محاکمات و مصائب ارزیابی NFT در بازار

نشانه های غیر قابل حمل به دلیل خاصیت و خصوصیات دیجیتالی خود ، ارزش ذاتی را دارند. در این نسخه از "نگاه دقیق تر" ، Fotis Konstantinidis Stout به چالش های ارزش گذاری NFT ها و همچنین روش ها و داده های مورد استفاده برای ارزیابی می پردازد.

نشانه های دیجیتال می توانند هر موجود فیزیکی یا دیجیتالی را در blockchain اتریوم ، از جمله شخصیت های بازی آنلاین مجازی ، ارز فیات یا دارایی های شرکت از جمله دیگر نشان دهند. یکی از اولین استانداردهای نشانه ای که به توسعه دهندگان اجازه ساخت برنامه های توکن را می داد ، درخواست اتریوم برای نظرات 20 (ERC-20) بود. در نوامبر 2015 ، ERC-20 یک استاندارد قوی برای نشانه های قارچ را معرفی کرد ، که در آن هر نشانه همان نشانه دیگری است. استاندارد یک رابط برنامه نویسی برنامه (API) را برای نشانه های موجود در قراردادهای هوشمند پیاده سازی می کند و عملکردهای مختلفی از جمله انتقال نشانه ها بین حساب ها و دریافت کل منبع موجود در شبکه را ارائه می دهد.

درخواست Ethereum برای نظرات 721 (ERC-721) در ژانویه سال 2018 پیشنهاد شد. این استاندارد اصلی برای نشانه های منحصر به فرد و غیر قابل تغییر است ، که در آن یک نشانه به دلیل سن ، نادر بودن یا چندین ویژگی بصری دارای ارزش دیگری از دیگری است(به عنوان مثال ، رنگ یک NFT که یک کلاه مجازی را نشان می دهد). این مفهوم برخلاف پول فیات است ، جایی که یک لایحه مقاله دقیقاً با هر صورتحساب مقاله دیگر ارزش دارد. نشانه های غیر قابل تغییر در استاندارد ERC-721 قرار می گیرند.

بیشتر مقادیر منحصر به فرد ، مانند موارد نادر بازی ، محصولات نسخه محدود ، مجموعه ها و هنر دیجیتال ، به طور معمول می توانند در NFT ها قرار گیرند. با افزودن مقادیر هش ، یا مقادیر عددی طول ثابت که داده ها را منحصر به فرد شناسایی می کند ، به فناوری blockchain ، می توان دارایی های نامشهود را در حوزه دیجیتال که قبلاً دارایی در نظر گرفته نشده بودند ، مالکیت و مدیریت کرد.

تمام استانداردهای اشاره شده فوق الذکر برای blockchain Ethereumnotation تهیه شده است ، که هنوز هم محبوب ترین blockchain است که NFT ها در آن ایجاد و رد و بدل می شوند. اتریوم به دلیل بزرگترین مبادله غیرمتمرکز ، Uniswap ، بر روی blockchain اتریوم ساخته شده است. از زمان آغاز سال 2018 ، این موتور اصلی برای تجارت غیر متمرکز امور مالی (DEFI) بوده است. بر خلاف مبادلات متمرکز مانند Binance و Coinbase ، تجارت در مبادلات غیر متمرکز کاملاً در داخل زنجیره اتفاق می افتد. در نتیجه ، هنگامی که تجارت Uniswap انجام می شود ، هر معامله در اتریوم حل و فصل می شود.

علاوه بر این ، اتریم می تواند پیچیده شود و به یک اتریم پیچیده تبدیل شود ، که راهی برای استفاده از آن به عنوان یک نشانه ERC-20 است. از آنجا که نشانه های Defi بر اساس استاندارد ERC-20 ساخته شده اند ، به راحتی می توان یک نشانه را برای دیگری مبادله کرد.

به طور کلی ، Ethereum یک معماری شبکه و داده بسیار امن است ، جایی که پروژه های NFT به عنوان سکه ERC-721 اجرا می شوند و در معرض بازار بزرگ و رو به رشد قرار می گیرند. NFT ها با ماشین های مجازی اتریوم سازگار هستند ، بنابراین کیف پول های اتریوم (مانند Metamask و Ledger Nano) می توانند از آنها پشتیبانی کنند.

