Ao contrário de tokens fungíveis, os NFTs carecem de preços em tempo real devido à sua não fungibilidade e iliquidez. Os preços são tipicamente referenciados ao preço mínimo, que carece de granularidade ao nível do item. Isso torna difícil precificar NFTs não valorizados no mínimo para negociação ou empréstimo.

Especificamente, nessas aplicações:

• Como um preço de referência para transações peer-to-peer
• Calculando avaliações de portfólio NFT pessoais ou institucionais
• Empréstimo de NFT, fracionalização e outras aplicações NFTfi

Há uma falta de preço credivelmente neutro e justo no nível do item.

Muitas aplicações tentam fornecer serviços de preços via modelos de ML, mas a complexidade e a falta de transparência tornam difícil obter confiança e consenso.

Este artigo tenta fornecer preços de NFT em tempo real com um algoritmo simples e interpretável. Também propõe um mecanismo de oracle para que as partes interessadas participem de forma justa na descoberta de preços. Segue os princípios de neutralidade credível 5com dados objetivos mínimos e modelos simples, compreensíveis e robustos para fácil adoção.

Modelo Premium

Por meio de observações de grandes quantidades de dados de transações de NFT de blue-chip, descobrimos que o valor dos atributos é aproximadamente constante em relação ao preço base. Quando o preço base sobe e desce, o prêmio absoluto de cada atributo flutuará de acordo, mas a proporção em relação ao preço base permanece estável. Isso significa que as relações de prêmio relativo entre atributos são estáveis. Referimo-nos ao prêmio de um atributo de NFT sobre o preço base como o prêmio do atributo. Portanto, formulamos a seguinte hipótese:

• O valor de um NFT pode ser decomposto no valor inerente da própria coleção e na soma de todos os prêmios de traço.
• A relação entre o prêmio do traço e o preço mínimo é amplamente constante dentro de um período de tempo.

Assim, propomos o Modelo Premium. A fórmula principal que sustenta o Modelo Premium é expressa como:

Aqui:

• Preço estimado: O valor previsto do NFT.
• Preço mínimo: o menor preço pelo qual um NFT está atualmente listado para venda em uma coleção específica no mercado.
• Interceptar: Isso poderia ser considerado como um ajuste de base para o preço mínimo. Uma vez que o valor base de um NFT excluindo características deve estar entre o preço mínimo e a melhor oferta, o intercepto geralmente é uma quantidade negativa muito pequena.
• Valor base: Isso representa o valor de referência de um NFT dentro de uma coleção não vinculado a traços específicos, derivado do preço mínimo e influenciado por uma intercepção. Matematicamente, pode ser representado como:

• Peso do traço: Estes são os coeficientes atribuídos a cada traço para determinar o quanto esse traço influencia o preço de um NFT. Cada traço contribui proporcionalmente para o preço estimado com base em como é valorizado em relação ao preço mínimo.
• Prémio de traço: Valores adicionais atribuídos a características particulares do NFT. Eles são o produto do preço mínimo e seus pesos de característica correspondentes.

Após uma transformação simples, (1) produz

Avaliação

Utilizamos:

• todos os dados reais de transações on-chain dentro de dois anos como dados de treinamento
• se os dados da transação estavam em um loop como critério para identificar negociações de lavagem
• preço de listagem mais baixo da opensea, blur e looksrare como o preço mínimo
• Regressão de Lasso como o modelo de regressão

treinar um modelo separado para cada coleção.

Sempre que ocorre uma transação, registramos o preço de venda na cadeia, bem como o preço previsto do modelo naquele momento. Compilamos as últimas 100 transações e calculamos a precisão média. Testamos o modelo em coleções blue-chip e empregamosErro percentual absoluto médio (MAPE) como métrica de avaliação. Aqui está o resultado do teste.

O fato de que o intervalo de tempo selecionado para os dados de treinamento abrange dois anos e uma alta taxa de precisão é obtida nas últimas 100 transações, indica a suposição de que a média da taxa de prêmio entre diferentes características representa bem o valor e é verdadeira para a maioria das coleções de blue chip.

A lista a seguir são os pesos dos traços para o traço Peleda coleçãoBAYC.

Pode-se ver que os pesos dos traços mais valiosos, Solid Gold Fur e Trippy Fur, são 9,3 vezes e 3,3 vezes o preço base, respectivamente, o que é significativamente maior do que todos os outros pesos, enquanto muitos traços comuns têm um peso de 0. Estes resultados são muito consistentes com a nossa compreensão do valor do traço.

Devido à baixa liquidez dos NFTs raros e à insuficiência de dados coletados, atualmente é impossível fornecer dados precisos sobre a precisão dos NFTs raros. No entanto, podemos dar um exemplo específico para ilustrar.

