[论文解读] A Game of NFTs: Characterizing NFT Wash Trading in the Ethereum Blockchain

Massimo La Morgia, Alessandro Mei+2 more|arXiv (Cornell University)|Dec 2, 2022

Blockchain Technology Applications and Security参考文献 21被引用 5

一句话总结

本文系统分析了以太坊NFT市场自启动至2022年1月的洗售交易行为，利用区块链数据检测并刻画操纵性交易模式。研究发现，5.66%的NFT系列受到影响，产生34亿美元的人工交易量，其中利润主要源于利用代币奖励系统——尤其在LooksRare平台上，84%的交易量为洗售交易，且80%的基于奖励的操作实现盈利，而NFT投机炒作则风险更高。

ABSTRACT

The Non-Fungible Token (NFT) market in the Ethereum blockchain experienced explosive growth in 2021, with a monthly trade volume reaching \$6 billion in January 2022. However, concerns have emerged about possible wash trading, a form of market manipulation in which one party repeatedly trades an NFT to inflate its volume artificially. Our research examines the effects of wash trading on the NFT market in Ethereum from the beginning until January 2022, using multiple approaches. We find that wash trading affects 5.66% of all NFT collections, with a total artificial volume of \$3,406,110,774. We look at two ways to profit from wash trading: Artificially increasing the price of the NFT and taking advantage of the token reward systems provided by some marketplaces. Our findings show that exploiting the token reward systems of NFTMs is much more profitable (mean gain of successful operations is \$1.055M on LooksRare), more likely to succeed (more than 80% of operations), and less risky than reselling an NFT at a higher price using wash trading (50% of activities result in a loss). Our research highlights that wash trading is frequent in Ethereum and that NFTMs should implement protective mechanisms to stop such illicit behavior.

研究动机与目标

• 系统检测并刻画2022年1月前以太坊所有ERC-721 NFT在启动至今的洗售交易行为。
• 分析洗售交易背后的经济激励，特别是市场平台代币奖励系统在推动操纵行为中的作用。
• 评估不同洗售交易策略的盈利能力和风险特征：推高NFT价格与利用奖励机制之间的对比。
• 识别洗售交易行为的模式，包括持续时间、频率及参与者协调行为。
• 为NFT市场平台提供可操作的见解，以实施防护机制应对此类操纵行为。

提出的方法

• 收集并解析了以太坊区块链上自启动至2022年1月18日期间所有ERC-721 NFT的转账记录，涵盖3475万项资产和340亿美元的交易量。
• 应用并对比了多种洗售交易检测技术，包括往返交易分析、共用资金与利润账户识别，以及在转账、支付和销售网络上的图分析方法。
• 通过检测具有共享资金和利润账户的两方往返交易，识别洗售交易事件，并利用交易聚类与时间模式确认合谋行为。
• 通过隔离六家主要NFT市场中归因于洗售交易操作的交易，量化人工交易量。
• 将洗售交易活动分为两类：(1) 通过在高估价格下转售实现价格操纵；(2) 利用基于交易量的代币奖励系统。
• 使用统计分析评估每种策略在检测到的操作中的盈利能力、亏损率及成功概率。

实验结果

研究问题

• RQ1 2015年至2022年初，以太坊NFT生态系统中洗售交易的规模和时间模式如何？
• RQ2 洗售交易操作在结构与协调性上如何不同，尤其在参与者行为与交易时间模式方面？
• RQ3 市场平台代币奖励系统在多大程度上激励并促成洗售交易？其经济表现与价格操纵策略相比如何？
• RQ4 当目标为推高NFT价格或利用奖励机制时，洗售交易的实际盈利能力和风险特征是什么？
• RQ5 哪些NFT市场平台最易受洗售交易影响？其结构性特征为何使其易受攻击？

主要发现

• 洗售交易影响了5.66%的全部NFT系列，在以太坊区块链上产生34.06亿美元的人工交易量。
• 超过80%针对代币奖励系统的洗售交易操作实现盈利，LooksRare平台的平均收益达105.5万美元，而价格推高策略的成功率仅为50%。
• LooksRare平台超过84%的总交易量归因于洗售交易，成为受影响最严重的市场平台，主要因其基于交易量的代币奖励机制。
• 59.86%的洗售交易事件呈现两账户间的往返模式，其中25.98%仅持续一天，51.67%持续时间不足十天。
• 27.16%的洗售交易账户负责72.93%的全部检测到的活动，表明存在具有协调行为的连续洗售交易者。
• 本研究证实，利用奖励系统比在人为推高价格后转售NFT更具盈利性且风险更低，后者在一半尝试中导致亏损。