Eine NFT-Handelsstrategie nach Seltenheit fragt, ob ein knappes Merkmal einen anderen Preis als bei den gewöhnlichen Objekten der Kollektion rechtfertigen kann. Diese Frage lässt sich nicht allein anhand des Rangs beantworten. Ein Merkmal kann statistisch ungewöhnlich sein und dennoch wenige Käufer anziehen, während ein optisch häufiges Merkmal einen Aufschlag erzielen kann, weil Sammler es bevorzugen. Handel erfordert Belege zu Zahlungsbereitschaft, Zeitpunkt und Kosten.
Die nützliche Unterscheidung besteht zwischen Knappheit und Nachfrage. Knappheit beschreibt die Häufigkeit einer Eigenschaft innerhalb einer definierten Grundgesamtheit. Nachfrage beschreibt, was zulässige Käufer für das tatsächliche Objekt zahlen wollen und können. Eine Strategie wird testbar, wenn sie erklärt, wie die erste Beobachtung die zweite voraussichtlich beeinflusst und welche Belege zeigen würden, dass diese Erklärung falsch ist.
Dieser Artikel verwendet eine fiktive Kollektion namens Lantern Archive. Ihre Preise, Anzahlen, Gebühren und Merkmale sind erfunden. Die Beispiele veranschaulichen eine Untersuchungsmethode, keine Empfehlung zum Kauf seltener Objekte und keine Behauptung, ein bestimmtes Rangsystem prognostiziere Gewinne.
Eine NFT-Handelsstrategie nach Seltenheit beginnt mit einem definierten Merkmal
Erfassen Sie die genaue Kollektion, das Netzwerk, die Objektkennung, den Merkmalsnamen und den Merkmalswert. Ähnlich klingende Beschreibungen können unterschiedliche Kategorien darstellen. Ein „silberner“ Hintergrund und ein „silbernes“ Accessoire können unterschiedliche Käufer ansprechen und verschiedene Häufigkeiten aufweisen. Die Analyse sollte bestimmen, welches Merkmal den vorgeschlagenen Aufschlag stützt, statt sich auf eine allgemeine Kennzeichnung als seltenes Objekt zu verlassen.
Bestimmen Sie außerdem die Grundgesamtheit, anhand derer das Merkmal gezählt wird. Eine unter enthüllten Objekten gemessene Häufigkeit kann von einer über die gesamte endgültige Kollektion gemessenen Häufigkeit abweichen. Sind noch nicht enthüllte Objekte ausgeschlossen, benötigt der Nenner diese Einschränkung. Ein angezeigter Prozentsatz sollte nicht als dauerhafte Eigenschaft behandelt werden, die unabhängig von den zugrunde liegenden Metadaten und dem Angebot besteht.
Angenommen, Lantern Archive enthält 5.000 enthüllte einzigartige Objekte, darunter fünfzig mit einem mondbeschienenen Rahmen. Die beobachtete Häufigkeit beträgt 1 %. Das sagt der analysierenden Person, wie häufig das Merkmal im angegebenen Datensatz ist. Für sich allein sagt es nichts darüber aus, wie viele Sammler diesen Rahmen wünschen oder welchen Preis sie dafür zahlen würden.
Die OpenSea-Erklärung zu OpenRarity beschreibt Seltenheit als relative Merkmalsknappheit und weist darauf hin, dass Ranglisten die von den Erstellern veröffentlichten Metadaten widerspiegeln. Dies ist nützlicher Kontext zur Interpretation einer Bewertung. Er verwandelt die Bewertung weder in einen notierten Preis noch in einen garantierten Weiterverkaufsaufschlag oder ein unabhängiges Echtheitsurteil.
Die Rangmethode von der Marktthese trennen
Die Analyse von NFT-Merkmalsaufschlägen beginnt damit, die Rangmethode von der Marktthese zu trennen. Eine Rangfolge ordnet Objekte nach einer bestimmten Methode. Die Methode kann mehrere Merkmale kombinieren, besondere Eigenschaften anders behandeln oder ihr Ergebnis ändern, wenn sich die zugrunde liegenden Metadaten ändern. Bevor Sie einen Rang als Eingabe für eine Handelsentscheidung verwenden, sollten Sie zumindest verstehen, was die Bewertung misst und welche Grundgesamtheit der Kollektion sie beschreibt.
