數據揭示2023年NFT市場的增長得益於新資金進場還是舊資金內卷

我們通過鏈上數據分析和地址聚類算法，研究了 2023 年整個 NFT 市場內新舊地址實體的交易量和投入資金佔比，以及交易和資金增量的來源，從而揭示 NFT 市場的活躍度和新增動能主要來自舊玩家還是場外的新進入者。

自 2022 年 6 月底，NFT 市場進入熊市，但 Blur 於 2022 年底推出 Airdrop 激勵機制之後，NFT 市場的交易量有所改善（圖一）。在 Blur 的空投活動期間，可以看到其對於整個 NFT 市場交易量的貢獻不斷增大（圖一）。

圖一 NFT 日交易量

Blur 空投的獎勵機制以及代幣的成功發行，無疑是 2023 年 NFT 交易量暴漲的最大因素。但交易量暴漲的背後，整個 NFT 市場的真實形勢到底如何；換言之，NFT 的場內資金是否有實際增量，以及是否有新的資本流入市場，還是主要是舊資金的內卷？

我們 1) 探究了二季度相對於一季度，整個 NFT 市場新增交易量以及資金的來源； 2）對比了 Blur 一季度和二季度空投活動期間，整個 NFT 市場不同地址實體的交易量以及投入資金的佔比。

研究過程

1. 得出各個地址的交易量數據

1. 首先，我們選定研究的時間區間為時間段 A（2022 年 10 月 19 日-2023 年 2 月 14 日）和時間段 B（2023 年 2 月 15 日-2023 年 5 月 31 日） [ 1 ] ；

2. 其次，我們從 buyer 的角度進行交易量和資金量的研究，這是因為研究重點在於“NFT 市場參與者對於 NFT 的投入”；

3. 再者，研究時間段內 NFT 市場的參與者衆多，但是數據顯示，貢獻整個 NFT 市場交易量/資金量 90% 的 Top 交易量地址個數僅佔全部地址個數的 8% 。因此，為了便於分析，我們把研究對象範圍定義為“每個時間段內對於交易量/資金量合計貢獻九成的 Top 交易量地址”，由此篩選出總共 7 w 多個地址；

4. 最後，我們剔除了洗盤交易（wash trades） [ 2 ] ，得到各個地址的真實交易量和交易筆數。

[ 1 ] 時間段 A 即對應 Blur 一季度空投，時間段 B 即對應 Blur 二季度空投，以 2 月 14 日 BLUR 代幣發行當天為分界线，這是因為 BLUR 的發行明顯快速帶動了 NFT 市場的活躍度。

[ 2 ] Wash trades 剔除規則：buyer=seller、buyer 和 seller 有共同 EOA 資金來源。

2. 基於交易量和交易筆數得出投入資金情況

1. 基於先前得到的各個地址的交易量和交易筆數，分別計算每個 buyer 為不同 NFT collection 中的各個 token_id 投入的金額 [ 3 ] ；

2. 將每個 buyer 所有投入金額加總，得到各個地址投入 NFT 的資金量。

[ 3 ] 當 token_standard=erc 721 時，各個 token_id 對應同一個 token，因此為每個 token_id 投入金額為买入該 token_id 支付的平均價格（平均價格=支付金額總和/买入筆數）；當 token_standard=erc 1155 時，各個 token_id 可以對應多個 token，因此我們假設每個 token_id 投入金額為买入該 token_id 花費的總金額。

3. 基於地址聚類算法劃分不同實體

基於資金關聯的邏輯，把高度可能屬於同一實體操控的地址劃分為一個群，從而按實體的維度研究兩個時間段交易量和資金量的來源。

1. 我們規定聚類基於以下准則 [ 4 ] ： 1）地址之間曾有 eth 或者穩定幣的轉移；2）兩個地址之間必須互相轉過账，次數為：一個方向>= 3 筆，另一個方向>= 1 筆；3）只限制在地址之間 2023 年的交易。

2. 利用算法按照上述准則進行地址聚類，得到不同的地址群，並用 s 1 _ind 和 s 2 _ind 對地址是否在時間段 A 和時間段 B 參與過 NFT 交易進行標識 [ 5 ] 。其中，若地址群中至少包含一個 s 1 _ind= 1 的地址，則該地址群為舊實體；若地址群中地址 s 1 _ind 均為 0 ，則該地址群為新實體。

