[论文解读] 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 8

一句话总结

本文提出了一种基于享乐回归的新型NFT价格指数，以反映全球NFT市场，利用多个NFT收藏品的属性频率和交易数据。该指数能够检测投机性泡沫、分析与加密货币市场的相关性，并识别被低估或高估的NFT，结果显示顶级NFT收藏品的表现优于主要加密货币，整体上表现出有限的爆炸性动态。

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.

研究动机与目标

• 构建一个全面的、覆盖整个市场的NFT价格指数，整合多样化收藏品的交易数据，克服仅针对特定收藏品模型的局限性。
• 实现对NFT市场动态的系统性分析，包括价格趋势、波动性以及投机行为。
• 通过NFT收益率的统计检验，检测价格暴涨（泡沫）时期。
• 计算NFT收益率与主要加密货币收益率（BTC、ETH、SOL）之间的相关性。
• 基于基于预测价格与实际价格的概率定价模型，识别系统性被低估或高估的NFT。

提出的方法

• 作者使用享乐回归模型将NFT价格分解为各项属性的贡献，以频率为基础的稀缺性度量（最小值、平均值、最大值）作为关键预测变量。
• 定义了三种聚合稀缺性度量：单个收藏品内属性频率的最小值、平均值和最大值，每种均用作定价模型中的回归变量。
• 模型估计随时间变化的市场影响系数（γt），并基于对数正态分布假设，计算被低估或高估的概率。
• 采用统计泡沫检测方法，对NFT收益率应用改进的方差比率检验，识别价格暴涨行为的时期。
• NFT价格指数作为享乐模型预测价格的加权平均值构建，权重由交易量得出。
• 该模型假设享乐系数（α, β）随时间保持不变，尽管作者承认这是局限性，并建议未来使用时间虚拟变量实现动态调整。

实验结果

研究问题

• RQ1 能否构建一个全球NFT价格指数，通过整合多个收藏品的数据，公平地代表整个NFT市场？
• RQ2 NFT市场是否存在统计上显著的投机性泡沫时期，这些时期出现在何时？
• RQ3 NFT收益率与主要加密货币（如BTC、ETH和SOL）收益率之间有何相关性？
• RQ4 基于属性和稀缺性，哪些NFT系统性地被低估或高估？
• RQ5 顶级NFT收藏品是否相对于主要加密货币产生了更优的风险调整后收益？

主要发现

• NFT价格指数从2021年起显示出强劲的上升趋势，反映出市场兴趣的增长，仅在2021年11月2日至12月2日期间检测到一次短暂的投机泡沫。
• 元宇宙指数在2021年11月Facebook更名为Meta后经历了一次短暂的爆炸性增长期，而NFT指数未表现出持续的泡沫行为。
• 所有享乐模型参数（g）均为非正值，证实了稀缺性更高的NFT——以较低的属性频率衡量——具有更高的价格。
• NFT收益率与BTC、ETH和SOL收益率呈正相关但相关性微弱，表明与主流加密货币市场的联动性有限。
• 在研究期间，顶级NFT收藏品的表现优于主要加密货币，表明NFT导向投资者获得了强劲的风险调整后收益。
• 该模型成功利用基于对数正态预测的概率定价阈值，识别出少量被低估和高估的NFT。