Zwei Objekte mit benachbarten Rängen können dennoch sehr unterschiedliche Käufer ansprechen. Eines kann durch mehrere ungewöhnliche, aber optisch unauffällige Merkmale einen hohen Rang erreichen. Ein anderes kann ein weithin bekanntes ästhetisches Merkmal besitzen, nach dem Sammler aktiv suchen. Der Rang bildet Präferenzen nicht vollständig ab, und numerische Nähe belegt keine Austauschbarkeit am Markt.
Schreiben Sie die These getrennt von der Rangbeobachtung auf. Beispielsweise ist „Objekte mit mondbeschienenem Rahmen wurden kürzlich teurer verkauft als ansonsten vergleichbare Objekte“ eine untersuchbare Marktbehauptung. „Dieses Objekt hat einen hohen Rang, also muss es unterbewertet sein“ überspringt die Belege, die Knappheit mit dem Preis verbinden, und lässt den vorgesehenen Ausstieg undefiniert.
Ein praktischer Untersuchungsdatensatz sollte deshalb sowohl den beobachteten Rang als auch die Begründung für die erwartete Nachfrage bewahren. Ist die einzige Rechtfertigung der Rang selbst, hat die Strategie ein knappes Objekt erkannt, aber noch keinen Preisvorteil nachgewiesen. Für eine persönliche Sammelpräferenz mag das genügen, für einen Weiterverkaufsplan ist es jedoch ein schwächerer Beleg.
Vor der Schätzung eines Aufschlags eine Vergleichsmenge bilden
Vergleichbare Verkäufe sollten hinsichtlich des bewerteten Merkmals übereinstimmen; der Einfluss anderer relevanter Unterschiede sollte dabei so weit ausgeglichen werden, wie die Daten es erlauben. Derselbe Rahmen kann bei Objekten mit unterschiedlichen Accessoires, Rechten, Herkunftsgeschichten oder visuellen Kombinationen vorkommen. Diese Unterschiede können einen Teil einer beobachteten Preislücke erklären.
Beginnen Sie mit einer eng gefassten Menge und dokumentieren Sie die Einbeziehungsregel, bevor Sie untersuchen, welche Auswahl den größten Aufschlag erzeugt. Beziehen Sie abgeschlossene Verkäufe innerhalb eines definierten Zeitraums ein, unterscheiden Sie Einzel- von Bündeltransaktionen und bewahren Sie die tatsächliche Zahlungswährung. Ein Verkaufsangebot, das nie verkauft wurde, belegt die Forderung eines Verkäufers statt einer abgeschlossenen Preisvereinbarung.
Angenommen, fünf einigermaßen vergleichbare Objekte mit mondbeschienenem Rahmen wurden zu 0,18, 0,19, 0,21, 0,22 und 0,24 ETH verkauft. Ihr Median beträgt 0,21 ETH und ihr arithmetisches Mittel 0,208 ETH. Diese Zusammenfassungen beschreiben die ausgewählte Stichprobe. Die Spannweite bleibt wichtig, weil der nächste Käufer das betrachtete Objekt möglicherweise nicht so hoch bewertet, wie es der höchste beobachtete Verkaufspreis nahelegt.
Angenommen, fünf Vergleichsobjekte mit gewöhnlichem Rahmen haben im selben Zeitraum einen Median von 0,14 ETH. Die Differenz der Mediane beträgt 0,07 ETH oder 50 % von 0,14. Dies als beobachteten Stichprobenaufschlag zu bezeichnen, ist angemessen. Es als garantierten Aufschlag jedes mondbeschienenen Objekts zu bezeichnen, ignoriert Stichprobengröße, Objektunterschiede, Ausführung und zukünftige Nachfrage.
Eine NFT-Handelsstrategie nach Seltenheit mit vergleichbaren Verkäufen
Eine NFT-Handelsstrategie nach Seltenheit mit vergleichbaren Verkäufen funktioniert am besten, wenn in der Untersuchung auch Belege zu erfolglosen Verkaufsversuchen sichtbar bleiben. Die analysierende Person sollte auch Aufzeichnungen über angebotene, aber nicht verkaufte Objekte aufbewahren, sofern sich dieser Verlauf feststellen lässt. Abgeschlossene Verkäufe allein zeigen akzeptierte Transaktionen; sie zeigen nicht, wie viele Verkäufer ohne Käufer warteten.
Stellen Sie sich vor, im Untersuchungszeitraum wurden zwanzig mondbeschienene Objekte angeboten, aber nur fünf Verkäufe abgeschlossen. Die fünf Transaktionen können helfen, Preise unter der Bedingung eines Verkaufs zu schätzen, während die fünfzehn ungeklärten Fälle eine getrennte Frage nach Verkaufswahrscheinlichkeit und Wartezeit aufwerfen. Wer die beobachteten Verkaufspreise als für jeden Verkäufer gleichermaßen verfügbar behandelt, verwirft diese zweite Frage.
