NFT:探索NFT原生的解决方案:NFT MEV的基础设施和机会

作者:Alana Levin,Variant

编译:深潮 TechFlow

NFT 市场结构与 FT 市场结构大不相同。在 NFT 市场中,资本形成事件(铸造)更为频繁,二级交易量较低,出价流动性方面存在挑战,并且存在许多链下订单簿。

由于这些差异,NFT MEV 也不同。特别是,套利机会较少,而在铸造过程中提取的 MEV 更多。我们还确定了几种 NFT 市场独特的 MEV 形式:将地板价扫描并重新列入竞价墙(人为地创建套利高交易量),特征狙击,以及从非活跃列表中提取。

将 DeFi 市场视为更成熟的市场,并将其用作 NFT 可能前进的代理。这有助于阐明今天存在的差距和可解决这些挑战的基础设施领域。这些机会包括 MEV 感知的铸币解决方案、更开放的定价数据、动态的链上订单簿、尝试新的拍卖样式以及为交易者提供额外的沟通渠道。

目前,围绕 NFT 的价值流通通常发生在初始铸造时,在二级市场上交易或借出时。这两种价值流通都可能存在 MEV,即在链上交易时从用户中提取的经济效率低下的成本。如何处理这些 MEV 可能会影响市场活动的商业模式和受益者——从交易者到市场、钱包和创作者。

然而,在 NFT 领域中,MEV 似乎是一个鲜为人知的话题。我认为,这是因为 NFT 市场的结构与 DeFi 大不相同。重要的是,这些基本差异——包括更多的一级活动、较小的代币供应量以及较少的二级流动性——影响了价值的流动。

本文将试图阐述 NFT 市场中的一些新兴 MEV 机会,不断变化的市场动态如何影响这些机会以及可以考虑这些因素建立的基础设施。

币安首席执行官:币安美国正在探索收购其他不良资产:金色财经报道,币安首席执行官表示,币安美国正在探索收购其他不良资产。(金十)[2022/12/20 21:55:13]

了解 NFT 市场当前的结构是识别 MEV 如何在市场中表现的有用基础。该过程始于用户铸造 NFT,我将其称为资本形成事件,类比于同质化代币的空投或发布(通过在链上创建新资产)。然而,同质化和非同质化市场之间的差异至少有三个方面:

在非同质化市场中,资本形成事件更为频繁。这是因为在非同质化市场中,铸造一个新的 NFT 通常被视为创造一个新的艺术品或收藏品,而这些都具有独特性和稀缺性。因此,创作者和收藏家倾向于创造和获取尽可能多的 NFT 作品。

对于非同质化市场,铸造次序可能很重要,因为铸造序列号可以代表着一种金融价值,如珍稀属性或身份符号。

非同质化收藏品的供应量通常要小得多。一个收藏可能只铸造了 1 万个 NFT,而同质化代币通常会推出 10 亿个或更多个供应量。这可能会影响二级市场上的流动性。

当用户决定不再拥有他们的 NFT 时,他们可以在市场(如 OpenSea、Blur、Reservoir 支持的许多市场)中出售。这些订单通常会被列入链下订单簿,在那里等待直到订单被履行或取消。对于这些链下订单簿,实际的链上活动有几个触点:第一次列出订单(即设置列出批准),取消订单和履行订单。更改列表价格需要卖方签名,但不需要额外的 Gas 费用。还有一些直接在链上运行的订单簿,例如 Zora 和 Sudoswap。

普华永道香港与元宇宙技术公司TerraZero达成合作,拟探索元宇宙产品和服务:10月1日消息,据报道,普华永道香港(PwC Hong Kong)宣布与元宇宙技术公司 TerraZero Technologies Inc. 签署合作协议拟提供元宇宙产品和服务。

普华永道将探索 B2B、B2G 和 B2C 应用程序的公共元宇宙体验,并且构建元宇宙私有托管服务,为品牌商提供企业级安全、隐私和安全功能,以便在元宇宙中基于信任方式与客户互动和交易。(美通社)[2022/10/2 18:37:13]

