NFT-volumenbot: opdag misvisende aktivitet

Hvad en NFT-volumenbot bør måle

Begynd med en præcis hændelsesdefinition. Et gennemført salg, en overførsel uden identificeret salg, et tilbud og et nyoprettet salgsopslag er forskellige hændelser. Kun nogle af dem indeholder belæg for udvekslet vederlag. Hvis de alle tælles som handelsvolumen, får man et tal uden konsekvent økonomisk betydning.

OpenSeas vejledning til kollektionsanalyse skelner mellem volumen-, salgs- og salgsopslagsmål og bemærker, at dens volumenmål inkluderer mintvolumen. En researcher bør bevare kildens definition frem for at antage, at hvert dashboard bruger en identisk sum for sekundære salg.

Antag for en hypotetisk kollektion, at et feed indeholder 100 observationer: 50 salg, 30 overførsler og 20 tilbudshændelser. Hvis salgene summerer til 50 ETH, er det rapporterede salgsvederlag 50 ETH efter datasættets angivne regler. De øvrige 50 observationer tilføjer ikke salgsværdi, blot fordi de involverer de samme aktiver.

En overførsel kan være legitim og økonomisk vigtig uden at være et salg. Den kan afspejle opbevaring, gaver eller en flytning mellem konti under fælles kontrol. Et tilbud beskriver en villighed til at handle under bestemte betingelser; det er ikke belæg for, at betaling allerede har fundet sted.

Den relaterede vejledning til en automatiseret NFT-kollektionssporer adskiller udbud, ejerskab, salgsopslag, købstilbud og salg. Denne adskillelse bør fastlægges, før analytikeren forsøger at klassificere mistænkelig aktivitet. En korrekt taksonomi forhindrer mange misvisende konklusioner uden at kræve nogen anklage om hensigt.

Adskil mintefterspørgsel fra videresalgsefterspørgsel

En kollektion kan have en vellykket primær distribution og ringe sekundær likviditet. Forestil dig en hypotetisk udgivelse, hvor 1,000 varer mintes til hver 0.02 ETH, hvilket skaber 20 ETH i mintvederlag. Hvis ingen siden er videresolgt, kan et mål, der inkluderer minting, korrekt vise 20 ETH, mens den sekundære salgsvolumen stadig er nul.

Det gør ikke den primære efterspørgsel kunstig. Det betyder, at dataene besvarer et andet spørgsmål. Køberne var villige til at anskaffe nyudstedte varer på udgivelsens vilkår; historikken har endnu ikke vist, hvad eksisterende ejere kan modtage fra senere købere.

En rapport, der skal understøtte videresalgsbeslutninger, bør vise komponenterne særskilt. Hvis de kombineres uden forklaring, kan en nyudstedt kollektion se ud til at have et modent exitmarked. Forskellen er stadig nyttig, selv når hver mint er uafhængig, og hver betaling er korrekt registreret.

Kunstig aktivitet skaber ikke uafhængig efterspørgsel

Når det økonomiske ejerskab forbliver inden for den samme kontrollerende gruppe, kan en transaktion øge den rapporterede bruttoomsætning uden at vise, at en ekstern køber værdsætter NFT’en til den angivne pris. Gruppen kan flytte aktiver og betalinger mellem egne konti, mens kollektionens synlige historik bliver mere travl.

Forskellen er økonomisk frem for blot visuel. To forskellige adresser er ikke automatisk to uafhængige modparter. Samtidig afslører adresser alene ikke alle relationer. En solid analyse adskiller kendt intern aktivitet fra mønstre, der kun antyder en mulig forbindelse.

Kunstig aktivitet kan vildlede andre handlende om efterspørgsel, prisdannelse og salgsgrad. En køber kan fortolke en række salg som belæg for, at beholdningen hurtigt kan videresælges, og bagefter opdage, at reelt uafhængige tilbud er sparsomme eller langt lavere.

