[論文レビュー] Constructing a NFT Price Index and Applications

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

Art History and Market Analysis被引用数 8

ひとこと要約

本稿では、複数のNFTコレクションからのトレードデータとトレイト頻度を用いて、ホリスティック回帰に基づく新規のNFT価格指数を提案する。この指数により、投機的バブルの検出、暗号資産市場との相関分析、価格が著しく割安・高値であるNFTの同定が可能となり、トップNFTコレクションが主要な暗号資産を上回るパフォーマンスを示した一方で、全体としての爆発的価格上昇ダイナミクスは限定的であることが明らかになった。

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.

研究の動機と目的

• 複数のコレクションにまたがる取引を統合することで、コレクション別モデルの制限を克服した包括的かつ市場全体を反映するNFT価格指数を構築すること。
• NFT市場動向、価格トレンド、ボラティリティ、投機的行動の系統的分析を可能にすること。
• NFTリターンに対する統計的仮説検定を用いて、価格の爆発的上昇（バブル）の期間を特定すること。
• NFTリターンと主要暗号資産（BTC、ETH、SOL）のリターンとの相関を算出すること。
• 予測価格と観察価格の差に基づく確率的価格モデルを用いて、割安・高値のNFTを同定すること。

提案手法

• 著者らは、NFT価格を個々のトレイトへの寄与度に分解するホリスティック回帰モデルを用い、頻度ベースのレアリティ指標（最小、平均、最大）を主な予測変数とする。
• 3つの集約的レアリティ指標を定義：コレクション内での最小、平均、最大トレイト頻度。それぞれが価格モデルの回帰変数として使用される。
• 時間的に変化する市場インパクト係数（γt）を推定し、対数正規分布の仮定に基づいて、価格が著しく低い（undersold）または高い（oversold）確率を計算する。
• NFTリターンに対する修正版分散比検定を用いて、価格の爆発的上昇行動を特定する統計的バブル検出手法を適用する。
• ホリスティックモデルからの予測価格の重み付き平均としてNFT価格指数を構築し、取引量から得られる重みを用いる。
• モデルは時間経過に伴いホリスティック係数（α, β）を固定すると仮定しているが、著者らはこれを制限と認識し、今後の動的適応のための時系列ダミー変数の導入を提案している。

実験結果

リサーチクエスチョン

• RQ1 複数のコレクションにまたがるデータを集約することで、NFT市場全体を公平に反映するグローバルNFT価格指数を構築できるか？
• RQ2 NFT市場には統計的に有意な投機的バブル行動の期間が存在するか？また、その時期はいつか？
• RQ3 BTC、ETH、SOLなどの主要暗号資産のリターンと、NFTリターンの相関関係はどのようになるか？
• RQ4 トレイトとレアリティに基づく予測価格と比較して、どのNFTが系統的に割安または高値に評価されているか？
• RQ5 トップクラスのNFTコレクションは、主要な暗号資産と比較して、より優れたリスク調整下のリターンを達成しているか？

主な発見

• NFT価格指数は2021年から明確な上行トレンドを示しており、市場関心の高まりを反映している。2021年11月2日から12月2日までの間、わずか1回の短期的投機的バブルが検出された。
• メタバース指数は、2021年11月にフェイスブックがメタに社名変更したのを受けて一時的に爆発的上昇を示したが、NFT指数は持続的なバブル行動を示さなかった。
• すべてのホリスティックモデルパラメータ（g）は非正であり、これは、低いトレイト頻度（低い頻度）でレアなNFTが高値で取引されることを確認している。
• NFTリターンはBTC、ETH、SOLリターンと正の相関を示したが、その相関は弱く、主流の暗号資産市場とは限界的な連動性を示している。
• 研究期間を通じて、トップNFTコレクションは主要な暗号資産を上回るパフォーマンスを示しており、NFT中心の投資家にとって優れたリスク調整下のリターンが得られると示唆している。
• 対数正規分布に基づく予測確率的しきい値を用いて、少数の割安・高値NFTがモデルにより的確に同定された。