在本文中,我们深入解释了我们新改进的 NFT 价格估计 (Price Estimates) 机器学习模型,并深入了解它的工作原理。
Nansen 目前已提供免费版 NFT God Mode 给刚开始入门的 NFT 用户。
2022 年 2 月,Nansen 推出了 Price Estimates v1.0 模型,该模型考虑了销售历史和特征,以估计任何给定 NFT 的最精确价格。 价格估算模型首先针对三个系列(BAYC、MAYC 和 Doodles)推出,后来扩展到总共 15 个系列。 但是,v1.0 的模型并不总是适用于所有 NFT 集合。 对于 v1.0 模式,每个 NFT 集合都有自己的自定义模型进行预测训练,这意味着该模型不太可能准确(鉴于数据有限),并且在 NFT 市场中的可扩展性较差。 因此,Price Estimates v2.0 的主要改进之一是我们现在拥有一个针对所有集合的历史数据进行预测的单一机器学习模型,使其能够从不同市场条件下的过去交易行为中学习。 因此,Nansen 升级 v2.0 的模型以适应 NFT 市场的广度。
从我们的 v1.0 试点中学习,Nansen 现在发布了价格估算 v2.0,其中改进了 NFT 价格估算方法。 Price Estimates v2.0 旨在创建一个模型,该模型可以:
在显示特征后,价格估计模型使用 NFT 的特征来计算集合中每个 NFT Token 的特征向量(“唯一”指纹)。 除了特征之外,我们还使用其他变量,例如市场条件来创建 NFT 出售“时间”的状态向量。
特征和状态向量共同构成了我们的自变量和模型的输入。 销售金额是我们的因变量。 我们使用机器学习模型将我们的因变量映射到市场上的价格。 通过从市场价格中学习,我们的模型了解哪些特征在针对市场状态进行调整后,通常会获得更高的价格。
底层的核心机器学习模型,还推动了其他当前功能的影响,例如 Nansen 的 Listing 正在挂单 和 Rarity 稀有度数据。 更新后的当前列表现在有一个新列显示价格估计,使用户能够一目了然地过滤 NFT 集合中被低估的项目。
Current Listings Table with Estimated Price
Rarity Table with Estimated Price
此外,前 1000 名稀有等级表将包括 NFT 稀有度分析器中排名最高的 NFT 的估价。 此更新也适用于特质稀有度表,该表也支持价格估算。
Bored Ape Yacht Club NFT’s Floor Price
极端的价格和数量波动在 NFT 市场中很常见。 例如,Bored Ape Yacht Club 无聊猿的底价从 2022 年 4 月 1 日的 102.3 ETH,在短短 30 天内升至 139 ETH; 增长 35.9%。 然而,到 2022 年 5 月,这个底价暴跌至 83.6 ETH; 下降 39.9%。 但同一时期,这个 BAYC #8537 特别的猴子 NFT, 在 25 天内售价增长到 70.7 ETH,所有者的购买价格增加了 45.7%。
NFT Item Profiler: Bored Ape Yacht Club #8537
从上面的例子可以看出,在估计“当前”NFT 价格时,使用最后的交易价格可能会受到限制。 虽然有些人可能会将 NFT 地板价作为估计 NFT 价格的代理,但我们观察到稀有和非稀有 NFT 件之间的价格差距很大。 例如,男性类型的 Cryptopunks 至少在 67.5 ETH 上挂牌。 另一方面,僵尸类型加密朋克以 1295 ETH 挂牌。 换句话说,如果不考虑 NFT 的特性,通过所有当前市场价格的地板价来估计一个项目本身的价格是有风险的。 因此,成为可靠 NFT 价格估计模型障碍的主要因素是:
为了与 Nansen 的透明度价值保持一致,我们提供了过去 30 天销售价格估算模型的表现视图。 我们遵循以下指标:
NFT 价格估算 v2.0 模型概览表为用户提供了有关用于生成价格估算的元数据的见解。 解释此表的一种可能方法是,某些 NFT 集合,例如 Generative Art NFT,可能没有映射到其价格的特征,或者对于这些集合,特征可能对其价格没有那么大的影响。 因此,对于这些 NFT,我们可以预期一个高误差,这表明归因特征在影响其价格估计方面是有限的。 一个这样的 NFT 收藏品是 Art Blocks Curated 的 Fidenza。
在概览表上,用户可以直观地点击特定的 NFT 集合,以更详细地了解特定集合和相应的 NFT 片段。 以下是无聊猿案例研究,展示了如何利用 NFT 价格估计 v2.0 模型。
在将旧模型与新模型进行比较时,我们观察到改进后的模型的平均预测误差(24% 到 14%)和平均校准误差(34% 到 15%)都有减少; 所有这些都导致预测信念的整体增加(低到中)。 对于同一块 NFT,我们还看到了预测价格的变化。
旧版本
新版本 Price Estimator v2.0 (BAYC)
那么,哪些特征可以证明 BAYC 的估计价格是合理的呢? 为了方便我们的用户,Price Estimates v2.0 模型提供了一个“按估计值划分的顶级特征类型”表。 此表概述了特定性状特征和与性状类型相关的中位数估计价格。 此外,该表还报告了集合中具有相关特征特征的 NFT 数量。 例如,“纯金毛皮”作为特征 BAYC 的中位估计价格为 478 ETH。 尽管目前的市场状况,具有这些特性特征的 BAYC #5383 最近以 777ETH(约 140 万美元)的价格售出。
Top Trait Types by Estimated Value
BAYC #5383’s Transacted Price
Rarity Profiler - Solid Gold Fur Trait Rarity Rank
用户可以使用 Rarity Profiler Tool 稀有度分析工具,更详细地查看特定特征。 选择以“纯金毛皮”特性为例,稀有度分析器工具通过给特定特性一个等级、分数和估计价格来对特定特性进行排名。 对于此特定特征,与此特征相关的 46 个 NFT 的中位数估计价格约为 478 ETH。
Rarity Profiler - Trait Rarity Rank
除了深入了解特征和稀有性如何影响 NFT 的估计价格外,用户还可以使用 Price Estimates v2.0 模型对特定的 NFT 进行进一步研究。 回顾 BAYC #5383 的例子,我们可以看到这个特定 NFT 拥有的主要特征及其估计价格的历史。
NFT God Mode - Price Estimator v2.0
Price Estimates v2.0 模型确定了 800 多个 NFT 集合的公平价格,使 Nansen 用户能够基于我们久经考验的模型深入了解被低估和夸大的 NFT。 所以‘我们怎么做?
我们通过以下方式实现 Price Estimates v2.0 模型:
但是,Price Estimates v2.0 模型存在局限性——我们正在不断努力的考虑和差距。 在特征没有充分描述 NFT 或生成艺术图像与其特征描述不同的情况下,v2.0 估计模型可能难以产生价格估计。 当存在具有非常高基数的特征(例如唯一类型)时,Price Estimates v2.0 模型可能具有有限的数据参考,因此难以产生准确的价格估计。 最后,对于销售地板价波动的情况,底价有时可能不准确,并且模型可能会识别出特定特征的不准确值。
NFT 市场现在已经足够成熟,我们能够方便地估计 NFT 的价格。 当您计划购买或出售 NFT 时,Nansen NFT 估价很有帮助。
目前 NFT Sniper - 适用于 VIP 和 Alpha 订阅者。
【免责声明】市场有风险,投资需谨慎。本文不构成投资建议,用户应考虑本文中的任何意见、观点或结论是否符合其特定状况。据此投资,责任自负。