基于稀有度等級映射的NFT估值體系介紹_RAT

本文來自：Blockin.ai&nftin.ai，Odaily星球日報經授權發布。數字資產市場發展至今，其代表的身份象征和社交價值，成為了一種新的商業價值，而NFT正是這種商業價值的一種標志，NFT作為一種數字加密資產，是由智能合約創建、維護、執行的非同質化數字資產通證，具有獨特性、稀缺性以及不可復制性。NFT的價值評估來自于稀缺性、社區認同、持有人等多個方面，即使是同一系列，每一個NFT的特征和形態都各有差別、不同屬性的受關注度、所有權歷史等形成獨一無二的供給，因此對其進行估值具有重要意義，我們希望形成較好的估值體系，為市場快速成交提供可靠的參考價格。那么，市場上眾多NFT中，是什么讓一些NFT售價數百萬，而另一些則售價相對較低？在收藏市場上，又是否售價和稀有性之間存在內在相關性？借助NFT的鏈上交易歷史記錄與NFT元數據，首先，我們計算了不同collection中item稀有度評分；其次，我們評估了NFT稀有性與其價格的相關性；最后，通過其內在的相關性，我們研究了基于稀有度等級映射的估值價格體系，并在多個項目中進行了回溯驗證。Part1.NFT稀有度計算

顧名思義，NFT稀有度衡量的是NFT相對于其他收藏品的稀有度程度。通過查看屬性，可能能夠確定一個NFT具有一些罕見的特征，但這個NFT相對于其他NFT有多罕見呢？以BAYC為例，如其在nftin.ai上所示，BAYC具有七個不同的特征：背景、衣服、耳環、眼睛、皮毛、帽子和嘴巴。

在每個特征下又有不同的子特征，我們計算其子特征的占比頻率。值得注意的是，我們將其特征的個數Traitcount同樣作為一個衍生特征計算其占比。因為每個NFT都有多個特征及其子特征，因此必須有一種方法將所有特征的稀有性合并計算為單一值，以便對其稀有程度排名。先前也有多種稀有度計算方法：性狀稀有度排名、平均性狀稀有度、統計稀有度，但性狀稀有度排名過于強調稀有性狀，平均和統計稀有度的計算又會稀釋稀有性狀。因此，對特征稀有度分數累加作為稀有度評分可以較好的解決以上問題。其主要思想方法為對單個NFT的每個特征進行稀有度打分，再把該NFT所有特征稀有度分數相加，最終得出該NFT的總稀有度分數。即，一個NFT的總稀有度分數是它所有特征值的稀有度分數之和，具體計算公式詳見附錄部分。舉例如下：首先，計算子特征占比

交易生態系統LedgerEdge推出基于區塊鏈的合規公司債券交易平臺:5月9日消息，交易生態系統LedgerEdge宣布推出首個使用分布式賬本技術（DLT）構建的合規公司債券交易平臺。LedgerEdge由R3的Corda提供支持，這是一個可擴展的許可類點對點分布式平臺，支持在合規市場中培育和交付各方之間的數字信任應用程序。

據悉，LedgerEdge的數字市場是一個去中心化系統，由金融市場行為監管局（Financial Conduct Authority）作為多邊交易工具（MTF）全面監管。（Business Wire）[2022/5/9 3:00:48]

然后，根據占比的倒數計算子特征得分及總分：

如上，可以得到每個特征值的稀有性得分和每個NFTID的總稀有性得分，所以稀有度得分認為NFTID2更有價值，因為它有更高的總分數。值得關注的是，考慮不同特征下子特征的種類數不同，導致特征頻率占比天然具有差異。我們改進了上述V1版本，V2版本主要思想和V1一致，在此不贅述，不同在于考慮了子特征個數的歸一化，以及加了特征兩兩組合作為新的衍生特征，豐富了特征組合，能更全面的反應NFT的稀有度情況，V2描述及計算公式詳見附錄。此外，我們也針對一些項目計算了V3版本，V3版本與V2不同在于增加了三個特征組合情況，但由于一些項目子特征數目成百上千個，三個特征組合的情況較多，導致計算特征的占比數值不具有較大的區分性，所以我們僅計算了部分項目的V3稀有度分數。

Spatial LABS宣布正在研發基于Polygon的元宇宙可穿戴設備:3月16日，Spatial LABS 宣布正在研發可作為物理入口點的元宇宙可穿戴設備，該設備將基于 Polygon 網絡研發。該研發項目目前定名為 LNQ，服裝、可穿戴物品和其他實物可以作為 LNQ 生態系統中的體驗點，為用戶提供完全身臨其境的元宇宙體驗。[2022/3/16 13:59:41]

