В отличие от фунгибельных токенов, NFT не имеют реального времени ценообразования из-за их нефункциональности и непродаваемости. Цены обычно ориентируются на минимальную цену, которой не хватает детализации на уровне товара. Это делает сложным ценообразование NFT, не имеющих минимальной стоимости, для торговли или кредитования.

Конкретно в этих приложениях:

• Как опорная цена для одноранговых транзакций
• Расчет персональной или институциональной оценки портфеля NFT
• Займы NFT, фракционирование и другие приложения NFTfi

На уровне товара отсутствует объективно нейтральная и справедливая цена.

Многие приложения пытаются предоставить услуги ценообразования с помощью моделей ML, но сложность и недостаток прозрачности делают сложным завоевание доверия и консенсуса.

Эта статья пытается предоставить ценообразование NFT в реальном времени с помощью простого и интерпретируемого алгоритма. Она также предлагает механизм оракула для заинтересованных сторон, чтобы справедливо участвовать в определении цены. Она следует принципам доверенная нейтральность 5с минимальными объективными данными и простыми, понятными и надежными моделями для легкого внедрения.

Премиум Модель

Проводя наблюдения за большими объемами данных о транзакциях NFT с крупными компаниями, мы обнаруживаем, что стоимость характеристик примерно постоянна относительно базовой цены. Когда базовая цена растет и падает, абсолютная премия каждой характеристики будет соответственно колебаться, но отношение к базовой цене остается стабильным. Это означает, что отношения между премией характеристики и базовой ценой стабильны. Мы называем премию характеристики NFT над базовой ценой премией характеристики. Мы поэтому предполагаем:

• Ценность NFT можно разложить на внутреннюю ценность самой коллекции и сумму всех премиальных характеристик.
• Соотношение премии за характеристики к минимальной цене в значительной степени остается постоянным в течение определенного периода времени.

Таким образом, мы предлагаем премиальную модель. Основная формула, лежащая в основе премиальной модели, выражается так:

Здесь:

• Предполагаемая цена: Предсказанное значение NFT.
• Минимальная цена: Самая низкая цена, по которой в данный момент определенная коллекция NFT выставлена на продажу на рынке.
• Интерсепт: Это можно рассматривать как базовую корректировку базовой цены. Поскольку базовая стоимость NFT, исключая характеристики, должна быть между базовой ценой и лучшим предложением, интерсепт обычно является крайне незначительной отрицательной суммой.
• Базовое значение: это представляет собой базовое значение NFT в коллекции, не связанное с конкретными характеристиками, происходящее от минимальной цены и под влиянием перехвата. Математически оно может быть представлено как:

• Вес признака: Это коэффициенты, которые назначаются каждому признаку для определения того, насколько этот признак влияет на цену NFT. Каждый признак пропорционально влияет на оценочную цену в зависимости от его стоимости по сравнению с минимальной ценой.
• Премиум за характеристику: Дополнительные значения, присвоенные определенным характеристикам NFT. Они являются произведением базовой цены и их соответствующих весов характеристик.

После простого преобразования, (1) дает

Оценка

Мы использовали:

• вся реальная цепочка транзакций за два года в качестве обучающих данных
• были ли данные сделок в петле в качестве критерия для идентификации мойки торгов
• Самая низкая цена листинга OpenSea, Blur и Looksrare в качестве минимальной цены
• Лассо Регрессия как модель регрессии

, чтобы обучить отдельную модель для каждой коллекции.

Всякий раз, когда происходит транзакция, мы записываем цену продажи на цепочке, а также прогнозируемую модельную цену на тот момент. Мы собрали последние 100 транзакций и рассчитали среднюю точность. Мы протестировали модель на коллекциях blue-chip и использовалиСредняя абсолютная процентная ошибка (MAPE)как метрика оценки. Вот результат теста.

Факт того, что временной диапазон, выбранный для обучающих данных, охватывает два года, и высокая точность достигается на последних 100 транзакциях, указывает на предположение, что средний премиальный коэффициент между различными чертами хорошо представляет значение для большинства коллекций Blue Chip, является истинным.

В следующем списке приведены весовые коэффициенты типажа для типажа МехколлекцииBAYC.

Можно видеть, что вес черт самого ценного, Цельного Золотого Меха и Триппи Меха, в 9,3 и 3,3 раза больше минимальной цены соответственно, что значительно выше, чем у всех остальных весов, в то время как многие обычные черты имеют вес 0. Эти результаты полностью согласуются с нашим пониманием ценности черты.

Из-за низкой ликвидности редких NFT и недостаточного количества собранных данных в настоящее время невозможно предоставить точные данные о точности для редких NFT. Однако для иллюстрации можно привести конкретный пример.

