[논문 리뷰] Constructing a NFT Price Index and Applications

Hugo Schnoering, Hugo Inzirillo|arXiv (Cornell University)|2022. 02. 10.

Art History and Market Analysis인용 수 8

한 줄 요약

이 논문은 다양한 컬렉션의 품질 빈도와 거래 데이터를 사용하여 글로벌 NFT 시장의 전반적인 동향을 나타내는 새로운 허드로닉 회귀 기반 NFT 가격 지수를 제안한다. 이 지수를 통해 투기적 버블 탐지, 암호자산 시장과의 상관관계 분석, 저평가/과도평가된 NFT 식별이 가능하며, 그 결과 상위 NFT 컬렉션이 주요 암호화폐를 뛰어넘는 성과를 보였고, 전체적으로는 제한된 폭발적 동향을 보였다.

ABSTRACT

We are witnessing the emergence of a new digital art market, the art market 3.0. Blockchain technology has taken on a new sector which is still not well known, Non-Fungible tokens (NFT). In this paper we propose a new methodology to build a NFT Price Index that represents this new market on the whole. In addition, this index will allow us to have a look on the dynamics and performances of NFT markets, and to diagnose them.

연구 동기 및 목표

• 다양한 컬렉션을 통합한 거래 데이터를 기반으로, 컬렉션 기반 모델의 한계를 극복한 종합적이고 시장 전반의 NFT 가격 지수를 구축하는 것.
• 가격 추세, 변동성, 투기적 행동을 포함한 NFT 시장 동향의 체계적 분석을 가능하게 하는 것.
• NFT 수익률에 대한 통계적 검증을 통해 가격 폭발(버블) 기간을 탐지하는 것.
• 주요 암호화폐 수익률(BTC, ETH, SOL)과의 상관관계를 계산하는 것.
• 예측된 가격과 관측된 가격을 기반으로 한 확률적 가격 모델을 활용해 저평가 및 과도평가된 NFT를 식별하는 것.

제안 방법

• 저자들은 NFT 가격을 개별 품질 기여도로 분해하기 위해 허드로닉 회귀 모델을 사용하며, 빈도 기반 희귀도 지표(최소, 평균, 최대)를 핵심 예측변수로 설정한다.
• 세 가지 집계 희귀도 측정치를 정의한다: 컬렉션 내에서의 최소, 평균, 최대 품질 빈도이며, 각각 가격 모델의 회귀변수로 사용된다.
• 모델은 시간에 따라 변하는 시장 영향 계수(γt)를 추정하고, 로그정규분포 가정을 통해 저가매도 또는 고파매도일 확률을 계산한다.
• NFT 수익률에 대해 수정된 분산비율 검정을 적용하여 폭발적 가격 행동을 탐지하는 통계적 버블 탐지 방법을 적용한다.
• 허드로닉 모델의 예측 가격을 거래량에서 유도된 가중치로 가중 평균하여 NFT 가격 지수를 구성한다.
• 모델은 시간에 따라 고정된 허드로닉 계수(α, β)를 가정하지만, 저자들은 이를 한계로 인정하고 향후 시간-더미 변수를 활용한 동적 적응을 제안한다.

실험 결과

연구 질문

• RQ1 다양한 컬렉션의 데이터를 통합함으로써 전체 NFT 시장의 공정한 대표성을 갖는 글로벌 NFT 가격 지수를 구축할 수 있는가?
• RQ2 NFT 시장에는 통계적으로 유의미한 투기적 버블 기간이 존재하는가? 만약 존재한다면 언제 발생하는가?
• RQ3 NFT 수익률은 BTC, ETH, SOL과 같은 주요 암호화폐 수익률과 어떻게 상관관계가 있는가?
• RQ4 품질과 희귀도 기반 예측 가격과 비교해 볼 때, 어떤 NFT가 체계적으로 저평가되거나 과도평가되었는가?
• RQ5 상위 등급의 NFT 컬렉션은 주요 암호화폐보다 높은 리스크 조정 수익률을 제공하는가?

주요 결과

• NFT 가격 지수는 2021년부터 강력한 상승 추세를 보이며 시장 관심 증가를 반영했으며, 2021년 11월 2일부터 12월 2일 사이에 단 한 번의 짧은 투기적 버블만 확인되었다.
• 메타버스 지수는 2021년 11월 페이스북의 브랜드명을 메타(Meta)로 변경한 후 단일 폭발적 기간을 경험했지만, NFT 지수는 지속적인 버블 행동을 보이지 않았다.
• 모든 허드로닉 모델 매개변수(g)는 비양수였으며, 낮은 품질 빈도로 측정된 더 희귀한 NFT가 더 높은 가격을 책정함을 확인했다.
• NFT 수익률은 BTC, ETH, SOL 수익률과 정적 상관관계를 보였지만, 강도는 약했으며 주요 암호자산 시장과의 공통 움직임은 제한적이었다.
• 연구 기간 동안 상위 NFT 컬렉션이 주요 암호화폐를 뛰어넘는 성과를 보였으며, NFT 중심 투자자에게 강력한 리스크 조정 수익률을 제공하는 것으로 나타났다.
• 모델은 로그정규 예측 기반의 확률적 가격 기준을 활용해 소수의 저평가 및 과도평가된 NFT를 성공적으로 식별했다.