[論文レビュー] NFT Bubbles

Andrea Barbon, Angelo Ranaldo|arXiv (Cornell University)|Mar 10, 2023

Financial Markets and Investment StrategiesEconomics, Econometrics and Finance被引用数 3

ひとこと要約

本稿では、ブロックチェーンで追跡されたNFT取引データを用いて、投機的バブル期における小規模投資家の行動を分析し、エージェントレベルの特徴、特に投資家の熟練度がバブル形成および崩壊を顕著に予測することを明らかにした。熟練した投資家は他の投資家を上回るパフォーマンスを示し、バブル崩壊のリスクを低減するが、洗い取り取引（wash trading）と流動性の低さはリスクを高める。これにより、市場安定性に貢献するインフォームドな小規模投資家の役割が強く裏付けられた。

ABSTRACT

By investigating nonfungible tokens (NFTs), we provide the first systematic study of retail investor behavior through asset bubbles. Given that NFTs are recorded in public blockchains, we are able to track investor behavior over time, leading to the identification of numerous price run-ups and crashes. Our study reveals that agent-level variables, such as investor sophistication, heterogeneity, and wash trading, in addition to aggregate variables, such as volatility, price acceleration, and turnover, significantly predict bubble formation and price crashes. We find that sophisticated investors consistently outperform others and exhibit characteristics consistent with superior information and skills, supporting the narrative surrounding asset pricing bubbles.

研究の動機と目的

• NFT市場における個々の小規模投資家の行動が、資産価格バブルの形成および崩壊にどのように影響するかを調査すること。
• 市場全体の変数に比べ、投資家レベルの変数（投資家の熟練度、洗い取り取引など）が、バブルダイナミクスをより効果的に予測できるかどうかを特定すること。
• 個々の投資家行動をバブル予測モデルに組み込むことの経済的価値を評価すること。
• 熟練した投資家の存在が、崩壊リスクを低減し、上昇後のリターンを向上させるかどうかを検討すること。

提案手法

• 2021年1月から2022年9月にかけて、OpenSeaで取引が多かった上位1,000のNFTコレクションを対象に、1,500万件の取引と180億ドル以上の取引高を含む代表的データセットを構築した。
• グリーンウッドら（2019）が開発した高周波度手法を応用し、価格上昇期と崩壊期を特定した。約1,000件の上昇期が検出され、その半数が崩壊に終わった。
• 市場レベルの変数（ボラティリティ、価格加速、取引量）とエージェントレベルの変数（投資家の熟練度、洗い取り取引、多様性）を組み合わせた回帰モデルを推定し、崩壊の可能性を予測した。
• 2021年のデータで訓練したモデルの予測を2022年のデータでテストするためのアウトオブサンプル取引戦略を実装し、平均時間単位の価格に基づいて投資ポートフォリオリターンを算出した。
• 洗い取り取引を除外して再推定するなど、妥当性の検証を実施。その結果、洗い取り取引はデータにほとんどノイズを加えず、主な結果に歪みをもたらさないことが確認された。
• 予測の経済的価値を、予測された崩壊確率に基づくロング・ショートポジションの累積リターンを比較することで評価。エージェントレベルの予測子を含むモデルと含まないモデルを比較した。

Figure 1: NFT market. The figure presents the weekly time series of average transaction prices (in USD) and total trading volume (in million USD) based on our data set, comprising the 1,000 most traded NFT collections on OpenSea from January 2021 to September 2022. This sample covers around 5% of th

実験結果

リサーチクエスチョン

• RQ1 熟練度や洗い取り取引といったエージェントレベルの投資家特性は、NFT価格バブルの形成および崩壊を予測できるか？
• RQ2 熟練した投資家はバブル上昇期および崩壊期において、他の投資家をどれほど上回るパフォーマンスを示すか？
• RQ3 熟練した投資家の存在は、崩壊の可能性を低減させ、上昇後のリターンを改善するか？
• RQ4 市場レベルの変数に加えてエージェントレベルの変数を組み込むことで、バブルモデルの予測力はどの程度向上するか？

主な発見

• 高いボラティリティ、価格加速、低水準の取引量は、NFT価格崩壊の強い予測要因である。ボラティリティと加速は崩壊の可能性を高め、取引量はそれを低下させる。
• 熟練した投資家は一貫して他の投資家を上回るパフォーマンスを示し、優れた情報とスキルを持つという特徴を示しており、インフォームドな小規模投資家の参加がバブルに影響を及けるという主張を裏付けた。
• 上昇期における熟練投資家の割合が高くなると、崩壊リスクは顕著に低下し、事後的な正のリターンも上昇する。一方、投資家数が少ない状況や洗い取り取引の存在は、崩壊リスクと流動性不足を増加させる。
• エージェントレベルの変数を用いたアウトオブサンプル取引戦略は、経済的に有意な利益をもたらした。予測された非崩壊時で50ETH、予測された崩壊時で164ETHのリターンを得たが、市場レベルの変数のみを用いた場合では19ETHと133ETHにとどまった。
• 妥当性の検証から、洗い取り取引はデータにほとんどノイズを加えず、主な結果に歪みをもたらさないことが確認された。
• エージェントレベルの変数を予測モデルに統合することで、崩壊予測の経済的価値が顕著に向上し、リスク管理やトレーディングにおける実用的意義が明確になった。

Figure 2: Events distribution. Distribution of price run-up events over time, aggregated at a weekly frequency. Run-up events are defined as situations in which the average sell price of an NFT collection increases by more than 100% within 24 hours.