Contrairement aux jetons fongibles, les NFT manquent de cotation en temps réel en raison de leur non-fongibilité et de leur illiquidité. Les prix sont généralement référencés au prix plancher, qui manque de granularité au niveau de l'élément. Cela rend difficile la fixation des prix des NFT non évalués au prix plancher pour le trading ou le prêt.

Plus précisément, dans ces applications:

• Comme prix de référence pour les transactions peer-to-peer
• Calcul des valorisations de portefeuille NFT personnel ou institutionnel
• Prêt NFT, fractionnement et autres applications NFTfi

Il manque un prix crédible, neutre et équitable au niveau de l'article.

De nombreuses applications tentent de fournir des services de tarification via des modèles ML, mais la complexité et le manque de transparence rendent difficile l'acquisition de confiance et de consensus.

Cet article tente de fournir des prix NFT en temps réel avec un algorithme simple et interprétable. Il propose également un mécanisme d'oracle permettant aux parties prenantes de participer équitablement à la découverte des prix. Il suit les principes de crédibilité neutralité 5avec des données objectives minimales et des modèles simples, compréhensibles et robustes pour une adoption facile.

Modèle Premium

À travers l'observation de grandes quantités de données de transactions NFT de premier ordre, nous constatons que la valeur des caractéristiques est approximativement constante par rapport au prix plancher. Lorsque le prix plancher monte et descend, la prime absolue de chaque caractéristique fluctuera en conséquence, mais le ratio par rapport au prix plancher reste stable. Cela signifie que les relations de prime relative entre les caractéristiques sont stables. Nous appelons prime d'une caractéristique NFT par rapport au prix plancher la prime de caractéristique. Nous formulons donc l'hypothèse suivante :

• La valeur d'un NFT peut être décomposée en la valeur inhérente de la collection elle-même et la somme de toutes les primes de traits.
• Le ratio de prime de trait à prix plancher est largement constant dans une période de temps.

Ainsi, nous proposons le Modèle Premium. La formule de base sous-tendant le Modèle Premium est exprimée comme suit:

Ici :

• Prix estimé : La valeur prédite du NFT.
• Prix plancher : Le prix le plus bas auquel un NFT est actuellement répertorié à la vente dans une collection particulière sur le marché.
• Intercept : Cela pourrait être considéré comme un ajustement de base du prix plancher. Étant donné que la valeur de base d’un NFT à l’exclusion des traits doit se situer entre le prix plancher et la meilleure offre, l’interception est généralement un petit montant négatif.
• Valeur de base : Cela représente la valeur de base d'un NFT au sein d'une collection non liée à des traits spécifiques, dérivée du prix plancher et influencée par une interception. Mathématiquement, cela peut être représenté comme suit :

• Poids des traits: Ce sont les coefficients qui sont attribués à chaque trait pour déterminer dans quelle mesure ce trait influence le prix d'un NFT. Chaque trait contribue de manière proportionnelle au prix estimé en fonction de la façon dont il est valorisé par rapport au prix plancher.
• Prime de trait : Valeurs supplémentaires attribuées à des traits particuliers de la NFT. Elles sont le produit du prix plancher et de leurs poids de trait correspondants.

Après une simple transformation, (1) produit

Évaluation

Nous avons utilisé:

• toutes les données de transaction réelles sur chaîne pendant deux ans en tant que données d'entraînement
• si les données de transaction se trouvaient en boucle comme critère pour identifier les transactions de lavage
• prix de liste le plus bas d'opensea, blur et looksrare comme prix plancher
• Régression au lasso comme modèle de régression

former un modèle séparé pour chaque collection.

Chaque fois qu’une transaction a lieu, nous enregistrons le prix de vente on-chain, ainsi que le prix prédit par le modèle à ce moment-là. Nous avons compilé les 100 dernières transactions et calculé la précision moyenne. Nous avons testé le modèle sur des collections de premier ordre et avons utilisé Erreur absolue moyenne en pourcentage (MAPE)comme mesure d'évaluation. Voici le résultat du test.

Le fait que la plage de temps sélectionnée pour les données d'entraînement s'étale sur deux ans et qu'un taux de précision élevé est obtenu sur les 100 dernières transactions les plus récentes, indique que l'hypothèse selon laquelle le ratio de prime moyen entre les différentes caractéristiques représente bien la valeur est vraie pour la plupart des collections de blue chip.

La liste suivante est les poids des caractéristiques pour la caractéristiqueFourrurede la collectionBAYC.

On peut voir que les poids des caractéristiques les plus précieuses, Solid Gold Fur et Trippy Fur, sont respectivement 9,3 fois et 3,3 fois le prix plancher, ce qui est significativement plus élevé que tous les autres poids, tandis que de nombreuses caractéristiques ordinaires ont un poids de 0. Ces résultats sont très cohérents avec notre compréhension de la valeur des caractéristiques.

En raison de la faible liquidité des NFT rares et de données insuffisantes collectées, il est actuellement impossible de fournir des données précises sur la précision des NFT rares. Cependant, nous pouvons donner un exemple spécifique pour illustrer.

