作者：Helena L、Zixu H；Eocene Research
編譯：Node Lab
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捲？
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
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；
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」；
再者，研究時間段內NFT 市場的參與者眾多，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；
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線，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
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；
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 投入金額為買入該token_id 支付的平均價格（平均價格=支付金額總和/ 買入筆數）；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 投入金額為買入該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。
我們規定聚類基於以下準則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賬，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。
利用算法按照上述準則進行地址聚類，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準。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準時，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）
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
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
[ 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），從而獲得數據的基準。
[ 7 ] s 1 _ind= 1 則為舊地址，s 1 _ind=0 則為新地址。
[ 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著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戰。