OpenSeas aktuelle vilkår forbyder manipulation af måltal og priser samt vildledende praksis. Platformreglen er relevant for emnet, men en datagennemgang bør stadig beskrive belægget for en individuel klassifikation frem for at sidestille enhver usædvanlig transaktion med en bevist overtrædelse.

En ærlig NFT-volumenbot til analyse sigter mod at synliggøre observationernes kvalitet og begrænsninger. Dens formål er ikke at producere en mere flatterende kollektionsrangering eller få en forudbestemt pris til at se dokumenteret ud.

Omsætning er ikke det samme som ny kapital

Én NFT kan skifte hænder flere gange i et rapporteringsvindue. Salgene kan alle være legitime, men deres samlede vederlag er omsætning og ikke nødvendigvis et tilsvarende beløb i ny kapital, der strømmer ind i kollektionen. Samme forskel gælder, når noget af aktiviteten er tvivlsom.

Antag, at en opdigtet historik registrerer ti salg af samme token til hver 2 ETH. Bruttoomsætningen er 20 ETH. Det betyder ikke, at ti forskellige NFT’er blev solgt, at ti uafhængige personer deltog, eller at 20 ETH stadig er bundet i ejerskab ved periodens slutning.

Den endelige ejerskabstilstand og betalingsstrømmen besvarer forskellige spørgsmål. Et volumendiagram beskriver aktivitet i et interval. Et øjebliksbillede af ejerne beskriver ejerskab på et bestemt tidspunkt. Ingen af delene kan erstatte det andet, og deres enheder bør forblive tydelige.

Gentagen handel beviser heller ikke i sig selv manipulation. Samlere kan skifte mening, handlende kan legitimt videresælge et aktiv, og markeder kan opleve ægte opmærksomhedsbølger. Bekymringen stiger, når flere belæg understøtter samme fortolkning, og ikke blot når ét token optræder mere end én gang.

En kollektionsrapport bør derfor vise antal salg, antal forskellige handlede varer og modpartskoncentration sammen med bruttoværdien, hvor data tillader det. Disse mål hjælper læseren med at se, om en volumenstigning afspejler bredere deltagelse eller gentagen aktivitet i et snævert segment.

Brug koncentration til at stille bedre spørgsmål

Betragt to fiktive kollektioner. Collection Harbor registrerer 1,000 ETH i bruttosalg, hvor den største købsadresse står for 650, og de fem største adresser står for 900. De tilsvarende andele er 65% og 90%.

Collection Meadow registrerer kun 300 ETH, men dens største købsadresse står for 30, og de fem største står for 90. Andelene er 10% og 30%. Meadow har mindre samlet volumen, men mindre købskoncentration på adresseniveau i dette eksempel.

Det beviser ikke, at Meadow er sundere, eller at Harbor er manipuleret. En stor samler kan foretage ægte køb, og flere tilsyneladende forskellige adresser kan have fælles kontrol. Koncentration er en anledning til yderligere analyse, ikke en dom.

Det ændrer dog spørgsmålet om efterspørgsel. Hvis Harbors dominerende køber holder op med at købe, kan den nylige volumen være en dårlig vejledning til den næste ejers exit. En strategi, der antager, at samme aktivitet fortsætter, bør forklare sin afhængighed af køberen frem for at skjule den i et samlet gennemsnit.

Hold tidsvinduet konsekvent i sådanne sammenligninger. En opmærksomhedsbølge på én time og en kumuleret total over tredive dage kan vise meget forskellig koncentration. En andels betydning afhænger af beregningsgrundlaget og observationsperioden.

Walletrelationer kræver omhyggeligt sprog

Offentlige registreringer kan vise gentagne modparter, fælles finansieringskilder, korte ejertider eller aktiver, der vender tilbage til tidligere adresser. Mønstrene kan understøtte en undersøgelse, men fastslår ikke automatisk fælles reelt ejerskab eller et bestemt motiv.

En fælles finansieringskilde kan være en tjeneste brugt af mange uafhængige kunder. En modtagende adresse kan være en opbevarings- eller driftskonto frem for én individuel samler. Et hurtigt videresalg kan afspejle almindelig handel. En analyse, der ignorerer alternativerne, kan fejlagtigt anklage legitime deltagere.