1370×1082 115 KB

Le 15 octobre 2023, un transactionLa vente de Cryptopunks #8998 a eu lieu. Le prix de la transaction était de 57 ETH, et le prix plancher à ce moment-là était de 44.95 ETH. Nous avons enregistré les poids des caractéristiques de #8998 à ce moment-là comme suit :

• Cheveux violets Accessoire: 0.15931
• Accessoire Nez de Clown : 0.02458
• Accessoire Froncement de sourcils : 0
• Genre masculin : 0.05595

L'interception des Cryptopunks était -0,03270.

Donc la valorisation peut être calculée à partir de:

Il est proche du prix de transaction, avec une erreur de moins de 5%.

Cependant, tous les NFT rares ne peuvent pas être évalués avec autant de précision. En raison de la valeur incertaine, les gens surestiment ou sous-estiment souvent les prix des NFT rares, ce qui introduit un biais objectif. Par conséquent, peu importe comment l'algorithme de tarification des NFT est conçu, il y a toujours une limite supérieure à la précision.

Cependant, à partir des données ci-dessus, nous pouvons voir que les primes de caractère calculées par cet algorithme sont importantes à deux égards :

• La valeur des caractéristiques rares est nettement différenciée de celle des caractéristiques ordinaires.
• Le processus de différenciation de ces primes est transparent, fondé sur des preuves et de manière crédible neutre.

Oracle de prix NFT

Bien que l'algorithme vise à être aussi neutre que possible de manière crédible, certains problèmes subsistent :

• Les prix hors chaîne ne peuvent pas être utilisés pour les transactions sur chaîne.
• Un nœud centralisé unique présente des risques de manipulation.
• Il est difficile de parvenir à un consensus sur l'algorithme d'identification du wash trading pour les données d'entraînement et nécessite un mécanisme de confirmation du consensus.

Pour fournir un prix on-chain crédible et résistant à la manipulation centralisée, nous concevons un mécanisme d'oracle pour parvenir à un consensus.

1628×652 119 KB

Il se compose d'un réseau décentralisé de nœuds:

• Nodes Participants : Chaque noeud obtient des données d'entraînement à partir des transactions on-chain, calcule les poids des caractéristiques en utilisant l'algorithme open-source, et les soumet aux noeuds oracle, formant Réseaux d'Oracle DécentralisésChaque nœud peut choisir différemment :
  • Les modèles linéaires tels que la régression linéaire naïve, la régression Lasso, la régression ridge, etc. Régression Lassoest recommandé car il peut réduire les poids des traits non importants à zéro.
  • Algorithmes pour identifier le wash trading.
  • L'historique des transactions dans une plage de temps appropriée. Plus le changement dans les poids des caractéristiques de la collection est grand, plus la période de temps pour l'historique des transactions devrait être petite. Mais une période de temps plus courte est plus préjudiciable à la précision, c'est donc un compromis. Pour le cas général, l'utilisation de toutes les transactions historiques est recommandée.
• Prix Contrat Oracle : Il fonctionne en deux étapes :
  • Valider tous les poids de traits retournés, en prenant la médiane ou la moyenne après avoir éliminé les valeurs aberrantes. Comme les valeurs des traits sont relativement stables, les poids ne devraient pas beaucoup différer, en maintenant une faible déviation après la validation.
  • Lorsqu'un utilisateur appelle le contrat oracle de prix, il obtient d'abord le prix plancher en temps réel grâce au oracle de prix plancheret calcule ensuite les prix en temps réel à l'aide de la formule (1).
• Contrat utilisateur : transmettez l'adresse du contrat et l'identifiant du jeton pour récupérer les prix spécifiques du jeton à partir du contrat oracle de prix

Comme les ratios de valeur des caractéristiques restent stables avec le temps, il n'est pas nécessaire de mettre à jour fréquemment les poids des caractéristiques. Les mises à jour périodiques des poids par les nœuds oracle, combinées à une tarification plancher en temps réel, maintiennent une tarification précise en temps réel au niveau des objets NFT.

Cependant, si nous choisissons de ne pas utiliser ce modèle avec des poids, et au lieu de cela, seulement parvenir à un consensus sur le prix final généré, est-ce que cela fonctionnerait toujours? Différents modèles de tarification peuvent avoir un impact significatif sur les résultats de tarification. Le même NFT rare pourrait être estimé à 120 ETH ou 450 ETH. Prendre la moyenne ou la médiane en présence d'un tel biais important introduirait toujours d'énormes erreurs. Cependant, l'introduction de poids peut largement garantir que la plage de fluctuation des prix reste faible et fournir des explications logiques sur l'origine de la tarification.