1370×1082 115 KB

Em 15 de outubro de 2023, um transaçãoO Cryptopunks #8998 ocorreu. O preço da transação foi de 57 ETH, e o preço mínimo naquela época era de 44,95 ETH. Registramos os pesos dos traços do #8998 naquela época da seguinte forma:

• Acessório Cabelo Roxo: 0.15931
• Nariz de Palhaço Acessório: 0.02458
• Acessório Frown: 0
• Gênero Masculino: 0.05595

A interceptação de Cryptopunks foi de -0,03270.

Então, a valuation pode ser calculada a partir de:

Está próximo do preço da transação, com um erro dentro de 5%.

No entanto, nem todos os NFTs raros podem ser precificados com tanta precisão. Devido ao valor incerto, as pessoas frequentemente superestimam ou subestimam ao dar preços para NFTs raros, o que introduz um viés que objetivamente existe. Portanto, não importa como o algoritmo de precificação de NFTs seja projetado, sempre há um limite máximo de precisão.

No entanto, a partir dos dados acima, podemos ver que os prémios de traço calculados por este algoritmo são significativos em dois aspectos:

• O valor das características raras é distintamente diferenciado das características comuns.
• O processo de diferenciar esses prêmios é transparente, baseado em evidências e credivelmente neutro.

Oráculo de Preço NFT

Embora o algoritmo tenha como objetivo ser o mais neutro possível, algumas questões ainda permanecem:

• Os preços off-chain não podem ser usados para transações on-chain.
• Único nó centralizado representa riscos de manipulação.
• É difícil chegar a um consenso sobre o algoritmo de identificação de wash trading para dados de treinamento e requer um mecanismo de confirmação de consenso.

Para fornecer um preço em cadeia credível e neutro resistente à manipulação centralizada, projetamos um mecanismo de oráculo para alcançar consenso.

1628×652 119 KB

É composto por uma rede descentralizada de nós:

• Nós participantes: Cada nó obtém dados de treinamento de transações on-chain, calcula pesos de características usando o algoritmo de código aberto e os submete a nós oracle, formando Redes de Oráculos DescentralizadosCada nó pode escolher diferente:
  • Modelos lineares, como regressão linear ingênua, regressão lasso, regressão ridge, etc. regressão de lassoé recomendado, pois pode reduzir os pesos de traços não importantes para zero.
  • Algoritmos para identificar negociações fictícias.
  • Históricos de transação dentro de um período de tempo adequado. Quanto maior for a mudança nos pesos dos atributos da coleção, menor deve ser o período de tempo para o histórico de transações. Mas um período de tempo menor é mais prejudicial para a precisão, então é uma troca. Para o caso geral, é recomendado usar todas as transações históricas.
• Contrato de Oráculo de Preço: Ele opera em duas etapas:
  • Valide todos os pesos de características retornados, tomando a mediana ou média após a remoção de outliers. Como os valores das características são relativamente estáveis, os pesos não devem diferir muito, mantendo o desvio baixo após a validação.
  • Quando um usuário chama o contrato do oráculo de preço, primeiro obtém o preço mínimo em tempo real através do oráculo de preço mínimoe então calcula o preço em tempo real usando a fórmula (1).
• Contrato do Usuário: Passe o endereço do contrato e o ID do token para recuperar o preço específico do token do contrato do oráculo de preço

À medida que as proporções de valor dos traços permanecem estáveis ao longo do tempo, não é necessário atualizar com frequência os pesos dos traços. As atualizações periódicas de peso dos nós oráculo, combinadas com preços de piso em tempo real, mantêm os preços precisos em tempo real dos NFTs em nível de item.

No entanto, se optarmos por não usar esse modelo com pesos e, em vez disso, apenas chegarmos a um consenso sobre o preço final gerado, ele ainda funcionaria? Diferentes modelos de precificação podem ter um impacto significativo nos resultados de precificação. O mesmo NFT raro poderia ser estimado em 120 ETH ou 450 ETH. Tomar a média ou mediana na presença de um viés tão grande ainda introduziria erros tremendos. No entanto, a introdução de pesos pode, em grande medida, garantir que o intervalo de flutuação dos preços permaneça pequeno e fornecer explicações lógicas para a origem dos preços.

