[논문 리뷰] Mapping the NFT revolution: market trends, trade networks and visual features

Matthieu Nadini, Laura Alessandretti외 4명|IT University Of Copenhagen (IT University of Copenhagen)|2021. 06. 01.

Art History and Market Analysis인용 수 25

한 줄 요약

이 논문은 Ethereum과 WAX에서 2017–2021 기간의 6.1백만 건의 NFT 거래를 4.7백만 NFT에서 분석하여 시장 속성, 거래자 및 NFT 네트워크, 시각적 클러스터링, 가격 예측 가능성을 매핑합니다.

ABSTRACT

Non Fungible Tokens (NFTs) are digital assets that represent objects like art, collectible, and in-game items. They are traded online, often with cryptocurrency, and are generally encoded within smart contracts on a blockchain. Public attention towards NFTs has exploded in 2021, when their market has experienced record sales, but little is known about the overall structure and evolution of its market. Here, we analyse data concerning 6.1 million trades of 4.7 million NFTs between June 23, 2017 and April 27, 2021, obtained primarily from Ethereum and WAX blockchains. First, we characterize statistical properties of the market. Second, we build the network of interactions, show that traders typically specialize on NFTs associated with similar objects and form tight clusters with other traders that exchange the same kind of objects. Third, we cluster objects associated to NFTs according to their visual features and show that collections contain visually homogeneous objects. Finally, we investigate the predictability of NFT sales using simple machine learning algorithms and find that sale history and, secondarily, visual features are good predictors for price. We anticipate that these findings will stimulate further research on NFT production, adoption, and trading in different contexts.

연구 동기 및 목표

• NFT 시장의 통계적 특성과 시간이 지남에 따른 변화를 특성화한다.
• NFT 거래자 및 NFT 자산의 네트워크를 구축하고 분석하여 전문화 및 커뮤니티 구조를 밝혀낸다.
• 시각적 특징으로 NFT를 클러스터링하여 컬렉션 내 동질성을 평가한다.
• 네트워크 중심성, 컬렉션 이력 및 시각적 특징의 특징을 사용하여 기본 및 2차 판매 가격을 예측하는 회귀/분류 모델의 예측력을 평가한다.

제안 방법

• Ethereum 및 WAX의 2017–2021 기간에 걸친 4.7백만 NFT의 6.1백만 거래 대규모 데이터셋을 분석한다.
• NFT를 여섯 가지 범주(Art, Collectible, Games, Metaverse, Other, Utility)로 분류하고 범주 수준의 시장 역학을 연구한다.
• 거래자 및 NFT 네트워크를 구성하고 노드/에지 수준의 통계, 어소트성, 모듈러리, 강하게 연결된 구성요소를 측정한다.
• AlexNet을 사용하여 NFT 이미지에서 시각적 특징을 추출하고 PCA로 차원 축소하며 컬렉션 내 시각적 동질성을 평가한다.
• 네트워크 중심성, 컬렉션 이력 및 시각적 특징의 특징을 사용하여 주 판매가 및 2차 판매가를 예측하기 위해 선형 회귀 모델을 적합시키고, AdaBoost를 판매/비판매 예측에 대해 평가한다.

실험 결과

연구 질문

• RQ1 2017년부터 2021년까지 NFT 시장 활동 및 가격의 통계적 속성과 변화는 무엇인가?
• RQ2 거래자와 NFT 자산은 상호작용 네트워크에서 어떻게 구성되며 거래자는 컬렉션별로 전문화되는가?
• RQ3 NFT 컬렉션은 시각적으로 동질한가, 시각적 특징은 컬렉션이나 범주를 구분할 수 있는가?
• RQ4 과거 판매 이력, 네트워크 중심성 및 시각적 특징을 사용하여 NFT 가격과 판매를 얼마나 잘 예측할 수 있는가?

주요 결과

• NFT 시장은 범주 주도적 변화가 나타나며 미술(Art)이 2020년 중반 이후 거래량을 주도하고 평균 가격이 더 높고, 게임(Games)과 수집품(Collectible)이 거래 건수를 주도한다.
• 거래자 활동은 매우 이질적이고 집중적이며 상위 10%의 거래자가 전체 거래의 약 85%를 처리하고 대부분의 자산을 거래한다.
• 거래자 네트워크는 컬렉션별로 강한 전문화를 보이고 모듈러리(Q = 0.613)가 높은 커뮤니티 구조를 나타내며 이웃 강도에 대한 선호가 강하게 나타나지 않는다는 것을 시사하는 어소트성이 거의 0에 가깝다.
• NFT 네트워크는 컬렉션을 중심으로 클러스터링을 보이고 NFT 컬렉션 분할은 높은 모듈러리(Q = 0.80)를 보이며 WAX와 Ethereum 자산에 해당하는 두 개의 큰 강하게 연결된 구성요소가 존재한다.
• 동일 컬렉션 내의 NFT가 시각적으로 더 유사하고(AlexNet 기반 코사인 거리, 컬렉션 내부 μ = 0.59) 컬렉션 간(μ = 0.87) 차이는 더 크다; PCA는 범주별로 컬렉션 내 시각적 클러스터링을 보여준다.
• 시각적 특징과 중심성 특징이 함께 2차 판매 가격 예측력을 향상시키며 과거 판매가의 중앙값이 상당한 분산을 설명하고, 1개월 수평선에서 R_adj^2가 약 0.60까지 증가한다; 수집품과 미술은 특징으로부터의 예측력이 더 강하며 더 긴 수평선에서는 가격 예측력이 감소한다.