Forces

Neutralité crédible

Nous croyons fermement que ce processus de tarification doit être aussi neutre que possible; sinon, il ne peut pas devenir un consensus pour tous les traders NFT. Tout au long du processus de conception, nous avons essayé de nous conformer aux quatre principes de base.principes de neutralité crédible 5:

• Ne pas écrire des personnes spécifiques ou des résultats spécifiques dans le mécanisme : en évitant les biais de tiers tels que la rareté ou la valeur sentimentale, les paramètres/poids sont déduits par régression linéaire. Cela est strictement basé sur l'historique des transactions et n'utilise que les prix de vente et les prix planchers comme entrées pendant la formation.
• Exécution open source et publiquement vérifiable : les modèles linéaires sont entièrement open source, et la formation de modèles hors chaîne et la génération de prix sur chaîne sont tous deux facilement vérifiables.
• Restez simple : le modèle Premium utilise le modèle linéaire le plus simple et utilise le moins de données d’entraînement possible. Le calcul du prix est une simple sommation. Le prix du NFT est linéaire au prix plancher.
• Ne le changez pas trop souvent : les poids des traits n'ont pas besoin de changements fréquents, ce qui rend moins probable qu'ils soient attaqués.

Transparence

L’introduction de pondérations de caractères est importante. La plupart des modèles d’apprentissage automatique sont des boîtes noires, manquant d’une forte transparence, ce qui rend difficile la confiance dans les prix qui en résultent et impossible de parvenir à un consensus. Cependant, l’introduction de pondérations de caractéristiques facilite la compréhension des prix, en donnant à chaque paramètre une signification claire : les pondérations de caractéristiques représentent le rapport entre la prime de caractéristique et le prix plancher, et l’interception corrige le prix plancher et fournit une valeur de base pour la collection. Les pondérations des caractéristiques sont partagées entre chaque prix NFT, tout comme les caractéristiques sont partagées entre chaque NFT.

Limitations

Malgré ses forces, certaines limites existent :

• Il n'est pas applicable aux valeurs de traits changeantes rapidement. Parce que l'hypothèse préalable selon laquelle la prime d'un trait est à peu près un paramètre constant par rapport au prix plancher, lorsque la valeur du trait change rapidement, la gamme des fluctuations de valeur de trait calculée sur la base de l'historique des échanges de différentes durées est très grande, ce qui réduit la précision du modèle. Même si un consensus peut être atteint de manière neutre grâce à un oracle, il s'agit toujours d'une solution de compromis.
• Il est vulnérable aux attaques de trading fictif. Le modèle Premium repose sur des données de transaction réelles. Le trading fictif déforme les entrées de prix, entraînant des sorties de prix déformées. Bien que les réseaux d'oracles décentralisés fournissent un filtrage du trading fictif, cela ajoute de l'incertitude.
• Ce n'est pas entièrement sans permission. Les noeuds Oracle nécessitent actuellement un examen pour éviterattaques Sybil.

Applications

L'oracle des prix des NFT a de nombreuses applications, notamment dans le prêt, la location, les Makers de Marché Automatisés (AMM), la fractionnalisation et d'autres applications NFTfi. Il peut également servir de référence fiable pour les transactions peer-to-peer.

La caractéristique de linéarité permet une fragmentation proportionnelle. Actuellement, les AMM NFT ou les protocoles de fractionnement utilisent plusieurs pools pour différentes valeurs NFT, entraînant une liquidité fragmentée. Avec des ratios de prix stables, une nouvelle approche de fragmentation peut consolider une collection entière dans un seul coffre. Dans cette configuration, l'ERC20 de la collection représente de manière unique l'ensemble de la collection.

Par exemple, dans le cas du Bored Ape Yacht Club (BAYC):

• Rare NFT #7403, d'une valeur de 104,4 ETH, peut être utilisé comme garantie pour 1044 xBAYC.
• NFT commun #1001, d'une valeur de 25.5 ETH, peut être utilisé comme garantie pour obtenir 255 xBAYC.

Lorsque le prix plancher du BAYC passe de 25 ETH à 12,5 ETH, la valeur d'un xBAYC passe de 0,1 ETH à 0,05 ETH. Mais leur ratio de valeur reste inchangé à 1044:255.

Les ratios de prix restent constants malgré les changements du prix plancher, permettant une fragmentation et un rachat équitables.

Remerciements

Ce travail est grandement inspiré par deux articles écrits par @vbuterin . L'article Neutralité crédible comme principe directeur 5fournit des indications sur l'établissement de mécanismes crédibles et neutres. L'article Que pensez-vous des notes communautairesmontre un exemple concret de conception d'un algorithme suivant les principes de la neutralité crédible.

Mais la tarification des NFT est différente des Community Notes en ce sens que, puisque les données de prix dans les scénarios de trading doivent être en temps réel et ne comporter aucun risque de manipulation, la simple mise en open source du code est insuffisante pour une neutralité crédible. Un mécanisme de consensus efficace on-chain doit être établi.

Avertissement：

1. Cet article est repris de [GateRecherche sur Ethereum]. Tous les droits d'auteur appartiennent à l'auteur original [black71113; yusenzhan]. Si vous avez des objections à cette réimpression, veuillez contacter le Gate Learnéquipe, et ils s'en occuperont rapidement.
2. Clause de non-responsabilité : Les points de vue et opinions exprimés dans cet article sont uniquement ceux de l'auteur et ne constituent aucun conseil en investissement.
3. Les traductions de l'article dans d'autres langues sont effectuées par l'équipe Gate Learn. Sauf mention contraire, la copie, la distribution ou le plagiat des articles traduits est interdit.