저자: Banksea Finance

1. 소개

최근 몇 년 동안 NFT 시장이 매우 뜨거워졌고, 점점 더 많은 사용자들이 NFT에 투자하기로 선택하고 있습니다. 이러한 NFT 프로젝트 중에서 Degenerate Ape Academy 프로젝트는 매우 대표적입니다. Degenerate Ape Academy는 Solana 블록체인에 위치한 NFT 브랜드로, 10,000개의 퇴화 원숭이 NFT로 구성되어 있습니다. solanart 시장 플랫폼의 통계에 따르면, 이 프로젝트의 거래 총량은 1.11M SOL에 달합니다. 이 분석 보고서에서는 퇴화 원숭이 프로젝트의 역사적 거래 데이터를 사용하여 거래 데이터를 통계 분석하고, 퇴화 원숭이 프로젝트의 거래 상황을 탐구하여 구매를 희망하는 사용자에게 몇 가지 참고 자료를 제공합니다.

Banksea Finance는 NFT 가격을 평가하기 위해 NFT AI Oracle을 개발하였으며, 자금 풀 기반의 NFT 담보 대출 솔루션을 제공합니다. NFT Oracle을 사용하면 사용자는 실시간 NFT 가격 평가를 받을 수 있습니다. Banksea는 Solana Ignition 글로벌 해커톤의 수상자 중 하나이며, Parrot, Moonbeam, Slope 등과 협력 관계를 맺고 있습니다.

2. 데이터 설명

이번 분석 데이터는 Solanart 거래 시장에서 수집하였으며, Degenerate Ape Academy 프로젝트의 2021-11-21부터 2022-03-19까지의 17,985건의 거래 데이터를 확보하였고, 이 중 7,936개의 활성 NFT를 포함합니다. 이러한 활성 NFT를 분석하여 그들의 활성 속성의 희귀도, NFT 유통성 및 가치 상승 잠재력 등의 정보를 탐구합니다.

SOL---Solanart 거래 시장-DAPE 시리즈 거래 상황

3. NFT 분석 초탐

3.1 거래 데이터 분석

먼저, 우리는 NFT의 역사적 거래 데이터를 정리하고 처리하였으며, 거래 횟수, 거래 평균가, 거래 간격, 희귀도 및 속성 열기 값 등의 지표를 포함한 집계 데이터를 계산하였습니다. 관련 설명은 다음과 같습니다:

활성 속성 희귀도(activeattributerarity)는 0-1의 범위를 가지며, activeattributerarity는 활성 NFT 속성의 희귀 비율을 나타냅니다. 거래 이력이 있는 NFT만 통계에 포함되기 때문에, 희귀도는 solanarpopularityt.io에서의 희귀도보다 낮지만, 실제 시장 상황에 더 가깝습니다.

활성 속성 희귀도 (activeattributerarity) 가 낮을수록 해당 속성이 더 희귀함을 나타냅니다.

3.2 Pearson** 상관 계수 소개**

통계학에서 Pearson 상관 계수는 두 데이터 집합 간의 선형 상관 관계를 측정하는 데 사용됩니다. 이는 두 변수의 공분산과 그 표준 편차의 곱의 비율입니다. 따라서 본질적으로 공분산의 정규화된 수치이며, 결과는 항상 -1과 1 사이의 값을 가집니다. 우리는 Pearson 상관 계수를 통해 통계적 특성 간의 상관 관계를 분석하고, 특성 간의 선형 관계를 탐구할 수 있습니다.

Pearson 상관 계수는 전체에 적용될 때 일반적으로 그리스 문자 ρ (rho)로 표시되며, 이를 전체 상관 계수 또는 전체 Pearson 상관 계수라고 부릅니다. 주어진 랜덤 변수 쌍 (X, Y)에 대해 ρ의 공식은 다음과 같습니다:

여기서:

cov는 공분산

σx는 X의 표준 편차

σY는 Y의 표준 편차

ρ는 평균과 기대값으로 표현될 수 있습니다.

3.3 거래 데이터 상관성 분석

역사적 거래 데이터를 기반으로, 우리는 거래 횟수, 평균가, 거래 시간 간격, 희귀도 및 열기 등의 통계 지표를 계산할 수 있으며, 이후 Pearson 상관 계수를 통해 지표 간의 상관성을 계산합니다. 구체적인 결과는 다음 그림과 같습니다:

통계 결과는 정사각형 행렬의 X 및 Y축이 모두 통계 지표를 나타내며, 왼쪽 상단에서 오른쪽 하단으로의 대각선은 모두 1을 나타내며, 이는 속성의 자기 상관이 1임을 의미합니다. 수평 또는 수직 방향으로 보면, 각각 다른 특성과의 상관 계수를 나타내며, 계수는 -1에서 1 사이입니다. 1은 완전한 선형 양의 상관 관계를 나타내고, -1은 완전한 음의 상관 관계를 나타냅니다. 구체적인 특성 설명은 다음과 같습니다.