除以上三個版本稀有度的計算，考慮一些NFT歷史上沒有被交易過，我們想衡量所有被交易過的NFT稀有度分數，因此，定義了動態稀有度。它與靜態稀有度計算思想方式一致，不同在于計算動態稀有度的數據只是歷史上一段時間上被交易過的NFT，因此數據只是全量NFT的一部分。此外，隨時間的改變，該計算數據集隨時變化，因此，我們對動態稀有度每天進行實時更新。總之，動態稀有度不僅考慮了客觀屬性占比，也考慮了歷史交易情況，動態反映了交易時間段內的NFT稀有度情況。動態稀有度同樣計算了兩個版本，如下：

另外，我們也探索了其他稀有度計算方式，如jaccard距離，jaccard距離是衡量兩個集合不相似的一種指標，可以計算兩個NFT特征間的相似程度，NFT與其他NFT平均相似度越大則越不稀有，具體計算方式可參考附錄部分。Part2稀有度與價格相關性研究

許多情況下，人們愿意為稀有物品支付溢價，但稀有度具體是如何影響價格的？我們借助鏈上歷史交易數據，以幾個藍籌項目為例，評估了NFT價格和稀有度之間的內在相關性。考慮我們已經計算了每個item的稀有度分數，因此我們直接探究了稀有度分數與價格相關性，計算了兩者之間的斯皮爾曼相關性系數。具體計算方法如下：

浙江大學楊小虎：基于區塊鏈的信任體系在金融監管體系中可做到穿透式監管:6月17日消息，浙江大學區塊鏈研究中心主任、計算機軟件研究所副所長楊小虎昨日在活動中表示，一方面以區塊鏈技術為支撐的數字貨幣興起，對金融安全特別是全球的貨幣安全帶來巨大挑戰。另一方面，區塊鏈構建的信任體系在金融監管體系中可以做到穿透式監管，盡早防范發生大規模的系統性風險。（科技日報）[2020/6/17]

其中n是樣本的數量，d代表數據x和y之間的等級差。絕對值越接近1，表示兩個變量之間關系越密切；越接近0，表示兩個變量之間關系越不密切。相關系數對應的相關強度如下：0.8-1.0極強相關0.6-0.8強相關0.4-0.6中等程度相關0.2-0.4弱相關0.0-0.2極弱相關或無相關我們以BAYC、MAYC、cryptopunks、moonbirds、doodles五個藍籌項目為例具體計算近兩個月的交易價格與其稀有度分數之間的相關性，圖表如下：

以上圖表可知，單個item稀有度分數與價格之間在大多項目之間呈現弱相關性。因此我們考慮根據NFT不同稀有度等級排名將NFT分為四個大等級，并計算不同等級的交易均價的平均值，從而觀察NFT稀有度等級間的均價關系，x代表等級：x>10:Legendary6<x<=10:Rare2<x<=6:Classicx<=2:Normal

從上圖可以看出，不論是動態稀有度還是靜態稀有度，等級越高的NFT其歷史交易均價越大，因此，我們得出，盡管單個NFT與價格間可能不存在明顯的相關性，但總體來看，高等級的NFT售價在整體水平還是較高，即人們愿意為更稀有的NFT付出更高的價格。Part3稀有度等級映射的估值體系

動態 | 富士康和P2P機構于上海成立基于以太坊網絡的區塊鏈初創公司:據福布斯消息，富士康(Foxconn)與一家p2p貸款機構在上海成立了一家名為“金融鏈”(Chained Finance)的初創公司。該公司將建立基于以太坊網絡的平臺，將富士康和其供應商（包含下游供應商的供應商)進行連接，利用其代幣和智能合約進行支付，并提供實時融資，簡化繁瑣的文書工作。[2019/4/17]

由以上研究看到，稀有度等級越高，則該等級上普遍交易價格越高，因此我們考慮設計了一套基于稀有度等級映射的估值體系，該體系依賴歷史交易數據及NFT稀有度等級估計最新的NFT市場價格。由于市場NFT價格不穩定，因此歷史交易的水平線不能代表當前的交易水平線，每天每月交易的NFT價格也多在其水平線上下范圍內波動，以BAYC歷史交易價格為例，下圖展示了其交易波動情況：

因此，對不同項目NFT的交易，我們考慮尋找可以衡量每天交易情況的水平線數值作為交易分布的錨點，由于平均值，最小最大值易受極值的影響，我們使用中位數值作為每天交易價格的錨定點并依據中位數衍生計算不同的指標，如下圖有上限下限等，從而大致還原不同時期的交易分布，根據歷史交易分布規律，估計不同NFT最新交易的價格。