Brug sprog, som svarer til belægget. “Disse adresser modtog midler fra samme observerede kilde” er snævrere end “disse wallets tilhører én person”. “Aktivet vendte tilbage til sin tidligere adresse” er snævrere end “salget var falsk”. Bevar det observerbare faktum, og forklar usikkerheden i slutningen, der drages af det.

Når analytikeren har direkte registreringer for egne konti, kan kendte interne bevægelser klassificeres med større sikkerhed. Selv da skal transaktionsidentiteterne og begrundelsen for mærkaten bevares, så en anden reviewer kan forstå justeringen.

En NFT-volumenbots opdagelse af wash trading bør derfor give markeringer, der kan gennemgås, og sikkerhedskategorier frem for udokumenterede identitetspåstande. Et nyttigt værktøj lader en researcher undersøge, hvorfor et mønster blev markeret, og afgøre, om fortolkningen er berettiget.

Adskil bekræftede justeringer fra følsomhedstest

Vend tilbage til det hypotetiske datasæt med 50 salg, der summerer til 50 ETH. Antag, at fem salg på i alt 8 ETH er kendte interne transaktioner ud fra pålidelige registreringer. Yderligere 13 salg på i alt 22 ETH viser uafklarede indikatorer på forbundne parter. De resterende 32 salg summerer til 20 ETH.

Hvis kun den kendte interne aktivitet udelukkes, er der 42 ETH tilbage. Hvis både den kendte interne aktivitet og alle markerede usikre tilfælde udelukkes, er der 20 ETH tilbage. Det er forskellige visninger med forskellige beviskrav.

Det ville være misvisende at kalde 20 ETH den beviste ægte volumen, blot fordi det er det mest konservative tal. Tilfælde uden markering er ikke garanteret uafhængige, og de markerede tilfælde er ikke alle bevist kunstige. Justeringen beskriver en metode frem for perfekt viden.

En klarere rapport viser bruttototalen på 50 ETH, den bekræftede udelukkelse på 8 ETH, det usikre markerede beløb på 22 ETH og følsomhedsresultatet. Læseren kan dermed se, hvor meget konklusionen afhænger af uafklaret klassifikation.

Tilgangen er nyttig, når en trend forsvinder, efter at usikker aktivitet fjernes. Den korrekte konklusion kan være, at den tilsyneladende trend er følsom over for en snæver gruppe transaktioner. Det behøver ikke blive en kategorisk anklage mod hver deltager i gruppen.

Versionsstyr klassifikationsreglerne. Hvis en senere gennemgang ændrer en mærkat, skal det tidligere resultat bevares, og revisionen forklares. Tavs omklassifikation kan få historiske alarmer til at fremstå mere nøjagtige, end de var, da de blev udsendt.

Sammenlign volumen med belæg for exits, der kan eksekveres

En kollektion med høj volumen kan stadig give en dårlig exit for en bestemt ejer. Nylige salg kan involvere sjældne varer, én dominerende køber eller transaktioner, som ikke afspejler aktuelle tilbud. Ejeren har brug for et kvalificeret købstilbud eller en villig køber til den faktiske NFT.

Antag, at en kollektion registrerer flere salg nær 1 ETH, men at den vare, der vurderes, kun har ét gyldigt tilbud på 0.40 ETH. Historikken på 1 ETH er relevant kontekst, men får ikke købstilbuddet på 0.40 til at forsvinde eller skaber en ny køber til den højere pris.

En robust rapport skelner derfor mellem observerede salgsværdier og aktuelle udbudspriser og købstilbud. Den bør bevare tilbudsmængde, berettigelse og aktualitet frem for at behandle det højeste viste kollektionstal som en pris, der er tilgængelig for hver vare.

Vejledningen til NFT-handelssignaler forklarer, hvordan en aktivitetsobservation bliver en researchhypotese. Volumen kan hjælpe med at vælge, hvad der skal undersøges, men kræver yderligere belæg, før den understøtter et køb eller et antaget videresalg.