결론:

거래 횟수(transactioncnt)와 활성 속성 희귀도(activeattribute_rarity) 간에는 유의미한 양의 상관 관계가 있으며, 즉 속성이 희귀할수록 거래 횟수가 많고 시장 활발도가 높아집니다.

속성 열기(attributespopularity)와 거래 평균가는 명백한 음의 상관 관계를 가지며, 평균 거래 간격 일수(daysbetweentransactionsavg)와도 유의미한 음의 상관 관계를 보입니다. 즉, 속성이 희귀할수록 거래 평균가가 높고, 판매 시간 간격이 짧아집니다. 시장은 희귀 속성에 더 많은 선호를 보이며, 그 유동성이 더 강하고, 구매자는 더 높은 가격을 지불할 의향이 있습니다.

거래 평균가(transactionpriceavg)와 평균 거래 간격 일수(daysbetweentransactions_avg) 간에는 명백한 양의 상관 관계가 있으며, 즉 대다수 거래에 대해 가격이 높을수록 유동성이 낮고, 각 거래 간의 시간 간격이 길어집니다. 물론 이는 완전한 선형 결론은 아니며, 가격과 유동성에 영향을 미치는 다른 많은 요인도 존재합니다.

4. NFT 데이터 통찰

NFT 거래 역사 데이터를 기반으로, NFT 속성의 차원에 따라 활성 속성의 희귀도, 속성의 평균 거래 가격, 속성의 평균 거래 간격 일수를 통계적으로 분석한 후, 통계 데이터를 선형 피팅하여 저평가된 NFT 속성을 찾습니다.

4.1 데이터 통계

활성 속성 희귀도 Top10

속성 평균 거래 가격 Top10

평균 거래 간격 일수 Top10

4.2 희귀도 \&** 거래 평균가 분석**

위 분석에 따르면, NFT의 속성이 희귀할수록 거래 평균가가 높아지는 명백한 음의 상관 관계가 있습니다. 따라서 우리는 이를 선형 피팅하여, 피팅 곡선에서 벗어나 저평가된 속성(즉, 피팅 곡선 아래에 있는 속성)을 찾습니다. 이러한 속성이 거래될 때, 거래 평균가가 평균 피팅 가격보다 낮아 가격 저평가의 가능성이 존재합니다. 예를 들어, 간단한 필터링 조건을 통해 활성 희귀도(activeattributerarity) < 0.04, 거래 평균가 < 100 SOL 이하의 속성을 필터링한 후, 해당 속성을 포함한 NFT를 선택합니다.

4.3 희귀도 \&** 거래 간격 시간 분석**

위 분석에 따르면, NFT의 속성이 희귀할수록 가격이 높아지지만, 지나치게 높은 가격은 거래 발생을 억제하여 거래 간격이 길어지고 유동성이 감소합니다. 따라서 우리는 희귀도와 평가가 괜찮지만 유동성이 강한(거래 간격이 짧은) 속성 값을 찾아야 합니다. 피팅 곡선에서 벗어나고 피팅 곡선의 왼쪽에 위치한 속성을 필터링하여 유동성이 강한 속성을 구매합니다.

위의 가격 \& 유동성 \& 희귀도 분석을 결합하여 다음과 같은 필터링을 진행합니다:

활성 희귀도(activeattributerarity) < 0.4

거래 일수(daysbetweentransactions_avg) < 0.5 day

거래 평균가(transactionpriceavg) < 100 Sol

아래 그림은 필터링된 일부 데이터 스크린샷이며, 자세한 전체 데이터는 문말의 데이터 획득 방법을 참조하시기 바랍니다.

일부 필드의 설명

위의 분석 결과에 따라, solanart 플랫폼에서 해당 속성을 포함한 NFT를 필터링한 후, 자신의 취향에 따라 구매합니다.

Degenerate Ape Academy NFT 구매 링크

4.4 거래자 분석

보유자 판매 효율성

NFT를 판매할 때, 거래 과정에서 손실 판매는 13%에 불과하며, 대부분은 상승 이익 시점에서 판매됩니다. 즉, 대부분의 NFT 보유자는 이익을 보고 있으며, NFT 가치에 대한 확고한 신념을 가진 보유자들로, 기회를 기다리며 효과적으로 이익을 얻을 수 있습니다.