Die Auswahlregel sollte außerdem über die Ergebnisse hinweg stabil bleiben. Einen niedrigen Verkauf auszuschließen, weil er sich untypisch anfühlt, während ein hoher Verkauf mit ebenso schwachem Kontext erhalten bleibt, verzerrt die Aufschlagsschätzung. Wird eine Beobachtung entfernt, dokumentieren Sie einen Grund, der mit den Transaktions- oder Vermögenswerteigenschaften zusammenhängt, statt damit, ob ihr Preis die gewünschte Schlussfolgerung stützt.
Eine nützliche Sensitivitätsprüfung berechnet die Zusammenfassung mit und ohne einen unsicheren Datensatz erneut. Verändert ein einzelner Verkauf die Schlussfolgerung von unattraktiv zu attraktiv, hängt die Entscheidung stark von diesem Datensatz ab. Die angemessene Reaktion ist, seine Bedeutung zu untersuchen oder die Sicherheit der Einschätzung zu verringern, nicht die Abhängigkeit hinter einem einzigen präzisen Aufschlagsprozentsatz zu verbergen.
Die Käuferseite des Merkmalsmarktes prüfen
Jüngste Verkäufe belegen, dass einige Käufer in der Vergangenheit bestimmte Preise zahlten. Aktuelle zulässige Kaufangebote liefern andere Belege dafür, was jetzt ausführbar sein könnte. Vergleichen Sie die Zulässigkeit des vorgeschlagenen Objekts, die Angebotswährung, den Ablaufzeitpunkt, die Menge und die Deckungsbedingungen, bevor Sie ein angezeigtes Kaufangebot als nutzbaren Ausstieg behandeln.
Ein Kollektionskaufangebot kann eine breite Objektmenge akzeptieren, ohne für das besondere Merkmal des Kandidaten zu zahlen. Ein Merkmalskaufangebot kann enger gefasst sein, doch die Zulässigkeitsregeln bleiben relevant. Ein Objekt mit einem seltenen Rahmen erfüllt nicht zwangsläufig ein Angebot für eine andere Merkmalskombination, selbst wenn die hervorgehobene Bezeichnung ähnlich erscheint.
Angenommen, der Kandidat wird zu 0,16 ETH angeboten, während ein sichtbares zulässiges Kaufangebot nur 0,145 ETH beträgt. Frühere vergleichbare Verkäufe um 0,21 ETH können weitere Untersuchungen stützen, doch das aktuelle Kaufangebot bietet keinen unmittelbaren Bruttogewinn. Eine Weiterverkaufsthese muss erklären, weshalb ein Käufer erscheinen könnte, der einen höheren Preis zahlt und wie lange das Konto warten kann.
Auch die Käuferzahl ist relevant. Mehrere angezeigte Kaufangebote können aus derselben Finanzierungsquelle stammen oder um einen einzigen vorgesehenen Kauf konkurrieren. Interpretieren Sie nicht jedes Kaufangebot ohne Belege als unabhängige Nachfrage. Ein enges Merkmalssegment kann auf dem Bildschirm aktiv aussehen und zugleich von einem einzigen Sammler abhängen, dessen Rückzug den verfügbaren Ausstieg wesentlich verändert.
Den gesamten Trade berechnen, bevor Sie ihn günstig nennen
Betrachten Sie einen hypothetischen Kauf zu 0,16 ETH mit 0,008 ETH kaufbezogenen Netzwerkkosten. Die gesamten Anschaffungskosten betragen 0,168 ETH. Nehmen Sie an, dass bei einem späteren Verkauf insgesamt ein beispielhafter prozentualer Abzug von 4 % des Bruttopreises sowie feste Ausstiegskosten von weiteren 0,004 ETH anfallen. Dies sind erfundene Annahmen, keine aktuellen OpenSea-Sätze.
Wird das Objekt zu 0,22 ETH verkauft, beträgt der prozentuale Abzug 0,0088 ETH. Nach diesem Abzug und dem festen Ausstiegsaufwand bleiben Nettoerlöse von 0,2072 ETH. Nach Abzug der Anschaffungskosten von 0,168 verbleibt ein Gewinn von 0,0392 ETH. Die Differenz von 0,06 zwischen Kauf- und Verkaufspreis überzeichnet deshalb den tatsächlich modellierten Gewinn.