Samme disciplin betyder noget for en foreslået arbejdsgang med en NFT-sweepbot. Køb af flere billige salgsopslag kan forbruge synligt udbud uden at fastslå tilstrækkelig uafhængig efterspørgsel til at sælge den anskaffede beholdning. Et volumendiagram erstatter ikke en analyse af exitdybde.

Skeln mellem en ægte køber og et varigt marked

Selv fuldt uafhængige køb garanterer ikke fortsat likviditet. En samler kan anskaffe nogle få varer og stoppe. En udgivelse eller meddelelse kan skabe en kort opmærksomhedsbølge. En lille gruppe kan legitimt handle aktivt, mens de fleste ejere stadig ikke kan finde købere til sammenlignelige priser.

Evaluer vedholdenhed på tværs af definerede perioder. Fortsætter aktiviteten efter den første hændelse? Deltager forskellige varer og modparter? Forbliver kvalificerede tilbud tilgængelige, når den største synlige køber er fraværende? Spørgsmålene tester varighed uden at foregive at kunne forudsige den med sikkerhed.

En nyttig analyse undersøger også, hvordan salgsopslag reagerer. Mere volumen sammen med hurtigt voksende salgsbeholdning kan betyde noget andet end samme volumen med stabilt kvalificeret udbud. Ingen af mønstrene har én universel fortolkning; relationen kræver kontekst.

Forveksl ikke manglende opdagelse af manipulation med bevis for en attraktiv investering. En kollektion kan have ærlig aktivitet og stadig være overprissat, vanskelig at sælge eller uegnet til kontoen. Integritet og værdiansættelse er separate dimensioner i research.

Forskellen hjælper med at holde detektionsværktøjer inden for deres omfang. De kan forbedre belægsgrundlagets kvalitet. De kan ikke certificere rentabilitet, fjerne usikkerhed eller garantere, at en fremtidig køber dukker op.

Undgå at oppuste volumen gennem regnskabsfejl

Ikke alle misvisende diagrammer er bevidst manipulerede. En datapipeline kan utilsigtet tælle samme salg flere gange, kombinere betalinger i forskellige valutaer forkert eller tildele hele prisen på et bundt til hver vare, det indeholder.

Antag, at ét hypotetisk bundt med tre NFT’er sælges for i alt 0.90 ETH. Hvis hver vare tildeles 0.90, skaber det 2.70 ETH i rapporteret volumen på vareniveau fra en betaling på 0.90. En ligelig fordeling ville tildele hver 0.30, men det er en analytisk konvention, medmindre transaktionen giver en mere specifik opdeling.

Bevar både bundttotalen og enhver valgt varefordeling. En sammenligning på vareniveau bør angive, at fordelingen er estimeret. Ellers kan en sjælden og en almindelig vare i samme bundt få identiske registrerede priser, som senere fremstår som uafhængige markedsværdiansættelser.

Deduplicering kræver også en stabil hændelsesidentitet. Gentagen levering af én salgsmeddelelse bør opdatere eller bekræfte en eksisterende registrering frem for at øge volumen igen. En transaktion kan indeholde flere relevante hændelser, så blind behandling af hver log som et særskilt salg kan indføre endnu en fejl.

Valutanormalisering kræver det oprindelige beløb, betalingstokenets identitet og et defineret omregningstidspunkt. Sammenligning af volumen i netværkets eget aktiv med volumen omregnet til dollars kan være nyttig, men serierne kan bevæge sig forskelligt, når selve valutaens pris ændres.

Bevar manglende data frem for at opfinde stille perioder

En samler kan fortolke et interval med nul volumen som belæg for, at efterspørgslen forsvandt. Hvis dataforbindelsen svigtede i intervallet, er nul den forkerte mærkat. Analytikeren observerede ingen brugbare data, hvilket er noget andet end at observere ingen salg.

OpenSeas Stream API-dokumentation siger, at levering sker efter bedste evne, og at mistede beskeder ikke genafspilles efter forbindelsesfejl. Et overvågningsværktøj har brug for en måde at identificere dækningshuller og afstemme relevant tilstand eller historik gennem understøttede kilder.