NFT** 총 수익** Top20의 보유자 총 수익 및 거래 출입도 상황 (매입 매도 수량 )

수익이 가장 많은 20명 중 많은 이들이 매도만 하고 매입하지 않는 보유자들로, 이들은 NFT 제작자일 가능성이 높습니다. 이 부분의 거래자는 제로 비용처럼 보이지만, 전체 거래 시장의 최대 수익자는 아닙니다. 최대 수익자는 극단적인 투기자들로, 소수의 NFT만 매매하거나 보유하지만, 일정 기간 내에 천문학적인 가격에 판매합니다. 따라서 어느 정도 NFT는 복권과 유사하며, 잘 사면 엄청난 수익을 가져올 수 있습니다.

NFT** 총 수익** Top20의 보유자가 판매한 각 NFT의 수익 상황

수익 순위 상위 20명의 수익 대부분은 0~1000 사이에 집중되어 있으며, 단일 NFT의 수익이 1000을 초과하는 경우는 드뭅니다. 따라서 NFT를 구매할 때, 가치 투자로만 고려한다면, 비용을 1000 이하로 제한할 수 있습니다. NFT 자체의 수익 구간이 그렇게 크지 않기 때문에, 진정으로 폭등할 수 있는 NFT의 수는 극히 일부에 불과합니다. 안정적으로 투자하면 수익 순위 상위 20위에 진입할 수 있습니다.

NFT** 평균 수익률** Top20의 보유자

총 수익이 가장 높은 사람이 반드시 최고의 투자자는 아닙니다. 위의 분석에서 볼 수 있듯이, 거래량이 극히 적은 투자자들이 얻는 수익이 일부 NFT 제작자들보다 훨씬 큽니다. 이러한 투자자들은 더 나은 안목을 가졌거나, 더 나은 운을 가졌거나, 물론 더 강한 여론 통제 및 분석 능력을 가질 수 있습니다. 이러한 투자자들이 NFT를 보유하면 다른 투자자들의 지표가 될 수 있으며, 이들의 거래 특성을 연구하면 투자자들이 NFT를 더 효과적으로 선택하는 데 도움이 될 수 있습니다. NFT 평균 수익률을 통해 이러한 투자자를 비교적 쉽게 찾을 수 있으며, 가치 투자를 진행하려면 이러한 NFT 보유자들의 투자 상황을 지속적으로 주시해야 합니다.

예를 들어 필터링:

평균 수익률(average_income) > 500

투자 수익 능력(effective_revenue) > 0.8

5. NFT** 분석 심화**

위 분석에 따라 NFT 속성 특성을 집계하여 NFT의 관련 통계 지표를 통계적으로 산출하여 NFT 구매자에게 데이터 참고 자료를 제공합니다.

속성 관련 필드:

NFT** 관련 필드:**

TODO

위 글은 시장 데이터만을 기반으로 간략한 분석을 진행하였으며, 분석할 차원이 많이 남아 있습니다.

• 손실 판매는 어떤 시간대에 이루어졌는지, 공황 매도 상황이 있었는지, 위험기인지? 손실 판매된 NFT는 저평가된 가치가 있는지?
• 높은 수익자는 어떤 속성을 가진 NFT를 선택하는 경향이 있는가?
• 대량 매입한 거래자의 최종 수익 상황은 어떠한가?
• 어떤 보유자가 판매한 NFT가 마지막에 큰 잠재력을 보였는가? 평균 수익률이 가장 높은 보유자가 구매한 NFT는 어떤 특징이 있는가?

요약

퇴화 원숭이 NFT 시리즈에 대한 분석에 따르면, 최종 거래 가격, 희귀도, 유통성 간에는 매우 강한 상관관계가 있으며, 이는 어느 정도 최종 거래 가격에 영향을 미치고, NFT 구매에 대한 참고 의미를 가집니다. 그러나 NFT 가격에 영향을 미치는 요인은 많으며, 합리적인 NFT 평가를 얻기 위해서는 거래 수 데이터 외에도 암호화폐 시장의 변동, 소셜 미디어 데이터, 커뮤니티 여론 데이터 등을 결합하여 실시간 NFT 평가 모델을 구축하고, 실시간으로 가격 추세를 예측 및 모니터링하여 보유 리스크를 줄여야 합니다.