Berbeda dengan token yang dapat dipertukarkan, NFT kurang memiliki harga real-time karena sifatnya yang tidak dapat dipertukarkan dan likuiditasnya yang rendah. Harga biasanya dirujuk ke harga dasar, yang kurang memiliki granularitas tingkat barang. Hal ini membuat sulit untuk menetapkan harga NFT yang tidak bernilai dasar untuk perdagangan atau peminjaman.

Secara khusus, dalam aplikasi-aplikasi ini:

• Sebagai harga acuan untuk transaksi peer-to-peer
• Menghitung valuasi portofolio NFT pribadi atau institusi
• Pinjaman NFT, fraksionalisasi, dan aplikasi NFTfi lainnya

Tidak ada kekurangan harga netral dan adil secara kredibel pada tingkat item.

Banyak aplikasi mencoba menyediakan layanan penetapan harga melalui model ML, tetapi kompleksitas dan kurangnya transparansi membuat sulit untuk memperoleh kepercayaan dan konsensus.

Artikel ini mencoba menyediakan harga NFT real-time dengan algoritma yang sederhana dan dapat diinterpretasikan. Ini juga mengusulkan mekanisme oracle agar pemangku kepentingan dapat berpartisipasi dengan adil dalam penemuan harga. Ini mengikuti prinsip-prinsip dari netralitas kredibel 5dengan data objektif minimal dan model yang sederhana, mudah dimengerti, dan kokoh untuk adopsi yang mudah.

Model Premium

Melalui pengamatan data transaksi NFT blue-chip dalam jumlah besar, kami menemukan bahwa nilai dari karakteristiknya relatif konstan terhadap harga dasar. Ketika harga dasar naik dan turun, premi absolut dari setiap karakteristik akan fluktuatif sesuai, tetapi rasio terhadap harga dasar tetap stabil. Ini berarti hubungan premi relatif antara karakteristik tetap stabil. Kami mengacu pada premi dari karakteristik NFT di atas harga dasar sebagai premi karakteristik. Oleh karena itu, kami membuat hipotesis:

• Nilai dari sebuah NFT dapat diuraikan menjadi nilai intrinsik dari koleksi itu sendiri dan jumlah semua premi ciri.
• Rasio premi ciri terhadap harga lantai sebagian besar konstan dalam suatu periode waktu.

Oleh karena itu, kami mengusulkan Model Premium. Formula inti yang mendasari Model Premium diungkapkan sebagai:

Di sini:

• Harga perkiraan: Nilai prediksi dari NFT.
• Harga lantai: Harga terendah di mana sebuah NFT saat ini terdaftar untuk dijual dalam koleksi tertentu di pasar.
• Intercept: Ini bisa dianggap sebagai penyesuaian dasar terhadap harga dasar. Karena nilai dasar dari sebuah NFT yang tidak termasuk ciri seharusnya berada di antara harga dasar dan penawaran terbaik, intercept biasanya merupakan jumlah negatif yang sangat kecil.
• Nilai dasar: Ini mewakili nilai dasar NFT dalam koleksi yang tidak terikat pada sifat tertentu, berasal dari harga dasar dan dipengaruhi oleh intersep. Secara matematis, ini dapat direpresentasikan sebagai:

• Bobot ciri: Ini adalah koefisien yang ditugaskan ke setiap ciri untuk menentukan seberapa besar ciri tersebut memengaruhi harga sebuah NFT. Setiap ciri memberikan kontribusi secara proporsional terhadap harga yang diestimasi berdasarkan bagaimana nilai relatifnya terhadap harga dasar.
• Premi ciri khas: Nilai tambahan yang terkait dengan ciri khas tertentu dari NFT. Mereka adalah hasil dari harga dasar dan bobot ciri khas mereka yang sesuai.

Setelah transformasi sederhana, (1) menghasilkan

Evaluasi

Kami menggunakan:

• semua data transaksi on-chain yang nyata dalam dua tahun sebagai data pelatihan
• apakah data transaksi berada dalam satu lingkaran sebagai kriteria untuk mengidentifikasi wash trading
• harga penawaran terendah dari opensea, blur, dan looksrare sebagai harga lantai
• Regresi Lasso sebagai model regresi

untuk melatih model terpisah untuk setiap koleksi.