除了一级市场和二级交易之外,值得注意的是,还有一个新兴的 NFT 实用性市场。链上实用性可能涉及质押 NFT 以获取奖励、委派参与即将到来的空投、在使用其作为游戏资产时销毁(摧毁)NFT 等等。但是要将“新兴”放在适当的背景下:2 月,一级和二级市场交易量接近 20 亿美元,而 NFT 借贷市场的借款量只有几亿美元。除借贷之外的其他实用性市场更加不成熟。因此,铸造和交易将继续是本文的重点。

我将 MEV 定义为市场内的任何形式的低效率,导致交易发起者(用户、钱包、应用程序)向堆栈下方(搜索器、区块构建者、验证器)泄漏价值。这是一个宽泛的定义,但在考虑不同的价值捕获和/或价值再分配机会时,宽泛是有帮助的。常见的 MEV 形式包括套利、三明治攻击、清算。

套利和夹击通常需要高交易量和深度流动性,因为价差往往很小,套利者希望快速进出其头寸。NFT 市场通常没有这些条件。此外,市场上存在流动性挑战:通常情况下,每个列表的另一侧都没有准备好的买家。这意味着即使有人发现了套利机会,退出(即重新列出并销售)也可能有风险。

Rainmaker Games 宣布推出首个区块链游戏探索平台:金色财经报道,?Rainmaker Games表示,在CoinFund 支持的12 月融资 650 万美元后,Rainmaker Games 将迅速推出首个区块链视频游戏探索平台。平台上的每项运动都由 50 名游戏玩家和分析师进行评级和审查,提供全新业务所缺乏的急需游戏信息。Rainmaker 的 beta 平台包含 150 多个区块链视频游戏、专业评论、技术细节、收入潜力统计、视频内容等。(cryptonewsbtc)[2022/4/20 14:34:50]

一些 NFT 原生的套利形式,以及与之相关的风险,如下所示:

扫描并重新列出地板价以获取更高的价格。许多交易员声称可以赚取利润,利用可能位于地板价之上的投标墙。在这种情况下,交易员几乎是人为创造套利所需的高交易量。这种类型的套利所涉及的主要风险包括高资本成本和库存要求。

找到尚未被视为相似需求的巧合。例如,某人以 1 ETH 的价格列出了他们的 CryptoPunk 红色/蓝色眼镜,而其他人则为任何带有红色/蓝色眼镜的 CryptoPunk 出价 2 ETH。搜索器可以介入,调用 Seaport 的 MATCH 功能来满足这两个订单,并将差额作为小费(奖励)获得。这对我来说是一种低风险的套利机会,虽然不太频繁。在这里,未执行是搜索者面临的主要风险。

Trait sniping 是 NFT“非同质化”组件中独特的一种套利形式。如果某人看到一个带有特定特征的 NFT 正在以 X 的价格交易,但知道其他具有相同特征的 NFT 交易价格为 X+Y,则可以购买并重新列出更高价值。如果搜索者支付大量 gas 以确保他们的投标被优先处理,就会实现 MEV。在这种情况下,搜索者面临退出风险:可能没有一个等待在其列表的另一侧的投标。因此,搜索者必须承担在未知期间内持有库存的风险,并接受特征价格长期波动的风险。

声音 | 易见股份:对区块链处于初级探索阶段,易见区块3.0已推出:金色财经报道,易见股份(600093.SH)证券部相关人士表示,公司这边主要有易见区块、可信数据池和可信仓库相关的应用和技术。公司对于区块链也是处于初级探索阶段。目前对区块链的投入还不太了解,要到年底结算了才知道,区块链也是一种新技术,整个行业也处于初级探索的阶段,这是整个行业趋势。上述人士表示,易见股份也在11月推出易见区块3.0,这属于公司最新成果,公司主营业务还是供应链和保理,区块链则是归于信息服务领域,占比还是比较小,公司的方向还是金融科技。[2019/12/31]

