作者：Banksea Finance

1、介紹

近年來，NFT市場有變得非常火熱，越來越多的用戶選擇對NFT進行投資。在這些NFT項⽬中，Degenerate Ape Academy項目非常具有代表性，Degenerate Ape Academy是位於 Solana 區塊鏈上的 NFT 品牌。該品牌由 10,000 個退化猿 NFT 組成。根據solanart市場平台的統計，該項⽬項目的交易總量達到1.11M SOL。在這篇分析報告中，我們使用退化猿項目的歷史成交數據，對交易數據進行統計分析，探究退化猿項目的交易行情，為希望購買的用戶提供一些參考。

Banksea Finance開發了NFT AI Oracle來評估NFT價格，提供了一個基於資金池的NFT抵押貸款解決方案。通過使用NFT Oracle，用戶可以獲得實時的NFT 價格評估。Banksea是Solana Ignition全球黑客馬拉松的獲獎者之一，並與Parrot, Moonbeam, Slope等項目建立合作。

2、數據說明

本次分析數據從Solanart交易市場獲取，獲取了 Degenerate Ape Academy 項⽬從 2021-11-21到2022-03-19期間的17985條成交數據，覆蓋其中7936個活躍的NFT。通過對這些活躍NFT進行分析，探究其活躍屬性的稀有度、NFT流通性和升值潛力等信息。

SOL---Solanart交易市場-DAPE系列交易情況

3、NFT分析初探

3.1 交易數據分析

首先，我們清洗和處理了NFTs歷史交易數據，並計算聚合數據，包括交易次數、交易均價、交易間隔、稀有度和屬性熱度值等指標，相關解釋如下：

活躍屬性稀有度(activeattributerarity)，取值範圍0-1。activeattributerarity 表示活躍 NFT 屬性的稀有百分比。因為僅僅統計有交易歷史的NFT，所以稀有度會比 solanarpopularityt.io中的稀有度低，但是更接近於真實的市場狀況。

活躍屬性稀有度 (activeattributerarity) 越低，表示該屬性越稀有。

3.2 Pearson相關係數介紹

在統計學中，Pearson相關係數來衡量兩組數據之間的線性相關性。它是兩個變量的協方差與其標準差的乘積之比；因此，它本質上是協方差的歸一化後的數值，因此結果始終具有介於-1和 1 之間的值，我們可以通過Pearson相關係數對統計特徵進行相關性分析，找到特徵之間的線性關係，探究特徵之間的關聯性。

皮爾遜相關係數在應用於總體時，通常由希臘字母 ρ (rho) 表示，可稱為總體相關係數或總體皮爾遜相關係數。給定一對隨機變量 (X, Y)，ρ的公式為：

其中：

cov是協方差

σx是X的標準差

σY是Y的標準差

ρ可以用均值和期望來表示。

3.3 交易數據相關性分析

根據歷史交易數據，我們可以計算出一些統計指標，包括交易次數、均價、交易時間間隔、稀有度和熱度等，然後通過Pearson相關係數，計算出指標之間的相關性，具體結果如下圖所示：

統計結果為一個正方形矩陣的X和Y軸都表示的統計指標，對從左上角到右下角的角線表示全為1，表示屬性的自相關為1，分別按水平或者豎直的方向去看，分別表示與其他特徵的相關係數，係數為-1到1之間，1表示完全線性正相關，-1表示完全負相關，具體特徵解釋如下

結論：

交易次數(transactioncnt) 與活躍屬性稀有度(activeattribute_rarity)呈現顯著的正相關，即屬性越稀有，成交交易次數越多，市場活躍度越高。

屬性熱度(attributespopularity)與成交均價呈明顯的負相關，與平均交易間隔天數 (daysbetweentransactionsavg)呈現顯著負相關，即屬性越稀有成交均價越高，且出售時間間隔越低。可以推斷出，市場對稀有屬性更加青睞，其流動性更強，且買家更願意出高價。

交易均價(transactionpriceavg)和平均交易間隔天數 (daysbetweentransactions_avg）呈現明顯的正相關，即對於大多數交易而言，價格越高，流動性越差，每次交易間隔的時間越長。當然這並不是一個完全線性的結論，因為還有很多其它因素也會對價格和流動性產生影響。

4、NFT 數據洞察

根據NFT交易歷史數據，按照NFT屬性的維度，分別對活躍屬性的稀有度、屬性的平均交易價格、屬的平均交易間隔天數進行統計，然後對統計數據進行線性擬合，找到存在低估的NFT屬性。