NFT ها به دلیل خاصیت و خصوصیات دیجیتالی خود ، ارزش ذاتی را دارند. به عنوان مثال ، مجموعه Cryptopunks از آزمایشگاه های لارو شامل 10،000 کاراکتر به طور تصادفی با خواص بصری مانند مدل مو و رنگ چشم است. بازی های Blockchain NFT ، مانند Etheria و Cryptokitties ، در اوایل سال 2015 ، جایی که NFT ها ایجاد می شوند معرفی شدند. در بازی های مبتنی بر blockchain ، کاربران می توانند عناصر بازی خود را در اکوسیستم غیر متمرکز تولید کنند و عناصر ایجاد شده به صورت جداگانه برای NFT ها اعمال می شوند و معاملات بین کاربران را قادر می سازند.

اتریوم ، جریان و موم شبکه های پیشرو در بازار NFT هستند. هر سه سیستم عامل امکان خرید یا فروش NFT را در اختیار کاربران قرار می دهد. برخی از این سیستم عامل ها همچنین ابزاری را برای کاربران فراهم می کنند تا بلافاصله NFT و تجارت را صادر کنند. در همین حال ، Binance Smart Chain به عنوان یک اصلی - یک blockchain مستقل که شبکه خود را با فناوری و پروتکل خاص خود اداره می کند - مورد توجه قرار می گیرد تا به طور مکرر در بازار NFT مورد استفاده قرار گیرد. اگر رشد اندازه سپرده سکه دوتایی ، که در یک مقطع با سرمایه گذاری در بازار در رده پنجم قرار گرفت ، حفظ شود ، ممکن است بر اساس قدرت عظیم کاربر خود در اکوسیستم NFT غلبه کند.

چالش در ارزش گذاری NFT ها

یکی از بزرگترین چالش ها در ارزیابی NFT ها ، جمع آوری کلیه مجموعه داده های مربوطه است که برای برآورد مقادیر توکن باید مورد تجزیه و تحلیل قرار گیرند. چندین بازار بازار از طریق API زمینه های خاص را به روش های مختلف در معرض دید قرار می دهد ، بنابراین هیچ استانداردی از قالب داده از خصوصیات و صفات NFT وجود ندارد. علاوه بر این ، بسیاری از بازارهای NFT راهی برای به راحتی داده های معاملاتی NFT ندارند. آنها داده ها را در وب سایت های خود منتشر می کنند ، اما داده های معامله ای به راحتی در دسترس نیست.

حتی زمانی که یک API در دسترس است، استفاده از آن قوی و آسان نیست. در بسیاری از موارد، توسعه دهندگان باید تلاش بیشتری برای اطمینان از سازگاری و کامل بودن داده ها انجام دهند. پشتیبانی سازمانی در دسترس نیست، و هیچ مرجع متمرکزی در بازار NFT وجود ندارد که داده های کامل و دقیق ارائه دهد - برخلاف بازار سرمایه گذاری مالی سنتی، که در آن شرکت هایی مانند بلومبرگ، صرافی بین قاره ای، گروه CME و S& P Global داده های مالی را ارائه می کنند..

سه نوع اصلی روش ارزش گذاری عبارتند از رویکردهای درآمد، بازار و هزینه. رویکرد بازار برای اکثر NFT ها مناسب ترین است زیرا معیارهای مالی مورد نیاز برای گرفتن داده های ورودی برای دو روش دیگر وجود ندارد. با این حال، مواردی وجود دارد که در آنها NFT ها پتانسیل ایجاد درآمد را دارند. به عنوان مثال، دارندگان NFT می توانند NFT ها را به گیمرها اجاره دهند، جایی که پلتفرم به مالک NFT اجازه می دهد تا نرخ و مدت وام را تعیین کند. پس از فروخته شدن NFTهایی که ایجاد کردند، حق امتیاز دریافت کنید. سهام NFT ها، که در آن مالک NFT برای اتصال NFT به یک پلت فرم یا پروتکل پاداش دریافت می کند. کسب پاداش برای شرکت در استخر نقدینگی؛و بازده مزرعه، که در آن سرمایه گذاران پاداش های کسب شده را از یک پلتفرم به پلتفرم دیگر برای بازدهی اضافی دوباره سرمایه گذاری می کنند.