Der Bruttoverkaufspreis für die Gewinnschwelle löst die Gleichung 0,96 mal Verkaufspreis minus 0,004 gleich 0,168. Das Ergebnis beträgt ungefähr 0,17917 ETH. Ein Verkauf oberhalb des ursprünglichen Kaufpreises von 0,16 kann dennoch Geld verlieren, wenn er unter diesen Annahmen unterhalb dieser Schwelle liegt, die sämtliche genannten Kosten berücksichtigt.
Der Leitfaden dazu, wie Sie NFTs auf OpenSea snipen, verbindet Preisvergleiche mit einem begrenzten Kaufablauf. Bei einer Seltenheitsthese sollte die festgelegte Grenze für die Gesamtkosten auch in diesem Kaufablauf gelten. Ein schneller Kauf zu einem oberflächlich niedrigen Preis repariert kein Weiterverkaufsmodell, das Ausgaben ausgelassen hat.
Weiterempfehlen und USDC verdienen
Weiterempfehlen und USDC verdienenUnser Partnerprogramm zahlt in Echtzeit.
Den Verlust und das unverkaufte Objekt einbeziehen
Wenden Sie dieselben hypothetischen Gebührenannahmen auf das aktuelle Kaufangebot von 0,145 ETH an. Die Nettoerlöse würden 0,145 mal 0,96 minus 0,004 oder 0,1352 ETH betragen. Gegenüber den Anschaffungskosten von 0,168 entspricht das einem Verlust von 0,0328 ETH. Dies ist das relevante Szenario eines sofortigen Ausstiegs, sofern das Kaufangebot für das Objekt tatsächlich zulässig und ausführbar ist.
Ein unverkauftes Objekt ist ein dritter Fall. Es erzeugt nicht die geplanten Verkaufserlöse von 0,22, nur weil ein Verkaufsangebot diesen Preis verlangt. Das Konto besitzt weiterhin einen Vermögenswert, dessen zukünftiger Ausstieg unsicher ist. Ein geschätzter Wert kann helfen, das Marktengagement zu verfolgen. Er sollte jedoch von tatsächlich realisierten Geldmitteln und von der Behauptung eines bereits erzielten Gewinns getrennt bleiben.
Auch die Zeit kann den Vergleich verändern. Während das Objekt wartet, kann die allgemeine Nachfrage nach der Kollektion nachlassen, können neue Verkäufer konkurrieren oder kann sich die Beliebtheit des Merkmals verschieben. Die Analyse sollte den vorgesehenen Überprüfungshorizont und die Bedingungen angeben, die zum Halten, zur Preisänderung, zum Akzeptieren eines Verlusts oder zur Ablehnung des ursprünglichen Kaufs führen würden.
Wählen Sie Wahrscheinlichkeiten für diese Fälle nicht bloß so, dass der Erwartungswert positiv wird. Werden Szenariowahrscheinlichkeiten verwendet, erklären Sie ihre Beleggrundlage und testen Sie eine Bandbreite. In einem dünnen Markt kann die Unsicherheit über die Verkaufswahrscheinlichkeit größer sein als der scheinbare Unterschied zwischen einem vielversprechenden und einem unattraktiven Kaufpreis.
Prüfen, ob die Merkmalskombination einen Mehrwert schafft
Ein seltenes Merkmal kann mit anderen Eigenschaften zusammenwirken, statt isoliert einen festen Aufschlag zu erzielen. Sammler können eine stimmige Farbkombination oder ein erkennbares visuelles Thema bevorzugen. Umgekehrt schafft die Kombination zweier einzeln knapper Merkmale möglicherweise nicht den doppelten Aufschlag, wenn nur wenige Käufer das resultierende Aussehen wünschen.
Prüfen Sie vergleichbare Kombinationen, sofern genügend Daten vorliegen. Ist dies nicht der Fall, benennen Sie die Einschränkung, statt einzelne Aufschläge zu multiplizieren. Einen Rahmenaufschlag von 30 % und einen Accessoireaufschlag von 20 % zu addieren, setzt eine wirtschaftliche Beziehung voraus, die die Beobachtungen möglicherweise nicht stützen. Sowohl Merkmalsfrequenzen als auch Käuferpräferenzen können voneinander abhängen.