Setiap kali terjadi transaksi, kami mencatat harga jual on-chain, serta harga yang diprediksi oleh model pada saat itu. Kami mengumpulkan 100 transaksi terbaru, dan menghitung akurasi rata-rata. Kami menguji model ini pada koleksi blue-chip dan menggunakanRata-rata Kesalahan Persentase Absolut (MAPE) sebagai metrik evaluasi. Berikut adalah hasil tesnya.

Fakta bahwa rentang waktu yang dipilih untuk data pelatihan meliputi dua tahun dan tingkat akurasi tinggi diperoleh pada 100 transaksi terbaru, menunjukkan asumsi bahwa rasio premi rata-rata antara berbagai karakteristik mewakili nilai dengan baik benar untuk sebagian besar koleksi blue chip.

Daftar berikut adalah bobot sifat untuk sifat Buludari koleksiBAYC.

Dapat dilihat bahwa bobot karakteristik dari Solid Gold Fur dan Trippy Fur, yang paling berharga, masing-masing 9,3 kali dan 3,3 kali lipat dari harga dasar, secara signifikan lebih tinggi dari semua bobot lainnya, sementara banyak karakteristik biasa memiliki bobot 0. Hasil ini sangat konsisten dengan pemahaman kita tentang nilai karakteristik.

Karena rendahnya likuiditas NFT langka dan data yang dikumpulkan tidak mencukupi, saat ini tidak mungkin untuk memberikan data akurasi yang akurat untuk NFT langka. Namun, kita dapat memberikan contoh spesifik untuk mengilustrasikan.

1370×1082 115 KB

Pada 15 Oktober 2023, a transaksiTerjadi penjualan Cryptopunks #8998. Harga transaksi adalah 57 ETH, dan harga terendah saat itu adalah 44.95 ETH. Kami mencatat bobot ciri #8998 saat itu sebagai berikut:

• Aksesoris Rambut Ungu: 0.15931
• Hidung Badut Aksesoris: 0.02458
• Accessory Frown: 0
• Gender Pria: 0.05595

Intersep Cryptopunks adalah -0.03270.

Jadi penilaian dapat dihitung dari:

Harganya mendekati harga transaksi, dengan kesalahan dalam 5%.

Namun, tidak semua NFT langka dapat dipatok harganya dengan begitu akurat. Karena nilai yang tidak jelas, orang seringkali memperkirakan harga NFT langka dengan terlalu tinggi atau terlalu rendah, yang mengenalkan bias yang secara objektif ada. Oleh karena itu, tidak peduli bagaimana algoritma penetapan harga NFT dirancang, selalu ada batas atas pada akurasi.

Namun, dari data di atas, kita bisa melihat bahwa premi ciri yang dihitung oleh algoritma ini signifikan dalam dua aspek:

• Nilai sifat langka jelas dibedakan dari yang biasa.
• Proses membedakan premi-premi ini transparan, berbasis bukti, dan netral dengan kredibilitas.

Harga NFT Oracle

Meskipun algoritma bertujuan untuk seobjektif mungkin, beberapa isu tetap ada:

• Harga off-chain tidak dapat digunakan untuk transaksi on-chain.
• Satu node terpusat menimbulkan risiko manipulasi.
• Sulit untuk mencapai konsensus tentang algoritma mengidentifikasi perdagangan mencuci untuk data latihan dan memerlukan mekanisme konfirmasi konsensus.

Untuk menyediakan harga on-chain yang netral dan tahan terhadap manipulasi terpusat, kami merancang mekanisme oracle untuk mencapai konsensus.