Forças

Neutralidade credível

Acreditamos firmemente que este processo de precificação deve ser o mais neutral e credível possível; caso contrário, não pode se tornar um consenso para todos os traders de NFT. Ao longo de todo o processo de design, tentamos aderir aos quatro princípios básicos princípios de neutralidade credível 5:

• Não escreva pessoas específicas ou resultados específicos no mecanismo: Evitando viés de terceiros como raridade ou valor sentimental, os parâmetros/pesos são deduzidos através de uma regressão linear. Isso é estritamente fundamentado na história de transações e utiliza apenas preços de venda e preços mínimos como entradas durante o treinamento.
• Execução de código aberto e publicamente verificável: Os modelos lineares são completamente de código aberto, e o treinamento do modelo off-chain e a geração de preços on-chain são facilmente verificáveis.
• Mantenha simples: O Modelo Premium emprega o modelo linear mais simples e utiliza o menor volume de dados de treinamento possível. O cálculo do preço é uma simples soma. O preço do NFT é linear em relação ao preço mínimo.
• Não o altere com muita frequência: Os pesos dos traços não requerem mudanças frequentes, tornando menos provável serem atacados.

Transparência

A introdução de pesos de características é importante. A maioria dos modelos de aprendizado de máquina são caixas-pretas, sem muita transparência, o que torna difícil confiar nos preços resultantes e impossível chegar a um consenso. No entanto, a introdução de pesos de características torna os preços fáceis de entender, dando a cada parâmetro um significado claro: os pesos das características representam a proporção do prêmio da característica para o preço mínimo, e o intercepto corrige o preço mínimo e fornece um valor base para a coleção. Os pesos das características são compartilhados entre cada preço de NFT, assim como as características são compartilhadas entre cada NFT.

Limitações

Apesar de suas forças, existem algumas limitações:

• Não é aplicável para valores de traços que mudam rapidamente. Porque a suposição anterior de que o prêmio de um traço é aproximadamente um parâmetro constante em relação ao preço mínimo, quando o valor do traço muda rapidamente, a amplitude das flutuações de valor do traço calculadas com base no histórico de negociação de diferentes períodos de tempo é muito grande, o que reduz a precisão do modelo. Mesmo que um consenso possa ser alcançado de forma neutra através de um oráculo, ainda é uma solução de compromisso.
• É vulnerável a ataques de wash trading. O Modelo Premium baseia-se em dados reais de transações. O wash trading distorce os inputs de preços, levando a outputs de preços distorcidos. Embora as redes de oráculos descentralizados forneçam filtragem de wash trade, isso adiciona incerteza.
• Não é totalmente sem permissão. Os nós do Oracle atualmente requerem avaliação para evitarAtaques de Sybil.

Aplicações

O oráculo de preços de NFT tem inúmeras aplicações, especialmente em empréstimos de NFT, locação, Automated Market Makers (AMMs), fracionamento e outras aplicações NFTfi. Também pode servir como uma referência confiável para transações peer-to-peer.

A característica da linearidade permite a fragmentação proporcional. Atualmente, os AMMs NFT ou os protocolos de fracionalização usam várias pools para diferentes valores de NFT, levando a uma liquidez fragmentada. Com proporções de preços estáveis, uma nova abordagem de fragmentação pode consolidar uma coleção inteira em um único cofre. Nesta configuração, o ERC20 da coleção representa de forma única a coleção inteira.

Por exemplo, no caso do Bored Ape Yacht Club (BAYC):

• Raro NFT #7403, no valor de 104,4 ETH, pode ser usado como garantia em 1044 xBAYC.
• NFT comum #1001, no valor de 25.5 ETH, pode ser usado como garantia para 255 xBAYC.

Quando o preço mínimo do BAYC cai de 25 ETH para 12,5 ETH, 1 xBAYC cai de valor de 0,1 ETH para 0,05 ETH. Mas a proporção de valor deles permanece inalterada em 1044:255.

As proporções de preços permanecem constantes apesar das mudanças no preço mínimo, permitindo uma fragmentação e resgate justos.

Agradecimentos

Este trabalho é muito inspirado em dois artigos escritos por @vbuterin. O artigoNeutralidade Credível Como Princípio Orientador 5fornece-nos orientação na criação de mecanismos de neutralidade credível. O artigo O que eu penso sobre as Notas da Comunidademostra um exemplo concreto de design de um algoritmo seguindo os princípios da neutralidade credível.

Mas a precificação de NFT é diferente das Notas da Comunidade, uma vez que os dados de preço em cenários de negociação devem ser em tempo real e sem risco de manipulação, apenas o código aberto é insuficiente para uma verdadeira neutralidade credível. Um mecanismo eficaz de consenso on-chain deve ser estabelecido.

Disclaimer:

1. Este artigo foi republicado de [GatePesquisa Ethereum]. Todos os direitos autorais pertencem ao autor original [black71113; yusenzhan]. Se houver objeções a esta reedição, entre em contato com o Gate Learnequipe e eles vão lidar com isso prontamente.
2. Isenção de Responsabilidade: As opiniões expressas neste artigo são exclusivamente do autor e não constituem qualquer conselho de investimento.
3. As traduções do artigo para outros idiomas são feitas pela equipe Gate Learn. Salvo indicação em contrário, copiar, distribuir ou plagiar os artigos traduzidos é proibido.