注：上四分位數：Q3中位數：Q2下四分位數：Q1四分位距:Q3-Q1上限：Q3+1.5*IQR下限：Q1-1.5*IQR最大值：max最小值：min平均數：mean方法總結如下：1.歷史比值的計算：計算近半年每3天的ratio_high及ratio_low，并求所有ratio_high和ratio_low的平均值，ratio_high_avg，ratio_low_avg。

動態 | 基于 EOS 的穩定幣系統 USDE (USD- EOS) 今日發布:基于 EOS 的穩定幣系統 USDE 今日在 Twitter 公開了其官方網站，并表示首個 demo 版本已在內測中。據官網介紹，該系統依托加密貨幣質押合約發行 USDE 錨定美元，并通過超額質押率消弭市場信任風險。[2019/2/4]

2.根據歷史比值計算最新虛擬上下限值：由上面所求ratio_high_avg/ratio_low_avg及使用最新中位數計算得到虛擬上下限Virtual_upper及Virtual_lower

3.最新估值隊列形成：根據虛擬上下限及最新周期內所有交易分布生成最新估值隊列，將在上下限區間內的原始交易數據填充進區間，在其之外的數據排除，作為最終擬合的估值隊列的分布。4.估值隊列等級映射：a.對不同等級內的原始交易價格求均值。b.根據item稀有度等級分為20個等級），將不同等級內交易均值對應映射到不同等級中的所有item上得到估值。

值得一提的是，為保證估值的客觀準確性，我們在估值前對交易數據首先進行了清洗，如下：a.對于明顯刷單行為及對應的刷單平臺交易去除。b.考慮項目出現之初，交易行情不穩定，因此針對不同項目，排除前幾個月不等的交易數據。c.存在個別與當天交易中位數比值過小的交易，不能客觀反映市場水平，進行排除。另外，以上計算版本中，我們在對歷史交易結果的回溯中發現一些估值結果不能滿足我們的估值預期，比如一些高稀有度等級ID的估值與當天掛單價格及實際真實交易價格相差過大，因此我們在上面版本的基礎上對部分高稀有度等級的ID估值進行了修正：對歷史上有過高價交易的ID，單獨計算其歷史交易比值的平均值ratio_avg，使用最新周期交易中位數median*ratio_avg，以替換等級映射的估值。由于存在多個版本的稀有度評分，我們在不同項目下試驗了不同稀有度評分映射估值的方式并進行回溯驗證，綜合結果及效率來看，取V2版本的稀有度等級映射較好，因此目前線上展示采用靜態稀有度等級V2映射的估值。估值準確性驗證為衡量估值體系的準確性，我們根據預測某天價格與當天真實交易價格計算平均絕對百分比誤差。

其中，yi表示真實值，y^i表示預測值，n為NFT的個數。以下列出幾個藍籌項目的驗證結果，驗證日期為2022年之后數據：

下面展示在幾個項目中回溯近兩個月的預測價格與實際交易價格的散點圖

結論與總結從以上分析結果可以看出，基于稀有度等級映射的估值體系具有一定的準確性，但同時也存在一定的有限性：a.該體系基于一段時間的中位數交易估計最新的估值，目前無法應對短時間劇烈波動的市場交易情況，此外，對于交易較少甚至一段時間沒有交易的項目，我們可參考的歷史交易規律過少，可能影響最新估值。稀有度只是影響NFT售價的原因之一，未來，我們也將跳出稀有度等級映射的方式，使用原始屬性值及交易數據，加入NFTholders、NFT指數、幣價等多個影響因子進行線性回歸及非線性回歸估值模型嘗試，從而研究一個可擴展的基線模型，提高模型的準確度及覆蓋范圍。附錄

V1:

V2:a.特征分數計算歸一化特征歸一化考慮不同特征下子特征數量不同導致的特征稀有度分數差異。例如，在BAYC項目中，Earring有7種不同子特征，Mouth有33種不同子特征，則通常情況下，Mouth比Earring的稀有度分數則更有區分性，因此考慮特征歸一化。

b.特征兩兩組合多個特征基于排列組合豐富了不同特征組合的占比情況統計，能從更高階的方式刻畫稀有度。例如，BAYC共有7個不同部位特征，則兩兩不同組合個數為:Combine(7,2)=21,將兩兩組合作為新的特征計算稀有度得分。組合特征稀有度得分計算方式與上面一致，在此不贅述。綜上計算，

Jaccard距離：杰卡德距離是衡量兩個集合不相似的一種指標，其范圍是，數學表達式如下:

計算過程包括四個步驟：a.1-相似特征的數量除以唯一屬性的總數

b.對所有結果取平均值

c.歸一化

d.z得分*100

Tags：NFTRATRATIOEDGDNFT價格Generational Wealth SocietyRATIO幣ledger錢包無法同步錢還在嗎

AVAX