4.1 數據統計

活躍屬性稀有度 Top10

屬性平均交易價格 Top10

平均交易間隔天數 Top10

4.2 稀有度 \&交易均價分析

根據上述分析，我們已知一個NFT的屬性越稀有，其交易均價越高，呈現顯著的負相關。那我們對其進行線性擬合，然後找到偏離擬合曲線，且被存在低估的屬性（即在擬合曲線下方的屬性）。這些屬性發生交易時，成交均價低於平均的擬合價格，存在價格低估的可能。比如通過簡單的篩選條件，篩選活躍稀有度（activeattributerarity）\<0.04，交易均價\<100 SOL以下的屬性，然後去選購包含此屬性的NFT。

4.3 稀有度 \&交易間隔時間分析

根據上述分析，我們已知一個NFT的屬性越稀有，其價格會越高，但是過高的價格又會抑制交易的發生，使得交易的時間間隔變長，流通性下降。所以我們需要找到那些稀有度和估價尚可，但是流通性強（交易時間間隔短）的屬性值，即偏離擬合曲線，並且處於擬合曲線左邊的屬性，然後篩選出流通性強的屬性進行購買。

結合上述價格\&流通性\&稀有度的分析，進行如下篩選:

活躍稀有度(activeattributerarity)\<0.4

交易天數(daysbetweentransactions_avg)\<0.5 day

交易均價(transactionpriceavg)\<100 Sol

下圖是篩選過後的部分數據截圖，詳細完整數據請查看文末數據獲取方式。

部分字段的解釋說明

根據上述的分析結果，在solanart平台中篩選包含對應屬性的NFT，然後根據自己的喜好進行購買。

Degenerate Ape Academy NFT購買鏈接

4.4 交易者分析

持有者出售效益

NFT出售的時候，只有13%的交易過程是虧損出售的，大部分是在上漲盈利的時候進行出售的，也就是說大部分nft持有者都是盈利的，同時也是比較認可NFT價值的堅定持有者，能等待時機進行有效盈利。

NFT總盈收 Top20的持有者總營收和交易出入度情況 (買入賣出數量 )

在盈收最多的20人中，有很多是只賣不買的持有者，可以大概率推測是NFT製造者，這部分交易者看起來零成本，但是並不是整個交易市場的最大收益者。最大收益者來自於那些極端的投機者，只買賣或持有少數幾個NFT，但是在一段時間內賣出了天價。所以，在某種程度上來說，NFT和彩票類似，買對了確實可以帶來巨大的收益。

NFT總盈收 Top20的持有者賣出的每個 NFT盈收情況

盈利排名前二十的人员盈收大部分集中在0~1000之間，單個NFT的盈利大於1000的比較少。那么我們在選購NFT的時候，如果僅僅作為價值投資，成本可以限定在1000以內，因為NFT本身的盈利區間就那麼大，真正能暴漲的NFT數量只占極少數，如果穩步投資，也能進入到盈收榜單的前20。

NFT平均收益率 Top20的持有者

總盈收最高的不一定是最佳的投資者，從上面的分析可以看到，很多交易量極小的投資者獲取到的收益遠遠大於一些NFT的製造者。這類投資者要麼有更好的眼光，要麼有更好的運氣，當然也有可能有著更強的輿論控制和分析能力，那麼這類投資者持有NFT有可能可以成為其他投資者的風向標，研究這類投資者的交易特徵，可以幫助投資者更有效的選擇NFT。通過NFT平均收益率可以比較清晰找出這類投資者，如果要進行價值投資，可以持續關注這類NFT持有者的一些投資情況。

比如篩選:

平均收益率(average_income)>500

投資回報能力(effective_revenue)>0.8

5、NFT分析進階

根據上述分析，對NFT屬性特徵進行聚合，統計出NFT的相關統計指標，為NFT選購者提供數據參考。

屬性相關字段：

NFT相關字段：

TODO

上文只結合市場數據進行了簡要的分析，還有很多待分析維度

• 虧損出售是在什麼時間段進行拋售的，是否存在恐慌盤情況，是否是風險期?虧損出售的nft是否存在價值被低估的情況?
• 高收益者比較傾向於選擇擁有哪些屬性的nft?
• 大量買進的交易者最後的營收情況如何?
• 有哪些持有者賣出的NFT最後呈現出較大的潛力?平均收益率最高的持有者所買NFT有何特點?

總結

根據對退化猿NFT系列的分析，可以發現，最終交易的價格、稀有度、流通性都存在非常強的相關性，一定程度上會影響最終的成交價格，對NFT的選購有一定的參考意義，但是影響NFT價格的因素很多，若要得到一個合理的NFT估值，除了交易數據外，還需要結合幣價市場波動、社交媒體數據、社區輿論數據等數據，並構建實時的NFT估價模型，實時性預測和監控價格趨勢，降低持倉風險。