[논문 리뷰] NFT Appraisal Prediction: Utilizing Search Trends, Public Market Data, Linear Regression and Recurrent Neural Networks

Shrey Jain, Camille Bruckmann외 1명|arXiv (Cornell University)|2022. 04. 18.

Firm Innovation and Growth인용 수 11

한 줄 요약

이 논문은 선형 회귀와 장기 숏텀 기억(LSTM) 네트워크를 사용하여 검색 트렌드, 공공 시장 데이터, NFT 메타데이터를 통합하는 하이브리드 모델을 제안한다. 행동 데이터(검색 트렌드)와 시장 기초 지표를 결합함으로써 기준 모델 대비 예측 정확도가 크게 향상되었으며, 선형 회귀 모델에 비해 평균 절대 오차(MAE)가 15.7% 감소하였다.

ABSTRACT

In this paper we investigate the correlation between NFT valuations and various features from three primary categories: public market data, NFT metadata, and social trends data.

연구 동기 및 목표

• 검색 트렌드, 공공 시장 데이터, NFT 메타데이터가 NFT 평가에 미치는 예측 능력을 조사한다.
• 선형 회귀와 순환 신경망(LSTM)을 결합한 하이브리드 기계 학습 모델을 개발하여 NFT 가격 예측을 수행한다.
• 행동 지표(예: 검색 빈도)가 기존의 시장 및 메타데이터 특징을 초월하여 예측 성능을 향상시키는지 평가한다.
• 탈중앙화된 디지털 자산 시장에서 NFT 평가를 위한 데이터 기반 프레임워크를 제공한다.

제안 방법

• 저자는 공공 시장 거래 데이터(예: 플로어 가격, 거래량), NFT 메타데이터(예: 컬렉션, 희귀도, 특성) 및 Google 트렌드에서 확보한 검색 트렌드 데이터를 수집하고 통합한다.
• 모든 특징을 전처리 및 정규화한 후, 가격 예측을 위한 기준 모델로 선형 회귀를 사용한다.
• 핵심 모델은 순차적인 가격 및 트렌드 데이터의 시간적 의존성을 포착하기 위해 장기 숏텀 기억(LSTM) 순환 신경망을 활용한다.
• 특징 공학에는 지연 변수와 이동 평균을 포함하여 시간적 모델링을 향상시킨다.
• 모델 성능은 보류된 테스트 세트에서 평균 절대 오차(MAE), 근미제곱근 평균 제곱 오차(RMSE), 결정계수 R-squared 지표를 사용해 평가된다.
• 하이브리드 접근 방식은 검색 트렌드 특징 유무에 따라 LSTM 성능을 비교하여 그 예측 기여도를 분리한다.

실험 결과

연구 질문

• RQ1 다양한 컬렉션에서 검색 트렌드가 향후 NFT 가격 움직임과 얼마나 관련이 있는가?
• RQ2 공공 시장 데이터와 NFT 메타데이터가 함께 가격 예측 정확도에 어떻게 영향을 미치는가?
• RQ3 시간적 특징을 사용할 때, LSTM 기반 모델이 선형 회귀를 초월해 NFT 가격 예측에서 더 우수한 성능을 보일 수 있는가?
• RQ4 검색 트렌드 데이터의 포함이 기계 학습 모델의 NFT 예측 능력에 유의미하게 향상시키는가?
• RQ5 행동 데이터(검색 빈도)와 시장 기초 지표 중 어느 것이 NFT 평가에 더 큰 기여를 하는가?

주요 결과

• 검색 트렌드 데이터 포함으로 선형 회귀 기준 모델 대비 평균 절대 오차(MAE)가 15.7% 감소하였다.
• LSTM 모델은 선형 회귀보다 낮은 MAE를 기록하여 NFT 가격의 비선형 시간 패턴을 더 잘 포착함을 시사한다.
• 검색 트렌드와 향후 가격 움직임 간 통계적으로 유의미한 상관관계가 확인되었으며, 특히 활동이 높은 NFT 컬렉션에서 두드러졌다.
• 희귀도 및 컬렉션 유형과 같은 NFT 메타데이터 특징은 특히 시장 및 트렌드 데이터와 조합될 경우 모델 정확도에 의미 있는 기여를 하였다.
• 하이브리드 모델(LSTM에 검색 트렌드 포함)은 모든 기준 설정보다 뛰어난 성능을 보였으며, 행동 데이터와 시장 데이터를 통합하는 가치를 입증하였다.
• 최고 성능을 낸 모델의 결정계수 R-squared 값은 0.82에 도달하여 관측된 가격 변동을 강력하게 설명하는 것으로 나타났다.