1370×1082 115 КБ

15 октября 2023 года, транзакция Cryptopunks #8998. Цена сделки составила 57 ETH, а минимальная цена на тот момент — 44,95 ETH. На тот момент мы записали веса типажей #8998 следующим образом:

• Аксессуар Фиолетовые волосы: 0.15931
• Аксессуар Клоун Нос: 0.02458
• Аксессуар Хмурый: 0
• Пол Мужской: 0.05595

Перехват Cryptopunks составил -0.03270.

Таким образом, оценка может быть рассчитана по:

Это близко к цене сделки, с ошибкой не более 5%.

Однако не все редкие NFT могут быть оценены настолько точно. Из-за неясной ценности люди часто переоценивают или недооценивают, устанавливая цены на редкие NFT, что вводит субъективное искажение. Поэтому, как бы ни был разработан алгоритм ценообразования для NFT, всегда существует верхний предел точности.

Однако из вышеуказанных данных мы видим, что премии за характеристики, рассчитанные этим алгоритмом, значительны с двух точек зрения:

• Ценность редких признаков четко дифференцирована от обычных.
• Процесс дифференциации этих премий прозрачен, основан на доказательствах и обладает доверенным нейтралитетом.

NFT Цена Оракула

Несмотря на то, что алгоритм стремится быть как можно более достоверно нейтральным, некоторые проблемы остаются:

• Цены вне цепи не могут быть использованы для транзакций в цепи.
• Один централизованный узел создает риски манипуляций.
• Сложно достичь консенсуса относительно алгоритма идентификации мошенничества с целью обучения данных и требует механизма подтверждения консенсуса.

Для обеспечения доверенной нейтральной цены на цепочке, устойчивой к централизованному вмешательству, мы разрабатываем механизм оракула для достижения консенсуса.

1628×652 119 КБ

Он состоит из децентрализованной сети узлов:

• Узлы участников: каждый узел получает обучающие данные из онлайн-транзакций, вычисляет веса черт с помощью открытого алгоритма и отправляет их оракульным узлам, формируя Децентрализованные оракульные сети. Каждый узел может выбрать разное:
  • Линейные модели, такие как наивная линейная регрессия, лассо регрессия, ридж регрессия и т. д. Лассо регрессиярекомендуется, поскольку это может уменьшить вес неважных характеристик до нуля.
  • Алгоритмы идентификации мойки торговли.
  • Истории транзакций в пределах подходящего временного интервала. Чем больше изменение в весах характеристик коллекции, тем меньше должен быть временной интервал для истории транзакций. Однако более короткий временной интервал более вреден для точности, поэтому это компромисс. Для общего случая рекомендуется использовать все исторические транзакции.
• Контракт Оракула Цены: Он работает в два этапа:
  • Проверьте все возвращенные веса признаков, взяв медиану или среднее после удаления выбросов. Поскольку значения признаков относительно стабильны, веса не должны сильно отличаться, что держит отклонение на низком уровне после валидации.
  • Когда пользователь вызывает контракт оракула цены, он сначала получает минимальную цену в режиме реального времени через метод оракул минимальной ценыа затем вычисляет текущую стоимость с использованием формулы (1).
• Пользовательский контракт: Передайте адрес контракта и идентификатор токена, чтобы получить конкретную цену токена из контракта оракула цен

Поскольку соотношения значений признаков остаются стабильными со временем, нет необходимости часто обновлять веса признаков. Периодические обновления весов от оракул-узлов, совместно с плавающими ценами в режиме реального времени, поддерживают точные цены на NFT на уровне товара в режиме реального времени.

Однако, если мы выберем не использовать эту модель с весами, а вместо этого договоримся только о конечной сгенерированной цене, она все равно будет работать? Различные модели ценообразования могут иметь значительное влияние на результаты ценообразования. Тот же редкий NFT может быть оценен в 120 ETH или 450 ETH. Взятие среднего или медианы в присутствии такого большого смещения все равно приведет к огромным ошибкам. Однако введение весов в значительной степени может обеспечить, чтобы диапазон колебаний цен оставался небольшим и предоставлял логические объяснения происхождения ценообразования.