目前,在 NFT 市场中似乎没有太多的三明治攻击。这部分原因是,大多数 NFT 在可用供应量变化时不会动态重新定价。

在同质化市场上,大订单会影响市场。对于 NFT 来说,购买 10%的地板价 NFT 并不会直接改变其他地板价 NFT 的定价。

NFT 通常是单独定价的,而不是聚合定价。值得注意的是,一些动态定价基础设施(如 NFT 自动化市场制造商“Uniswap for NFTs” Sudoswap)正在出现。Sudoswap 通过确保至少存在一些针对池化 NFT 的投标来解决 NFT 的流动性问题。权衡之处是,动态的、自动化的定价也扩展了三明治攻击的面积。

在借贷市场中存在另一种常见的 MEV 形式,称为“清算 MEV”-搜索者通过第一个发现并获取清算费而获利。越来越多的借贷交易正在链上构建(例如,在 Seaport 这样的协议上直接居住清算引擎),具有不断下降的价格拍卖机制,当价格越过储备抵押品价格时,就会触发清算。我想会有一群搜索者专门致力于操纵地板价/某些 NFT 抵押品价格,以便他们可以预先或控制 NFT 何时被清算。

动态 | 青岛正推动试点探索区块链政务应用:据悉,青岛相关部门正在推动试点探索区块链政务应用,通过政务“上链”实现各职能部门的数据互享互用提高办事效率,从而让百姓“少跑腿”,同时利用区块链技术建立信用和资料档案信用社会提供依据。下一步,在鼓励企业继续加强区块链理论研究和底层技术的突破创新的同时,青岛还将围绕政用、民用和商务领域的重大需求和主要痛点,推动区块链技术在政府管理、民生项目、跨境贸易、金融投资、企业信息化管理等行业开展先试先行,努力建设立足青岛、面向全国的区块链产业应用高地。(青岛全搜索)[2019/12/9]

可能包括:

在铸造过程中拥堵。热门的铸币可以导致用户支付数百万美元的 Gas 费用:这是 NFT 项目创造的价值,但最终被验证器提取。

在铸造过程中使用机器人。搜索者可以在 mempool 中发现第一个铸币交易,检查将要铸造的代币供应量,并预先竞标部分或全部剩余的铸币。

意外留下未交易的订单(通常称为非活跃列表)。因为取消订单会产生费用,有时用户会简单地将 NFT 转移到新钱包以结束订单。棘手的是,这在技术上保留了原始的订单——如果该人将 NFT 重新转移回原始钱包,则该订单将重新出现。到那时,地板价可能已经上涨到原始挂单以上,明智的第三方可以抢占低估价值的 NFT。MEV 是由于搜索者可能通过高 gas 费贿赂验证器,以确保其对该列表的投标得到优先考虑而产生的。

与 NFT 租赁相关的套利。我们看到趋势是将 NFT 权利/实用性从资产本身中解除束缚。换句话说,NFTs 的 AirBnb 正在出现:拥有资产(房子),但让其他人支付费用以临时使用/享受业主通常享有的利益。这种流动的委托对于与空投相关的套利尤其有用——购买大量 NFT 的权利(而不是尝试购买 NFT 本身)以期待空投需要更少的资本,限制地板价急剧上涨,并提供机会来获取空投供应的重要部分。如果我们开始看到对空投的更高资格要求(正如我们已经在同质化市场中看到的那样),那么持有这些 NFT 的人可能具有关于其NFT可索赔空投的可能规模的非对称信息。

最后,可能还有更多形式的 NFT MEV 我没有提到,包括假冒、与烧毁和赎回功能相关的低效性以及预先竞标铸造(只是其中之一)。这个列表意在具有创意和启发性,希望可以激发关于减少或抓住 NFT MEV 机会相关的想法/项目。

