Подход Data Science для оценки и количественного определения динамики NFT Markets.

«Анализ сетевого графика NFT может быть полезным инструментом для улучшения способа оценки коллекций NFT».

Вступление

Блокчейн — это следующий рубеж науки о данных. Транзакции в блокчейне общедоступны, и специалисты по данным только начинают изучать эти новые и интересные рынки. Как соучредитель и ведущий специалист по анализу и анализу данных Chain Champs , торговой площадки NFT в реальном времени, основанной на искусственном интеллекте, я изучал методы описания NFT Markets. В этом анализе используются данные из блокчейна WAX, но используемые методы могут быть применены к другим блокчейнам. Появляется все больше работ, в которых для описания транзакций NFT используются сетевые графы и анализ социальных сетей[1, 2]. Я хочу расширить эту тему и определить новые характеристики анализа сетевых графов NFT.

Почему ВОСК?

Находясь в основном в тени, WAX является наиболее активным блокчейном для NFT. На момент написания статьи три из 10 самых активных блокчейн-приложений находятся на WAX (включая игру Alien Worlds, которая занимает первое место). Многие пользователи блокчейна связаны с более чем одной коллекцией. Построив граф, связывающий коллекции, мы получим представление о том, какие коллекции популярны, а какие привлекают однотипных пользователей. На графике ниже показаны коллекции, связанные между собой пользователями, покупающими/продающими несколько коллекций. Это в общих чертах представляет динамику сбора для рынков NFT на блокчейне WAX.

Приведенный выше граф имеет 167 узлов (коллекции) и 791 ребро (соединения между коллекциями). Размер узла определяется с помощью меры степени центральности, которая пропорциональна доле узлов, непосредственно связанных с ним. С помощью алгоритма обнаружения сообществ Лувена граф разбит на три сообщества. Синие узлы в основном представляют собой коллекции цифровых коллекционных предметов, а два других — в основном игры «играй, чтобы заработать» (P2E).

Коллекции

Открытие новых коллекций может быть сложной задачей, и пользователям важно учиться. К сожалению, такими показателями, как «Пользователи», «Объем продаж», «Минимальная цена» и т. д., легко манипулировать, и они могут вводить в заблуждение. Например, хорошо скоординированная афера с насосом и сбросом может создать иллюзию роста показателей, которые невозможно отличить от законной динамики спроса и предложения. Анализ сетевых графов NFT может быть полезным инструментом для улучшения способа оценки коллекций NFT.

Графики можно визуально проанализировать на наличие необычных функций, таких как узлы и спутники , которые появляются на графике Farmers World ниже.

Я составил список метрик, которые можно извлечь с помощью подхода NFT Network Graph Analysis. К ним относятся:

• Количество транзакционных счетов — количество счетов, покупающих или продающих за данную неделю.
• Количество подключений — количество ссылок между аккаунтами.
• Плотность сети — количество транзакционных аккаунтов / количество подключений
• Диаметр — наибольшее расстояние между двумя соединенными узлами в графе.
• Средняя взаимность — число, представляющее долю аккаунтов, которые одновременно покупают и продают друг другу.
• Порог активности большинства — Количество узлов, на которые приходится 50% всей активности на графике.
• Процент учетных записей в треугольниках . Треугольник относится к трем пользователям, связанным вместе.
• Количество закупочных центров — центр, в котором вся покупательская активность составляет более 1% ребер, но продаж мало или совсем нет.
• Количество центров продаж — центр продаж, в котором продажи составляют более 1% от числа покупателей, а покупок практически нет.
• % учетных записей, которые покупают NFT — количество учетных записей, которые приобрели NFT в этой коллекции за последнюю неделю.
• % учетных записей, которые продают NFT — количество учетных записей, которые продали NFT в этой коллекции за последнюю неделю.

Каждый сетевой график NFT уникален и рассказывает историю об этой коллекции. Только по визуальному элементу можно понять некоторые важные особенности, такие как структура, плотность, количество пользователей, а также найти аномалии, такие как концентраторы, отключенные компоненты и т. д. В дополнение к качественному пониманию визуального элемента я рассчитал несколько количественных показателей, используя список, определенный выше.

Выводы

Прозрачность на рынках NFT будет иметь жизненно важное значение для привлечения пользователей и укрепления доверия. Хотя 2022 год не был благоприятным для NFT, важно признать, что эта технология является новой и обладает огромным преобразующим потенциалом. Чтобы завоевать доверие, важно разработать новые показатели, которые описывают истинную динамику каждой коллекции. Я считаю, что как только у пользователей появятся инструменты, необходимые им для уверенности в коллекции, мы начнем наблюдать более широкое распространение этой технологии.

Джейсон Шварц является соучредителем Chain Champs , канадской торговой площадки NFT, которая специализируется на прямых трансляциях NFT в реальном времени и прогнозах цен на основе ИИ. Заинтересованы в применении этих методов к другим блокчейнам? Напишите мне .

использованная литература

[1] Надини, М., Алессандретти, Л., Ди Джачинто, Ф. и соавт. Картирование революции NFT: рыночные тенденции, торговые сети и визуальные характеристики. Научный доклад 11 , 20902 (2021).https://doi.org/10.1038/s41598-021-00053-8

[2] С. Казалес и др., Сети невзаимозаменяемых токенов Ethereum: графический анализ экосистемы ERC-721,https://arxiv.org/abs/2110.12545