Angenommen, ein Kandidat besitzt sowohl den mondbeschienenen Rahmen als auch einen besonderen Kompass. Teilen alle jüngsten teuren Vergleichsobjekte beide Merkmale, kann die analysierende Person ihren Preis nicht mit hoher Sicherheit vollständig dem Rahmen zuschreiben. Ein anderes Objekt nur mit dem Rahmen ist möglicherweise weniger vergleichbar, als sein Rang nahelegt. Die Untersuchung sollte dieses Merkmal als möglichen Störfaktor festhalten.
Dies ist ein nützlicher Grund, Bilder und genaue Merkmalsdatensätze neben Preisdaten aufzubewahren. Numerische Filter können Kandidaten erkennen, doch eine menschliche Prüfung kann zeigen, dass die gewählte Vergleichsgruppe optisch unterschiedliche Kategorien zusammenfasst. Ziel ist, dieses Urteil ausdrücklich und reproduzierbar zu machen, statt vorzugeben, es ließe sich immer beseitigen.
Eine NFT-Handelsstrategie nach Seltenheit vor der Enthüllung
Eine NFT-Handelsstrategie nach Seltenheit steht vor der Enthüllung vor einem anderen Informationsproblem. Der Käufer kennt möglicherweise die Kollektion und die Zuteilungsregeln, ohne die endgültigen Merkmale des konkreten Objekts zu kennen. Ein Platzhalterbild oder vorläufige Metadaten sollten nicht als Beweis für die spätere Merkmalsverteilung oder den endgültigen Rang des Objekts behandelt werden.
Untersuchen Sie den veröffentlichten Enthüllungsprozess und was veränderbar bleibt. Die aktuelle OpenSea-Anleitung zur Seltenheit weist darauf hin, dass Metadatenänderungen Ranglisten verändern können. Die relevante Lehre ist, die bei der Entscheidung verwendete Metadatenversion zu bewahren und eine Bewertung vor der Enthüllung nicht als stabile Eigenschaft darzustellen, wenn die endgültigen Informationen noch nicht verfügbar sind.
Ein vor der Enthüllung gezahlter Preis kann Erwartungen über mehrere mögliche Ergebnisse widerspiegeln. Nach der Enthüllung können gewöhnliche und begehrte Objekte unterschiedlich gehandelt werden. Der Käufer, der ein gewöhnliches Objekt erhält, kann nicht rückwirkend den Verkauf des seltensten Objekts der Kollektion als angemessenen Bewertungsmaßstab verwenden. Der tatsächlich enthüllte Vermögenswert bestimmt die relevante Vergleichsmenge.
Die Teilnahme sollte innerhalb der Zuteilungs- und Mint-Regeln der Kollektion bleiben. Die Automatisierung von Beobachtung oder Aufzeichnungen rechtfertigt weder die Umgehung von Grenzen noch den Zugriff auf nicht autorisierte Informationen. Eine Untersuchungsstrategie sollte mit Informationen und Zugängen bewertet werden, die dem vorgesehenen Teilnehmer zum jeweiligen Zeitpunkt rechtmäßig zur Verfügung standen.
Metadatenänderungen als neue Beobachtung behandeln
Selbst nach einer Enthüllung können sich Metadaten und Darstellung in einer für die Seltenheitsanalyse relevanten Weise ändern. Welche Möglichkeiten genau bestehen, hängt vom Vermögenswert und seinen Kontrollmechanismen ab. Eine analysierende Person sollte prüfen, was dokumentiert ist, statt entweder anzunehmen, alles sei dauerhaft, oder jeder Ersteller könne jede Eigenschaft frei verändern.
Halten Sie die Objektkennung stabil und erfassen Sie zugleich die verwendete Metadatenmomentaufnahme, Kollektionsgrundgesamtheit und Rangmethode. Ändert sich ein Merkmalswert, vergleichen Sie den neuen Zustand mit dem früheren Datensatz. Ein Rangwechsel von einer Zahl zu einer anderen kann aus einer Datenrevision statt aus einer neuen Transaktion oder einer Veränderung der Sammlernachfrage entstehen.
Die operative Folge sollte klar sein. Ein veralteter Merkmalsdatensatz kann dazu führen, dass ein Scanner ein Objekt vorschlägt, das die These nicht mehr erfüllt. Auch eine ausstehende Order kann von Zulässigkeitsbedingungen abhängen, die erneut geprüft werden müssen. Untersuchungssysteme sollten die Änderung sichtbar machen, statt den alten Wert stillschweigend zu ersetzen und die ursprüngliche Begründung unerklärt zu lassen.