1628×652 119 KB

Ini terdiri dari jaringan terdesentralisasi dari node:

• Node Peserta: Setiap node memperoleh data pelatihan dari transaksi on-chain, menghitung bobot sifat menggunakan algoritma open-source, dan mengirimkannya ke node oracle, membentuk Jaringan Oracle TerdesentralisasiSetiap node dapat memilih berbeda:
  • Model-model linear—seperti regresi linear naif, regresi lasso, regresi ridge, dll. regresi lassoDirekomendasikan karena dapat mengurangi bobot sifat yang tidak penting menjadi nol.
  • Algoritma untuk mengidentifikasi perdagangan mencuci.
  • Riwayat transaksi dalam rentang waktu yang sesuai. Semakin besar perubahan dalam bobot sifat koleksi, semakin kecil rentang waktu untuk riwayat transaksi seharusnya. Namun, rentang waktu yang lebih kecil lebih merugikan untuk akurasi, sehingga ini adalah suatu kompromi. Untuk kasus umum, disarankan menggunakan semua transaksi historis.
• Kontrak Oracle Harga: Ini beroperasi dalam dua langkah:
  • Validasi semua bobot ciri yang dikembalikan, mengambil median atau rata-rata setelah menghapus pencilan. Karena nilai ciri relatif stabil, bobot seharusnya tidak berbeda banyak, menjaga deviasi rendah setelah validasi.
  • Ketika seorang pengguna memanggil kontrak oracle harga, pertama-tama ia memperoleh harga lantai real-time melalui oracle harga lantaidan kemudian menghitung harga secara real-time menggunakan rumus (1).
• Kontrak Pengguna: Berikan alamat kontrak dan ID token untuk mendapatkan harga token spesifik dari kontrak oracle harga

Karena rasio nilai sifat tetap stabil dari waktu ke waktu, tidak perlu bagi bobot sifat untuk diperbarui secara sering. Pembaruan bobot periodik dari node oracle, yang digabungkan dengan penetapan harga dasar real-time, menjaga akurasi penetapan harga NFT tingkat barang secara real-time.

Namun, jika kami memilih untuk tidak menggunakan model ini dengan bobot, dan malah hanya mencapai konsensus pada harga akhir yang dihasilkan, apakah itu masih akan berhasil? Model-model harga yang berbeda dapat memiliki dampak signifikan pada hasil harga. NFT langka yang sama bisa diestimasi seharga 120 ETH atau 450 ETH. Mengambil rata-rata atau median dalam keberadaan bias yang besar seperti itu masih akan memperkenalkan kesalahan yang besar. Namun, pengenalan bobot dapat sebagian besar memastikan bahwa rentang fluktuasi harga tetap kecil dan memberikan penjelasan logis untuk asal harga.

Kekuatan

Netralitas yang kredibel

Kami sangat yakin bahwa proses penetapan harga ini harus seobjektif mungkin; jika tidak, hal itu tidak dapat menjadi konsensus bagi semua pedagang NFT. Sepanjang seluruh proses desain, kami telah mencoba untuk mematuhi empat dasar prinsip netralitas yang dapat dipercaya 5:

• Jangan menuliskan orang-orang tertentu atau hasil-hasil tertentu ke dalam mekanisme: Menghindari bias pihak ketiga seperti kelangkaan atau nilai sentimental, parameter/bobot diperoleh melalui regresi linier. Ini ketat berlandaskan sejarah transaksi dan hanya menggunakan harga jual dan harga dasar sebagai masukan selama pelatihan.
• Open source dan eksekusi yang dapat diverifikasi secara publik: Model linier sepenuhnya open source, dan pelatihan model off-chain dan pembuatan harga on-chain keduanya mudah diverifikasi.
• Jaga kesederhanaan: Model Premium menggunakan model linear paling sederhana dan menggunakan sedikit data pelatihan yang mungkin. Perhitungan harga adalah penjumlahan sederhana. Harga NFT linear terhadap harga lantai.
• Jangan mengubahnya terlalu sering: Bobot sifat tidak memerlukan perubahan yang sering, membuatnya kurang mungkin diserang.

Transparansi

Pengenalan bobot sifat penting. Sebagian besar model pembelajaran mesin adalah kotak hitam, kurang transparan, sehingga sulit untuk mempercayai harga yang dihasilkan dan tidak mungkin mencapai konsensus. Namun, pengenalan bobot sifat membuat harga mudah dipahami, memberikan setiap parameter makna yang jelas: bobot sifat mewakili rasio premi sifat terhadap harga dasar, dan intercept memperbaiki harga dasar dan memberikan nilai dasar untuk koleksi. Bobot sifat dibagi di antara setiap harga NFT, sama seperti sifat dibagi di antara setiap NFT.

