản trên sàn và tận hưởng tính thanh khoản cao nhất so với các mức giá khác.

Giá mặt hàng Giá cơ sở*1,4 đến giá khởi điểm*2,5.

Giá sàn thường chiếm 20%-40% giá trị sản phẩm và 10%-20% giá trị thị trường của bộ sưu tập. Như hiện tại, các sản phẩm tầm trung có lẽ ít sinh lãi nhất để giao dịch, vì chúng yêu cầu ít thanh khoản hơn so với giao dịch hố và chúng ít tiếp xúc với lợi nhuận phản xạ hơn so với Grails. Tổng hợp, trong đó các chế độ ở mức trung bình (những chế độ có phân bổ giá đối xứng), có thể là những chế độ mà nhiều người dùng quan tâm đến các thuộc tính hoặc tiện ích của chính nội dung hơn là giá. Ví dụ, một nền đất ảo có thể quá nhỏ hoặc ở một vị trí không sinh lợi, trong khi một mảnh đất lớn, có lưu lượng truy cập cao có thể quá đắt hoặc không bán được. Do đó, người mua đất tìm kiếm những tài sản có vị trí, diện tích đất và giá tốt.

Nếu hóa ra giá sàn có chứa một số hạng mục "tạm thời", tức là giá sàn tăng hoặc giá giảm, thì đây có thể là một lớp đầu cơ và các ứng dụng phòng ngừa rủi ro liên quan.

HÀNG ĐẦU hoặc mặt hàng hàng đầu, giá hàng hóa > giá khởi điểm * 2,5.

Các mặt hàng hàng đầu thường chiếm 5% -10% hàng hóa và 20% -40% giá trị thị trường của bộ sưu tập. Mua bán đồ cổ rất ồn ào và có giá biến động cao, giống như các tác phẩm nghệ thuật "truyền thống" hoặc các mặt hàng cao cấp trong bất động sản. Mặc dù khối lượng và tốc độ giao dịch của chúng thấp, nhưng chúng có tiềm năng tốt để được sử dụng làm tài sản thế chấp hoặc thanh khoản thông qua các công ty con.

Liên quan đến tỷ lệ vật phẩm cho mỗi trong ba tầng, chúng tôi thấy tỷ lệ lớn vật phẩm sàn (màu xanh lam). Nó nhỏ ở đây và ở đó, nhưng điều đó có liên quan đến định nghĩa mơ hồ về hình dạng của chúng ta, ví dụ như Meebit (cột đầu tiên) không hoàn toàn tuân theo logic phân cấp của chúng ta vì nó có thêm những vết sưng mà chúng ta đã trình bày thêm ở trên:

Tên bộ sưu tập nhỏ, nhưng một (Jan) hoặc (Dec) ở cuối tên cho biết rằng nó là từ bộ dữ liệu tháng Giêng hoặc tháng Mười Hai tương ứng.

Khi chúng ta xem xét thị phần của từng mức giá, mọi thứ sẽ hơi ồn ào đối với thị phần vốn hóa của các mức giá đó. Mặc dù sàn dường như vẫn chiếm phần lớn thị phần, nhưng không có gì lạ khi đồ sưu tập có cốc cao hơn 10-1000 lần so với sàn, làm giảm giá trị của đồ sưu tập.

Nhìn chung, khoảng 25%-50% vốn hóa thị trường thuộc về cấp thấp hơn, 10%-20% thuộc về tầm trung và 20%-40% thuộc về cấp cao nhất:

nghề nghiệp tương lai

Trong bài báo này, chúng tôi thực hiện một số bước sơ bộ để phân loại NFT theo hành vi chuyển giá và các lớp trong bộ sưu tập tương ứng của chúng. Như chúng tôi đã đề cập ở trên, giới hạn của các lớp có thể được điều chỉnh tùy thuộc vào trường hợp sử dụng. Đối với chúng tôi, một trong những mục tiêu là rút ra các hành vi và đặc điểm chung của NFT trên các bộ sưu tập và loại tài sản để thông báo cho chủ sở hữu cách tốt nhất để tìm tính thanh khoản và phân tích này giúp cung cấp thông tin cho ma trận đánh giá này.

Giờ đây, chúng ta đã có tổng quan cấp cao về cách hoạt động của nội dung trong bộ sưu tập, chúng ta có thể phóng to các quan sát nổi bật mà chúng ta đã thực hiện ở đây và phân tích thêm, ví dụ:

Các thuộc tính chính của các tập hợp nhất định có thể khiến chúng có các mẫu phân phối giá như chúng là gì?

Các yếu tố bên trong (ví dụ: phát triển dự án) hoặc bên ngoài (ví dụ: tâm lý thị trường) khiến một chuỗi nhất định thay đổi hình thức phân bổ giá của nó theo thời gian?

Phân phối giá có thể là chỉ báo hàng đầu hoặc chỉ báo phân tích cho một giao thức tài chính nhất định để tải một tài sản nhất định (ví dụ: tài sản thế chấp hoặc khởi chạy NFT AMM) không?

Chúng tôi hy vọng sẽ khám phá những vấn đề này trong các bài viết trong tương lai. Chúng tôi hiện đang cung cấp một mô hình tinh thần định lượng để xác định các mức giá, cũng như một khuôn khổ ban đầu để đánh giá các giả định của chúng tôi về cách tiếp cận thanh khoản NFT của chúng tôi trong những tháng tới.

NFT

Chào mừng tham gia cộng đồng chính thức của Odaily