Der Leitfaden zu einem NFT-Sniper-Bot untersucht die automatisierte Kandidatenauswahl. Eine Seltenheitseingabe gehört als datierter Beleg in diesen Prozess. Ihre Anwesenheit sollte der Software nicht erlauben, Prüfungen der Identität, der Ordergültigkeit, der Kosten oder der Marktengagements des Kontos zu umgehen, nur weil ein Rang ungewöhnlich günstig erscheint.
Geschwindigkeit von der Qualität der Schätzung unterscheiden
Ein Kandidat kann verschwinden, bevor ein langsamer Käufer seine Untersuchung abschließt, doch schnelleres Handeln kann auch einen fehlerhaften Vergleich verstärken. Die Strategie sollte festlegen, welche Tatsachen vor der Autorisierung eines Kaufs bekannt sein müssen. Geschwindigkeit ist erst dann nützlich, wenn das Objekt und die wirtschaftlichen Annahmen für das vorgesehene Risiko ausreichend klar sind.
Beispielsweise kann der Prozess ein aktuelles zulässiges Verkaufsangebot, eine verifizierte Metadatenmomentaufnahme, eine Mindeststichprobe vergleichbarer Verkäufe und eine Gesamtkostenobergrenze verlangen. Fehlt eines davon, kann das System eine Meldung erfassen, ohne eine Transaktion einzureichen. Dies bewahrt die Möglichkeit einer Prüfung, ohne vorzugeben, jede erkannte Abweichung rechtfertige es, sofort Geld auszugeben.
Netzwerkkosten gehören in diese Entscheidung. Der ergänzende Leitfaden zu einem NFT-Gas-Sniper-Bot erklärt, weshalb Transaktionsbedingungen die Wirtschaftlichkeit des Erwerbs beeinflussen. Eine höhere Netzwerkgebühr kann einen kleinen vorgeschlagenen Merkmalsaufschlag aufzehren, während eine niedrige Gebühr nicht beweist, dass die Nachfrage beim Weiterverkauf aufgrund des Merkmals tatsächlich besteht.
Die Strategie sollte abgelehnte Kandidaten ebenso wie Käufe messen. Scheitern die meisten attraktiv erscheinenden Ränge an Prüfungen vergleichbarer Verkäufe oder des Ausstiegs, ist das ein nützlicher Beleg zur Filtermethode. Wer nur erfolgreiche Erwerbe zählt, verbirgt den Umfang an Unsicherheit und erfolgloser Untersuchung, der nötig war, um sie zu finden.
Die Strategie über vollständige Entscheidungen hinweg bewerten
Eine Leistungsbewertung sollte die ursprüngliche Merkmalsthese, den Angebotspreis, die Anschaffungskosten, die Haltedauer und den endgültigen Verbleib jedes gekauften Objekts bewahren. Beziehen Sie noch unverkaufte Objekte, gegebenenfalls Kosten gescheiterter Erwerbsversuche und Fälle ein, in denen sich die Interpretation nach dem Auftreten neuer Metadaten änderte. Diese Aufzeichnungen beschreiben die tatsächlich betriebene Strategie.
Vergleichen Sie die Seltenheitsmethode mit einer relevanten Alternative anhand von Informationen, die zur selben Zeit verfügbar waren. Die Frage könnte lauten, ob die Merkmalsauswahl nach Kosten und Wartezeit die Ergebnisse gegenüber ähnlich bepreisten gewöhnlichen Objekten verbesserte. Einige hohe Verkäufe reichen nicht aus, wenn die Strategie auch viele Objekte anhäufte, die keine Käufer fanden.
Behandeln Sie miteinander verbundene Objekte nicht als vollständig unabhängige Belege. Käufe aus einer Kollektion während desselben Begeisterungsschubs unterliegen denselben Marktbedingungen. Eine große Transaktionszahl kann weiterhin eine eng begrenzte Erfahrung darstellen. Berichten Sie die tatsächlich untersuchte Bandbreite an Kollektionen, Zeiträumen und Merkmalssegmenten, bevor Sie das Ergebnis verallgemeinern.
Eine NFT-Handelsstrategie nach Seltenheit wird nützlich, wenn sie eine Knappheitsbeobachtung in eine sorgfältig begrenzte Markthypothese verwandelt. Der stärkste Datensatz erklärt, weshalb ein Käufer einen Aufschlag zahlen könnte, was der gesamte Trade kostet, wie die These scheitern kann und was tatsächlich geschah. Ein Rang kann diese Untersuchung beginnen; abschließen kann er sie nicht.