علاوه بر ارزش گذاری یک NFT بر اساس ویژگی های دیجیتال ذاتی که دارد و درآمد غیرفعالی که ممکن است ایجاد کند، ملاحظات ارزش گذاری بر اساس بازارپذیری و شناخت گسترده تر یک هنرمند مشهور وجود دارد که بر ارزش NFT آنها نسبت به هنرمند ناشناس دیگر تأثیر می گذارد. این منابع تأثیر بر ارزش ممکن است تا زمانی که NFT واقعاً فروخته نشود، بسیار سوداگرانه باشد.

هنگام اجرای رویکرد بازار برای NFT ها، ارزش یک توکن بر اساس توکن های قابل مقایسه با تجزیه و تحلیل ویژگی ها، صفات، امنیت زنجیره ای، کمبود، سرعت انتشار و سایر عوامل تخمین زده می شود. با این حال، چالش های دیگری برای رویکرد بازار وجود دارد، از جمله:

• استخراج داده های تراکنش تقریباً از همه بازارهای NFT آسان نیست.
• چندین تراکنش NFT تاریخی، پرت هستند - یعنی سه انحراف استاندارد از میانگین تراکنش فاصله دارند.
• محاسبه تأثیر افراد مشهور بر قیمت NFT دشوار است.
• بسیاری از NFTهای متعلق به سرمایه گذاران نادر هستند. ضربات بسیار کمی وجود دارد و خواص آنها در هیچ NFT دیگری یافت نمی شود.
• برخی از مجموعه های NFT که حجم معاملات بسیار پایینی دارند، بنابراین داده های تاریخی قیمت فروش محدودی وجود دارد.
• بازارهای NFT داده های NFT را متفاوت نشان می دهند ، بنابراین هیچ استاندارد سازی فرمت داده وجود ندارد.
• برخی از معاملات NFT در بازارهای NFT نشان داده نشده است ، و blockchain مربوطه برای به دست آوردن این داده ها باید خزیده شود.
• مقادیر NFTS نیز تحت تأثیر قرار می گیرد که در کدام blockchain زندگی می کنند.
• از NFT ها در بازی ها استفاده می شود حاوی ملاحظات اضافی است که هنگام ارزش گذاری آنها به بازی می رسد. به عنوان مثال ، در بازی گرگ ، گرگ NFT ها درآمد حاصل از مینینگ سکه های پشم $ را ایجاد می کنند.

آنچه روشهای ارزیابی را بی ثبات تر می کند این است که cryptocurrency برای تجارت فعال NFT ها استفاده می شود ، بنابراین ارزش دارایی با ارزش رمزنگاری در زمان معامله تعیین می شود.

ملاحظات ارزیابی متفاوتی برای خالق ، خریداران و صاحبان NFT در ابتدای وجود آنها و به طور مداوم وجود دارد ، زیرا این دارایی ها در ترازنامه ها گنجانده شده و در معرض ممیزی صورتهای مالی قرار دارند. در زمان ایجاد آن ، ارزش یک NFT ممکن است به ویژگی های خالق آن و خود NFT وابسته باشد ، از جمله موارد دیگر.

در این تصویر عکس از Cryptocurrency Ethereum ، Altcoin در 25 آوریل 2018 در لندن برای عکسی ترتیب داده شده است.

داده ها و روش های مورد استفاده برای ارزش گذاری NFT ها

مطمئناً در استخراج خصوصیات NFT و معاملات گذشته چالش هایی وجود دارد. برخی از راه ها برای استخراج داده های مناسب NFT عبارتند از: توسعه کد نرم افزاری که از API های موجود از بازارهای NFT استفاده می کند و داده ها را تمیز و تبدیل می کند. داده های موجود در وب در دسترس عموم است زیرا نمی توان آن را به شکل فعلی آن تجزیه و تحلیل کرد. و ایجاد خزنده های blockchain که داده های معاملاتی NFT را مصرف و تجزیه و تحلیل می کنند.

پس از جمع آوری داده ها ، معمولاً بسته به اندازه و ساختار مجموعه داده ها در یک پایگاه داده رابطه ای یا غیر مرتبط یا یک دریاچه داده ذخیره می شود. بسته به اندازه و شکل داده ها ، از روشهای مختلف اجرای مطابقت با رویکرد بازار استفاده می شود.

