[논문 리뷰] Bubble Prediction of Non-Fungible Tokens (NFTs): An Empirical Investigation

Kensuke Ito, Kyohei Shibano외 1명|arXiv (Cornell University)|2022. 03. 22.

Blockchain Technology Applications and Security인용 수 9

한 줄 요약

이 연구는 네 가지 주요 NFT 프로젝트의 시계열 가격 데이터에 로그 주기적 거듭제곱 법칙(LPPL) 모델을 적용하여 시장 버블을 예측한다. 2021년 12월 20일 기준으로 NFT 전체와 Decentraland 프로젝트는 소형에서 중형 버블 상태에 있으며, 가격 하락이 예상되며, Ethereum Name Service와 ArtBlocks는 소형 음성 버블 상태에 있어 가격 상승이 예상된다.

ABSTRACT

Our study empirically predicts the bubble of non-fungible tokens (NFTs): transferable and unique digital assets on public blockchains. This topic is important because, despite their strong market growth in 2021, NFTs on a project basis have not been investigated in terms of bubble prediction. Specifically, we applied the logarithmic periodic power law (LPPL) model to time-series price data associated with four major NFT projects. The results indicate that, as of December 20, 2021, (i) NFTs, in general, are in a small bubble (a price decline is predicted), (ii) the Decentraland project is in a medium bubble (a price decline is predicted), and (iii) the Ethereum Name Service and ArtBlocks projects are in a small negative bubble (a price increase is predicted). A future work will involve a prediction refinement considering the heterogeneity of NFTs, comparison with other methods, and the use of more enriched data.

연구 동기 및 목표

• 시계열 가격 데이터를 활용하여 비동일성 토큰(NFT)에서 버블 형성 여부를 실증적으로 조사하기 위해.
• LPPL 모델이 NFT 시장, 특히 프로젝트 수준에서 버블 역학을 예측할 수 있는지 평가하기 위해.
• 2021년 말 기준 특정 NFT 프로젝트가 양성 버블(가격 상승 압력) 또는 음성 버블(가격 하락 압력) 상태에 있는지 확인하기 위해.
• 미래의 연구를 위한 기초를 마련하기 위해, 이질적인 NFT 특성, 다른 예측 방법, 풍부한 데이터 통합에 초점을 맞추기 위해.

제안 방법

• 로그 주기적 거듭제곱 법칙(LPPL) 모델을 Decentraland, CryptoPunks, Ethereum Name Service, ArtBlocks 네 가지 주요 프로젝트의 주간 이동 평균 가격 데이터에 적용한다.
• LPPL 모델은 두 가지 버블 지표를 추정한다: $bubbleindicator(pos)$는 양성 버블(예상 가격 하락)을, $bubbleindicator(neg)$는 음성 버블(예상 가격 상승)을 나타낸다.
• 모델은 자산 가격의 임계 전이를 암시하는 로그 주기 패턴을 탐지하기 위해 시계열 피팅을 사용한다.
• 데이터는 2017년 말부터 2021년 12월 20일까지 nonfungible.com에서 수집되었으며, 변동성 감소를 위해 주간 집계되었다.
• 모델의 예측 정확도는 예측된 버블 지표와 실제 가격 추세를 비교하여 평가되었다.
• 예측 성능 평가를 위해 두 버블 지표의 시계열도를 시각화하였다.

실험 결과

연구 질문

• RQ1 2021년 말 기준으로 NFT 시장, 특히 프로젝트 수준에서 투기적 버블의 징후가 나타나고 있는가?
• RQ2 LPPL 모델은 NFT 가격 시계열 데이터에서 버블 역학을 효과적으로 탐지하고 예측할 수 있는가?
• RQ3 다른 NFT 프로젝트들은 양성, 음성 또는 버블 없음 상태로 분리되어 있으며, 이는 근접한 가격 흐름의 차이를 반영하는가?
• RQ4 이질적인 NFT 프로젝트들(다른 기반 자산과 시장 행동을 가짐) 간에 LPPL 모델의 성능는 어떻게 비교되는가?

주요 결과

• 2021년 12월 20일 기준 전체 NFT 시장은 소형 버블 상태에 있었으며, 이는 가격 하락이 예상됨을 의미하며, $bubbleindicator(pos) \approx 0.2$였다.
• Decentraland 프로젝트는 중형 버블 상태에 있었으며, 가격 하락 가능성이 더 높게 나타났으며, $bubbleindicator(pos) \approx 0.45$였다.
• Ethereum Name Service와 ArtBlocks 프로젝트는 소형 음성 버블 상태에 있었으며, 가격 상승이 예상되었으며, $bubbleindicator(neg) \approx 0.1$씩이었다.
• LPPL 모델은 대부분의 경우 가격 변화의 방향성을 성공적으로 포착했지만, 2020년 10월부터 2021년 3월까지 지속된 CryptoPunk의 급격한 가격 상승을 예측하지 못했다.
• 모델은 특히 2021년 후반에 양성 및 음성 버블 추세 모두에 대해 예측 능력을 보였다.
• 본 연구는 NFT 프로젝트에 대해 LPPL 모델을 특별히 적용한 최초의 실증적 조사로, 디지털 수집품에서의 버블 탐지에 새로운 프레임워크를 제공한다.