Batasan

Meskipun memiliki kelebihan, beberapa keterbatasan ada:

• Tidak berlaku untuk nilai-nilai sifat yang berubah dengan cepat. Karena asumsi sebelumnya bahwa premi dari sebuah sifat kurang lebih adalah parameter konstan relatif terhadap harga dasar, ketika nilai sifat berubah dengan cepat, rentang fluktuasi nilai sifat yang dihitung berdasarkan riwayat perdagangan berbagai periode waktu sangat besar, yang mengurangi akurasi model. Meskipun konsensus dapat dicapai secara netral melalui oracle, itu masih merupakan solusi kompromi.
• Rentan terhadap serangan perdagangan cuci. Model Premium bergantung pada data transaksi nyata. Perdagangan cuci merusak input harga, menyebabkan output harga yang terdistorsi. Sementara jaringan oracle terdesentralisasi menyediakan penyaringan perdagangan cuci, ini menambah ketidakpastian.
• Ini tidak sepenuhnya bersifat permissionless. Node Oracle saat ini memerlukan proses verifikasi untuk mencegah Serangan Sybil.

Aplikasi

Oracle harga NFT memiliki banyak aplikasi, terutama dalam peminjaman NFT, penyewaan, Automated Market Makers (AMM), pemecahan fraksional, dan aplikasi NFTfi lainnya. Hal ini juga dapat berfungsi sebagai referensi yang dapat diandalkan untuk transaksi peer-to-peer.

Fitur linearitas memungkinkan fragmentasi proporsional. Saat ini, AMM NFT atau protokol fragmentasi menggunakan beberapa kolam untuk nilai NFT yang berbeda, menyebabkan likuiditas yang terfragmentasi. Dengan rasio harga stabil, pendekatan fragmentasi baru dapat mengkonsolidasikan seluruh koleksi ke dalam satu vault tunggal. Dalam pengaturan ini, ERC20 koleksi secara unik mewakili seluruh koleksi.

Misalnya, dalam kasus Bored Ape Yacht Club (BAYC):

• NFT langka #7403, senilai 104,4 ETH, dapat dijaminkan menjadi 1044 xBAYC.
• NFT Umum #1001, senilai 25.5 ETH, dapat dijaminkan menjadi 255 xBAYC.

Ketika harga lantai BAYC turun dari 25 ETH menjadi 12.5 ETH, 1 xBAYC turun nilainya dari 0.1 ETH menjadi 0.05 ETH. Namun rasio nilai mereka tetap tidak berubah menjadi 1044:255.

Rasio harga tetap konstan meskipun terjadi perubahan harga dasar, memungkinkan fragmentasi dan penebusan yang adil.

Pengakuan

Karya ini sangat terinspirasi oleh dua artikel yang ditulis oleh @vbuterin. Artikel tersebutNetralitas Kredibel Sebagai Prinsip Panduan 5 memberi kita arahan dalam membangun mekanisme netral yang kredibel. Artikel Apa pendapatku tentang Catatan Komunitasmenampilkan contoh konkret tentang merancang algoritma mengikuti prinsip-prinsip netralitas yang dapat dipercaya.

Namun, harga NFT berbeda dari Catatan Komunitas dalam hal, karena data harga dalam skenario perdagangan harus real-time dan tidak memiliki risiko manipulasi, hanya mengunggah kode saja tidak mencukupi untuk netralitas yang kredibel. Mekanisme konsensus on-chain yang efektif harus didirikan.

Penafian：

1. Artikel ini dicetak ulang dari [ Penelitian Ethereum]. Semua hak cipta milik penulis asli [black71113; yusenzhan]. Jika ada keberatan terhadap pencetakan ulang ini, silakan hubungi Gate Belajartim, dan mereka akan menanganinya dengan segera.
2. Penolakan Tanggung Jawab: Pandangan dan opini yang terdapat dalam artikel ini semata-mata merupakan milik penulis dan tidak merupakan saran investasi apa pun.
3. Terjemahan artikel ke dalam bahasa lain dilakukan oleh tim Gate Learn. Kecuali disebutkan, menyalin, mendistribusikan, atau menjiplak artikel yang diterjemahkan dilarang.