اگر اندازه مجموعه داده ها کافی باشد ، داده ها می توانند از طریق یادگیری ماشین به مجموعه داده های آموزش ، آزمایش و اعتبار سنجی تقسیم شوند. این الگوریتم می آموزد که چگونه زمینه های ورودی مختلف بر قیمت فروخته شده تأثیر می گذارد و این یادگیری ها را در مورد NFT هایی که باید ارزش داشته باشند اعمال می کند. دقت پیش بینی از مجموعه اعتبار سنجی ضبط می شود ، بنابراین روش ها معیار هستند و دانشمند داده دقیق ترین روش را انتخاب می کند. از طرف دیگر ، می توان از تئوری نمونه برداری استفاده کرد و قیمت ارزیابی را می توان با یک فاصله اطمینان خاص تخمین زد.

روش های سری Times باید با تکنیک های آماری ترکیب شوند زیرا مقدار NFT به عنوان تابعی از زمان تغییر می کند. یکی از مهمترین محاسبات ، تعیین ماتریس شباهت برای NFT است تا بفهمد کدام NFT های دیگر (در همان مجموعه یا سایر موارد) شبیه به نشانه ای هستند که باید ارزش داشته باشند.

اگر NFT پتانسیل ایجاد درآمد (مانند یک بازی) را در Cryptocurrency داشته باشد ، باید با طرح ریزی درآمد آینده بر اساس رفتار گذشته در بازی blockchain ، در نظر گرفته شود.

اگر داده های معامله ای محدود در دسترس باشد ، روشهای آماری مورد استفاده نیز می توانند تنظیم شوند و از تکنیک هایی استفاده می کنند که شامل تغییر شکل مجدد ، افزایش داده ها یا یادگیری انتقال از جمله دیگر می شوند. با استفاده از روش هایی که برای مجموعه داده های کوچک عملکرد خوبی دارند ، یک دانشمند داده می تواند تخمین های دقیق تری ایجاد کند و تعصب را در نتایج کاهش دهد.

نتیجه گیری

NFT ها در چند سال گذشته محبوب شده اند و مهم است که بتوانیم تا حد امکان از آنها ارزش قائل شویم. چالش های منحصر به فردی در ارزیابی NFT ها وجود دارد ، اما آمار و یادگیری ماشین می تواند به ارائه راه حل های مناسب کمک کند. برخی از مشکلات اصلی و راه حل های مربوطه عبارتند از:

• مشکل در استخراج داده ها: از توسعه نرم افزار سفارشی و روشهای پیشرفته تبدیل داده ها استفاده کنید.
• عدم وجود استاندارد سازی داده ها: از روشهای مهندسی داده استفاده کنید که پس از جمع آوری داده ها ، فرمت یکنواخت را ارائه می دهند.
• داده های محدود برای اهداف ارزیابی: از روشهای آماری و یادگیری ماشین مناسب استفاده کنید که برای مجموعه داده های کوچک مناسب باشد.
• معاملات در Cryptocurrency انجام می شود: پیش بینی های پایه در همان رمزنگاری و تبدیل به ارز فیات به طور جداگانه انجام می شود.
• پتانسیل NFT برای تولید درآمد: درآمد آینده را بر اساس رفتار گذشته.
• عوامل مرتبط با خواص NFT مانند هنرمندان مشهور ، خریداران مشهور و blockchain مورد استفاده می توانند بر قیمت تأثیر بگذارند: تأثیر این عوامل را بر اساس معاملات گذشته تعیین کنید.

این مقاله لزوماً منعکس کننده نظر دفتر امور ملی ، شرکت ، ناشر قانون بلومبرگ و مالیات بلومبرگ یا صاحبان آن نیست.

اطلاعات نویسنده

Fotis Konstantinidis یک مدیر عامل در Stout است و رهبری تمرین دیجیتالی و تجزیه و تحلیل داده های خود را انجام می دهد. وی کار خود را به عنوان محقق مغز آغاز کرد و موقعیت های رهبری را ارائه داد که محصولات و خدمات AI را در شرکت McKinsey & Co. ، Accenture PLC ، Visa Inc. و خدمات مالی Co-Op ارائه می داد.

ما دوست داریم صدای هوشمند و اصلی شما را بشنویم: برای ما بنویسید