Сильные стороны

Доверенная нейтральность

Мы твердо верим, что этот процесс ценообразования должен быть максимально объективным; в противном случае он не может стать консенсусом для всех трейдеров NFT. На протяжении всего процесса проектирования мы старались придерживаться четырех основных принципы нейтралитета 5:

• Не упоминайте конкретных людей или конкретных результатов в механизме: избегая сторонних предубеждений, таких как редкость или сентиментальная ценность, параметры/веса вычисляются с помощью линейной регрессии. Это строго основано на истории транзакций и использует только цены продаж и минимальные цены в качестве входных данных во время обучения.
• Открытое и публично проверяемое выполнение: Линейные модели полностью открыты и обучение моделей вне цепи и генерация цен внутри цепи легко подтверждаются.
• Держите это просто: премиальная модель использует самую простую линейную модель и использует минимальное количество обучающих данных. Расчёт цены - это простое сложение. Цена NFT линейно зависит от цены на пол.
• Не меняйте его слишком часто: Веса признаков не требуют частых изменений, что делает его менее подверженным атакам.

Прозрачность

Введение весов характеристик важно. Большинство моделей машинного обучения являются «черными ящиками», лишены сильной прозрачности, что затрудняет доверие к полученным ценам и невозможно достичь консенсуса. Однако введение весов характеристик делает цены понятными, придавая каждому параметру ясный смысл: веса характеристик представляют собой соотношение премии за характеристику к минимальной цене, а перехват корректирует минимальную цену и предоставляет базовое значение для коллекции. Веса характеристик распространяются на каждую цену NFT, так же как и характеристики распространяются на каждый NFT.

Ограничения

Несмотря на свои сильные стороны, существуют некоторые ограничения:

• Это не применимо к быстро изменяющимся значениям черт. Поскольку предположение о том, что премия за черту является примерно постоянным параметром по отношению к минимальной цене, когда значение черты быстро изменяется, диапазон флуктуаций значений черты, рассчитанный на основе истории торговли разной продолжительности, очень велик, что снижает точность модели. Даже если консенсус может быть достигнут нейтрально через оракула, это все еще компромиссное решение.
• Платформа уязвима к атакам с промыванием торговли. Модель премиума зависит от реальных данных о транзакциях. Промывание торговли искажает входные данные оценки, что приводит к искаженным выходным данным оценки. Хотя децентрализованные сети оракулов предоставляют фильтрацию торговли с промыванием, это добавляет неопределенность.
• Это не полностью бесразрешительно. Узлы оракула в настоящее время требуют проверки, чтобы предотвратить Атаки Сивиллы.

Приложения

Оракул цены NFT имеет многочисленные применения, особенно в области займов под NFT, лизинга, автоматизированных рыночных создателей (AMM), фракционирования и других приложениях NFTfi. Он также может служить надежной ссылкой для одноранговых транзакций.

Функция линейности обеспечивает пропорциональное фрагментирование. В настоящее время NFT AMM или протоколы фрагментации используют несколько пулов для различных значений NFT, что приводит к фрагментации ликвидности. С помощью стабильных ценовых соотношений новый подход к фрагментации может объединить всю коллекцию в один общий сейф. В этой настройке ERC20 коллекции уникальным образом представляет всю коллекцию.

Например, в случае Bored Ape Yacht Club (BAYC):

• Редкий NFT #7403, стоимостью 104.4 ETH, может быть заложен в 1044 xBAYC.
• Обычный NFT #1001, стоимостью 25.5 ETH, может быть заложен в 255 xBAYC.

Когда минимальная цена BAYC падает с 25 ETH до 12,5 ETH, стоимость 1 xBAYC падает с 0,1 ETH до 0,05 ETH. Но соотношение их стоимости остается неизменным и составляет 1044:255.

Ценовые соотношения остаются неизменными несмотря на изменения в минимальной цене, что позволяет справедливо фрагментировать и погашать.

Признательность

Эта работа вдохновлена двумя статьями, написанными @vbuterin . Статья Достоверная нейтральность как принцип руководства 5предоставляет нам направление в установлении нейтральных механизмов достоверности. Статья Что я думаю о заметках сообществапоказывает конкретный пример проектирования алгоритма в соответствии с принципами достоверной нейтральности.

Но ценообразование NFT отличается от Примечаний сообщества тем, что, поскольку данные о ценах в сценариях торговли должны быть в реальном времени и не иметь никакого риска манипуляции, только открытие кода недостаточно для истинной нейтральности. Необходимо установить эффективный механизм консенсуса на цепи.

Disclaimer：

1. Эта статья перепечатана из [GateИсследование Ethereum]. Все авторские права принадлежат оригинальному автору [black71113; юсэнжан]. Если есть возражения против этого повторного издания, пожалуйста, свяжитесь Gate Learnкоманда, и они оперативно решат этот вопрос.
2. Ответственность за отказ: мнения и взгляды, выраженные в этой статье, являются исключительно мнениями автора и не являются инвестиционными советами.
3. Переводы статьи на другие языки выполняются командой Gate Learn. Если не указано иное, копирование, распространение или плагиат переведенных статей запрещены.