NFT
Screen Shoot dal video:Video from the paper: Mapping the NFT revolution: market trends, trade networks, and visual features. https://www.nature.com/articles/s4159... Scientific Report 11:20902 (2021) by Matthieu Nadini (City University of London, The Alan Turing Institute) Laura Alessandretti (Technical University of Denmark) Flavio Di Giacinto (City University of London) Mauro Martino (IBM Research) Luca Maria Aiello (IT University of Copenhagen) Andrea Baronchelli (City University of London, The Alan Turing Institute) Data Movie : Mauro Martino (IBM Research)

Non-fungible tokens: possiamo prevedere il prezzo a cui venderanno?

Oggi tutta la comunità del mondo dell’Arte parla di NFT e di quali saranno le sue evoluzioni nel breve e nel lungo periodo. Il report di Hiscox 2021 (part one) parla chiara sul volume d’affari che ruota attorno alle vendite NFT di criptovalute e oggetti da collezione: una cifra stimata di 3,5 miliardi di dollari nel 2021 (al momento della pubblicazione del report). Occorre ora fare chiarezza su un mercato in evoluzione. A tal proposito di grande interesse è lo studio condotto da Mauro Martino, Head of Visual AI Lab, IBM Research con il Dr Matthieu Nadini, la dott.ssa Laura Alessandretti, il dr Flavio Di Giacinto, Professor Luca Maria Aiello e Dr Andrea Baronchelli.

 

Mapping the NFT revolution

Mappare un mercato – quello degli NFT – in piena evoluzione è un compito complesso ma permetterebbe di accedere a strumenti utili per analizzarlo. Se è chiaro oggi che attorno agli NFT ruota il concetto di proprietà – poiché di fatto si vanno a creare asset digitali che certificano univocamente la proprietà su di un’opera (e non solo su opere d’arte) – non è altrettanto facile comprendere i meccanismi e le evoluzioni di un mercato che si sta evolvendo soprattutto da quando l’opera di Beeple è stata battuta in asta per $69,346,250. A tal proposito è stato condotto uno straordinario lavoro di analisi dal titolo:Mapping the NFT revolution: market trends, trade networks, and visual features. Alla base di questa ricerca: uno studio su un set di dati di 4,7 milioni di NFT scambiati da oltre 500.000 acquirenti e venditori tra il 23 giugno 2017 e il 27 aprile 2021. Vi riportiamo qui sotto la traduzione dell’estratto e il link alla pubblicazione completa.

Nadini, M., Alessandretti, L., Di Giacinto, F. et al. Mapping the NFT revolution: market trends, trade networks, and visual features. Sci Rep 11, 20902 (2021). https://doi.org/10.1038/s41598-021-00053-8

Estratto della pubblicazione

All’inizio di quest’anno, un’opera d’arte digitale è stata venduta per 70 milioni di dollari. I ricercatori di Turing stanno cercando di scoprire quali fattori determinano il prezzo di un NFT. I token non fungibili, o NFT, esistono da diversi anni, ma l’interesse per essi è aumentato rapidamente nel 2021 con una serie di vendite di alto profilo, inclusa la vendita di $ 69,3 milioni di Christie’s del NFT associato a Everydays: the First 5000 Days – un’opera d’arte digitale dell’artista statunitense Beeple. Nonostante le preoccupazioni sull’impatto ambientale della tecnologia sottostante, gli NFT hanno collezionato vendite per 2,5 miliardi di dollari nella prima metà del 2021, un massimo storico. Ma perché alcuni NFT vendono così tanto? Questa domanda è al centro di un nuovo studio finanziato da Turing (parte del tema della token economy di Turing) che abbiamo recentemente pubblicato su Scientific Reports, la prima panoramica completa e quantitativa del mercato NFT.

Innanzitutto, le basi. Un NFT è un’unità di dati univoca che può essere utilizzata per certificare la proprietà di una risorsa digitale. Gli NFT vengono creati utilizzando la tecnologia blockchain – solitamente la blockchain di Ethereum – e possono rappresentare qualsiasi oggetto digitale, incluse foto, opere d’arte, meme, musica, oggetti da collezione digitali e persino tweet. Esistono molti mercati NFT, in cui i venditori vendono tramite un’asta o un’opzione “acquista ora”. La novità degli NFT rispetto agli oggetti d’arte “fisici” è che gli asset digitali possono in teoria essere replicati e/o scaricati un numero illimitato di volte, e possono quindi essere “posseduti” da chiunque. L’idea alla base degli NFT è quindi quella di stabilire quale delle tante copie sia l'”originale” e chi lo possiede.

Per mappare l’evoluzione del mercato degli NFT, abbiamo esaminato un set di dati di 4,7 milioni di NFT scambiati da oltre 500.000 acquirenti e venditori tra il 23 giugno 2017 e il 27 aprile 2021. Gli articoli includevano arte digitale e altri oggetti da collezione come carte e oggetti digitali utilizzati nei videogiochi (ad es. armi e abbigliamento). C’era una grande variabilità nei prezzi degli NFT analizzati: solo l’1% più alto degli oggetti scambiati per più di $ 1.500, con il 75% degli oggetti che vendono per meno di $ 15.

Per scoprire cosa determina il prezzo di vendita di un NFT, abbiamo sviluppato un modello di apprendimento automatico che considera tre fattori: 1) caratteristiche visive, 2) vendite precedenti di NFT correlati e 3) la popolarità di acquirenti e venditori.

Le caratteristiche visive delle risorse digitali sono state valutate utilizzando sofisticate tecniche di visione artificiale che estraggono le proprietà visive degli oggetti, come i loro colori e forme, e cercano somiglianze. Le vendite precedenti sono state valutate considerando la storia di mercato degli articoli della stessa collezione (gli articoli scambiati sul mercato NFT sono organizzati in collezioni che, nella maggior parte dei casi, condividono alcune caratteristiche comuni). Infine, la popolarità dei trader nella rete NFT è stata valutata considerando il numero totale di acquisti e vendite effettuati da ciascun trader.

Abbiamo scoperto che tutti e tre i fattori giocano un ruolo nel determinare il prezzo di una NFT. Le vendite precedenti di NFT correlate sono costantemente la caratteristica più importante, spiegando fino al 50% della variabilità dei prezzi NFT. Le caratteristiche visive sono anche importanti determinanti del prezzo, aumentando le prestazioni del nostro modello di apprendimento automatico del 10-20%. L’aggiunta di dati sulla popolarità dei trader aumenta ulteriormente le prestazioni del nostro modello del 10%. Insieme, questi tre fattori possono spiegare fino al 70% della variabilità dei prezzi NFT.

Questi risultati suggeriscono che potrebbe essere possibile prevedere con precisione i prezzi NFT, una direzione che stiamo pianificando di esplorare. Abbiamo anche reso i nostri dati disponibili gratuitamente in modo che altri possano eseguire le proprie analisi. Una migliore previsione dei prezzi aiuterebbe a incoraggiare un settore finanziario più maturo intorno alle NFT, riducendo i rischi di investimento connessi alla volatilità imprevedibile delle NFT, sia per gli investitori privati ​​che a livello sistemico.

Gli NFT stanno rivoluzionando il modo in cui i contenuti digitali vengono prodotti e scambiati. Il nostro studio stimolerà ulteriori ricerche sulla produzione, l’adozione e il commercio di NFT in un’ampia gamma di discipline, tra cui economia, diritto, evoluzione culturale, storia dell’arte, scienze sociali computazionali e informatica.