Genoprettelse af forbindelsen rekonstruerer ikke i sig selv det manglende interval. Et aktuelt øjebliksbillede af kollektionen kan beskrive nutiden uden at genskabe hver mellemliggende handel. Rapporter bør identificere, hvilken historik der er komplet, rekonstrueret eller stadig usikker.

En gennemgang af datakvaliteten i en NFT-volumenbot bør teste dublerede hændelser, levering i forkert rækkefølge, manglende perioder og senere rettelser hver for sig. Fejlene kan skabe falske toppe eller falske kollaps, selv når alle deltagere handlede ærligt.

Dækningen hører til ved siden af diagrammet. En trend beregnet ud fra en komplet uge er forskellig fra én baseret på flere afbrudte timer. Hvis begge præsenteres med samme sikre linje, opfordres læseren til at sammenligne belæg af ulige kvalitet.

Rapporter fra NFT-volumenbots kræver gennemsigtige metoder

En troværdig rapport bevarer bruttoobservationerne, før udelukkelser anvendes. Den dokumenterer, hvorfor hver justering findes, og lader læseren undersøge forskellen mellem rå og filtrerede totaler. Det gør konklusionen vanskeligere at ændre alene, fordi én version ser mere attraktiv ud.

Vælg perioden og klassifikationsmetoden, før du undersøger, hvilken der giver den ønskede fortælling. En kollektion kan fremstå aktiv i ét snævert vindue og stille over et længere. Ingen af delene er nødvendigvis forkert, men selektiv præsentation af kun det gunstige interval fejlbeskriver researchprocessen.

Hold kategorimærkater specifikke. Kendt intern overførsel, sandsynligt salg, bekræftet salg, usikker bundtfordeling og markering af forbundne parter er mere nyttige end én bred kategori kaldet mistænkelig. Hver mærkat beskriver en forskellig begrænsning og antyder et forskelligt næste trin.

En analytiker bør også bevare tilfælde, der udfordrer den foretrukne fortolkning. Hvis tilsyneladende koncentreret aktivitet understøttes af dokumenterede uafhængige køb, hører det belæg med i gennemgangen. Hvis en attraktiv kollektions volumen afhænger stærkt af usikre transaktioner, hører den afhængighed også til der.

Den endelige konklusion bør forklare, hvad dataene understøtter, og hvad der er uafklaret. “Bruttovolumen steg, men det meste af stigningen kom fra en lille adresseklynge” er ofte mere oplysende end enten en begejstret påstand om efterspørgsel eller en udokumenteret anklage om svindel.

Bedøm værktøjet ud fra de beslutninger, det forbedrer

Et volumenovervågningsværktøj er nyttigt, når det hjælper en researcher med at undgå falsk sikkerhed, identificere manglende belæg og stille mere præcise spørgsmål om efterspørgsel. Det forbedres ikke ved at fremstille netop den aktivitet kunstigt, som det hævder at analysere.

Evaluer, om værktøjet skelner salg fra overførsler, bevarer betalingsenheder, undgår dobbelttælling og synliggør koncentration. Test derefter, om dets markeringer forbliver forståelige, når der findes legitime alternative forklaringer. Forklaringens kvalitet betyder lige så meget som antallet af markerede hændelser.

For det hypotetiske datasæt på 50 ETH ville et nyttigt output bevare bruttototalen, den kendte justering på 8 ETH og den usikre kategori på 22 ETH. Det ville ikke skjule metoden bag én angiveligt ren score. En anden researcher bør kunne reproducere konklusionen ud fra de samme registreringer.

En NFT-volumenbot bør i sidste ende understøtte ærlig markedsobservation. Ægte efterspørgsel, brugbar likviditet og rentable beslutninger kan ikke skabes af en større aktivitetstæller. Klare definitioner og gennemsigtig usikkerhed gør analysen nyttig, netop fordi de forhindrer tælleren i at sige mere, end belægget tillader.