基于市场的当前状况以及 MEV 特别存在的领域,以下可能提供有趣的机会来构建 NFT 原生基础设施。

MEV 感知的铸造解决方案。特别是,为 NFT 构建的拍卖可以帮助项目捕获更多他们正在创造的价值:让用户竞标以获得铸币访问和顺序,可以提供一种帮助项目定价区分同时减轻高 Gas 价格的方式。如果订单本身发生在链下或预先铸造,项目可以将铸造过程分散在数天或选择其他链上活动较少的时间。

增强的定价基础设施。这可能采取各种形式——更好的数据显示特质如何定价(例如,帮助搜索者识别特质狙击机会),动态定价机制(如 Sudoswap)可帮助聚合而不是单独地定价 NFT,连续拍卖以改善价格发现,或其他一些形式。

建立基础设施以减少退出(流动性)风险。我普遍认为,NFT 定价是困难的,因此愿意出价的人比较少。议价机制可能是帮助的一种方式。如果一个用户将其 NFT 列为 2 ETH,而买家出价 1 ETH,则可能存在某个中间价格。拥有谈判渠道可以增加整体流动性,同时推进更好地了解如何定价 NFT。事实上,这一类别和上述(定价基础设施)之间可能会有显著重迭。

越来越高效的履约协议和工具。随着订单变得更加复杂(例如,卖家开始在给定订单中列出多个 NFT),越来越多活跃的交易者和/或市场制造商进入该领域,找到有效的匹配或填充订单的方式可以改善交易体验。Seaport 和 Reservoir 是这个类别中互补基础设施的很好例子:两者都有助于市场之间共享流动性,从而在偏好不同的环境下实现更有效的发现和匹配。相关地,识别需求巧合的表面积将继续增长,提供建立专门针对订单网络的部分成交的偏好感知匹配解决方案的机会。我还想象有更好的方法来迎合不同类型的交易者:专业交易者可能希望进行近乎即时的转账,但更多以零售为导向的消费者可能可以接受,当 Gas 成本较低时,在时间 X 被接受的出价在技术上完成/转移若干小时后。

展望未来,我坚信我们将看到更多围绕 NFT 的发展。目前的情况是,大多数 NFT 都是异质的,因此很难作为替代品。共享特征或地板价代币更接近于替代品,但消费者偏好仍可能有所不同。

相比之下,NFT 作为高尔夫球赛事的场地通行证——在这种情况下,异质性可能存在,因为某些特征(如日期)会造成偏好上的差异,但总体而言,它们作为近似替代品,因为消费者会在给定日子内区分门票(假设所有门票都提供同等进入活动的权利)。

随着光谱的发展,NFT开始代表从链上艺术到门票、联盟链接、IP许可证、产权证书等各种物品,我想我们会看到更多的MEV出现。

总的来说,感觉我们仍处于 NFT 的早期阶段。

我喜欢思考 NFTs,因为我认为它们是将外生资本引入加密生态系统的一种绝佳方式,并且我认为设计空间是完全开放的。但在任何市场的早期阶段,总会存在一些低效率。

我希望探索 MEV 如何在整个市场中存在——以及这种探索为构建更愉悦的用户体验提供了哪些机会——将有助于铺平更大范围的采用道路。

深潮TechFlow

个人专栏

阅读更多

金色财经 善欧巴

金色早8点

白话区块链

欧科云链

Odaily星球日报

Arcane Labs

MarsBit

BTCStudy

链得得

郑重声明: 本文版权归原作者所有, 转载文章仅为传播更多信息之目的, 如作者信息标记有误, 请第一时间联系我们修改或删除, 多谢。

地球链

火必下载CHA:ChatGPT哲学之谜

1、有人说,ChatGPT是个文科生。这么说,只因为ChatGPT是一种大型语言模型,基于自然语言处理技术,通过深度学习模型对大量文本数据进行训练,从而学习到语言的规律和语义表达.

[0:62ms0-0:799ms