[ 4 ] 我們的算法可以識別錢包之間直接或間接的關聯。“直接”是指兩個 NFT 玩家之間的交互滿足標准。 而當多個 NFT 玩家曾與同一地址（無論該地址在不在分析範圍）進行交互並且交互滿足上述標准時，這些 NFT 玩家之間就會形成“間接”鏈接。

[ 5 ] s 1 _ind= 1 且 s 2 _ind= 1 說明該地址在兩個時間段都參與了 NFT 交易；s 1 _ind= 1 且 s 2 _ind= 0 說明該地址僅在時間段 A 參與了 NFT 交易；s 1 _ind= 0 且 s 2 _ind= 1 說明該地址僅在時間段 B 參與了 NFT 交易。

研究結果與分析

1. 數據結果 [ 6 ] （buy volume 為“交易量“，capital 為“資金量“；Season 1 對應時間段 A，Season 2 對應時間段 B）

[ 6 ] “在時間段 B 的交易量和資金量“分別輸出地址和實體角度的數據是為了彌補地址聚類可能存在的缺陷（如將一些新實體的地址錯誤歸到舊實體中，導致舊實體的交易和資金量虛大），從而獲得數據的基准。

1.1 兩個時間段分別的交易量和資金量：

時間段 A 和時間段 B 的交易量和資金量

1.2 新舊地址 [ 7 ] 在時間段 B 的交易量和資金量（左邊以 ETH 為單位；右邊為佔比%）：

新舊地址在時間段 B 的交易量和資金量

[ 7 ] s 1 _ind= 1 則為舊地址，s 1 _ind= 0 則為新地址。

1.3 新舊實體 [ 8 ] 在時間段 B 的交易量和資金量（左邊以 ETH 為單位；右邊為佔比%）：

新舊實體在時間段 B 的交易量和資金量

[ 8 ] on_ind=old 則為舊實體，on_ind=new 則為新實體。

2. 結果分析

2.1 NFT 場內資金的增長情況

時間段 B 的總交易量和資金量均大於時間段 A 的，交易量和資金量增量絕對值分別為 906, 857 E 和 661, 159 E。交易量和資金量均呈現上升趨勢，表明 NFT 市場總體呈增長態勢。

2.2 新增資金的來源

資金量的增量小於新實體在時間段 B 的資金量（661, 159 E vs 851, 181 E），因此新增資金量主要來源於新實體，而至少部分舊實體投入 NFT 市場的資金量在萎縮。

2.3 新舊實體的交易量和資金量的佔比情況

綜合地址和實體角度在時間段 B 的交易量和資金量數據，舊實體交易量和資金量的佔比大致位於 55% -70% 。

• 舊實體在時間段 B 的交易量和資金量佔比均超五成，表明舊實體是 NFT 市場活躍度的主要貢獻者；

• 但同時應當注意到，新舊實體在佔比方面並未相差懸殊，因此我們認為新實體對於 NFT 市場的貢獻力量不容忽視。

結論

通過研究 NFT 市場新舊實體的交易量和投入資金佔比（舊實體佔比在六成左右），以及交易和資金增量的來源（主要來自新實體），我們認為，舊玩家（舊實體）是 NFT 市場活躍度的主要貢獻者，而場外的新進入者（新實體）是 NFT 市場新增動能的來源。

需要注意的是，資金增量以及新玩家進場並不完全意味着 NFT 市場在蓬勃生長。這是由於大部分增量都聚集於 Blur 上，極大可能是被代幣獎勵而不是 NFT 本身的價值吸引而來。至於如何在空投過後維持 NFT 市場長期的繁榮，仍然是市場共同面臨的一大挑战。

關於作者

此分析研究報告由 Eocene Research 的 Helena L. 和 Huang Z. 共同撰寫。在 Twitter 上關注我們，隨時了解更多我們的 NFT 分析和研究。

鄭重聲明：本文版權歸原作者所有，轉載文章僅為傳播信息之目的，不構成任何投資建議，如有侵權行為，請第一時間聯絡我們修改或刪除，多謝。