2023年NFT市场增长背后的支撑力量，究竟是场内资金的内卷，还是新资本的加持？我们利用链上数据分析和地址聚类算法，揭示了这一问题的答案。
我们通过链上数据分析和地址聚类算法，研究了2023年整个NFT市场内新旧地址实体的交易量和投入资金占比，以及交易和资金增量的来源，从而揭示NFT市场的活跃度和新增动能主要来自旧玩家还是场外的新进入者。
自2022年6月底，NFT市场进入熊市，但Blur于2022年底推出Airdrop激励机制之后，NFT市场的交易量有所改善。在Blur的空投活动期间，可以看到其对于整个NFT市场交易量的贡献不断增大。
图一：NFT日交易量
Blur空投的奖励机制以及代币的成功发行，无疑是2023年NFT交易量暴涨的最大因素。但交易量暴涨的背后，整个NFT市场的真实形势到底如何；换言之，NFT的场内资金是否有实际增量，以及是否有新的资本流入市场，还是主要是旧资金的内卷？
数据：Voyager在7小时前向Coinbase、Kraken和Binance US转入320万美元SHIB:金色财经报道，据Lookonchain监测数据显示，Voyager在7个小时前向#Coinbase、#Kraken和#Binance US转入2700亿SHIB，价值约（320万美元）。现在仍然持有6.8万亿SHIB(8200万美元)。[2023/2/2 11:42:48]
我们1)探究了二季度相对于一季度，整个NFT市场新增交易量以及资金的来源；2）对比了Blur一季度和二季度空投活动期间，整个NFT市场不同地址实体的交易量以及投入资金的占比。
研究过程
1.得出各个地址的交易量数据
首先，我们选定研究的时间区间为时间段A和时间段B1；
其次，我们从buyer的角度进行交易量和资金量的研究，这是因为研究重点在于「NFT市场参与者对于NFT的投入」；
数据：市场累计赚取的COMP已突破8万枚 BAT占比最大:Dune Analytics数据显示，目前市场累计赚取的COMP已突破8万枚（87360），其中BAT占比最大，约为29866枚，DAI以23477枚紧随其后。此外，市场每日赚取的COMP略低于3000枚，自七月以来，DAI占比已经升至最大，目前约为1770枚。[2020/7/16]
再者，研究时间段内NFT市场的参与者众多，但是数据显示，贡献整个NFT市场交易量/资金量90%的Top交易量地址个数仅占全部地址个数的8%。因此，为了便于分析，我们把研究对象范围定义为「每个时间段内对于交易量/资金量合计贡献九成的Top交易量地址」，由此筛选出总共7w多个地址；
最后，我们剔除了洗盘交易2，得到各个地址的真实交易量和交易笔数。
时间段A即对应Blur一季度空投，时间段B即对应Blur二季度空投，以2月14日BLUR代币发行当天为分界线，这是因为BLUR的发行明显快速带动了NFT市场的活跃度。
市值前三平台币24小时涨跌数据:据金色财经数据显示，截至目前主流平台币种概况如下：
BNB现价17.82美元，24h上涨2.13%，24h成交额1.02亿美元；OKB现价5.00美元，24h下跌0.28%，24h成交额4615.53万美元；HT现价4.19美元，24h下跌0.2%，24h成交额2498.4万美元。[2020/7/12]
Washtrades剔除规则：buyer=seller、buyer和seller有共同EOA资金来源。
2.基于交易量和交易笔数得出投入资金情况
基于先前得到的各个地址的交易量和交易笔数，分别计算每个buyer为不同NFTcollection中的各个token_id投入的金额3；
将每个buyer所有投入金额加总，得到各个地址投入NFT的资金量。
当token_standard=erc721时，各个token_id对应同一个token，因此为每个token_id投入金额为买入该token_id支付的平均价格；当token_standard=erc1155时，各个token_id可以对应多个token，因此我们假设每个token_id投入金额为买入该token_id花费的总金额。
政策 | 前海利用区块链技术开展跨行业失信数据共享:据人民网消息，12月12日《深圳前海蛇口自贸片区信用服务综合改革若干措施》正式发布，措施称，前海将联合有关政府部门、互联网金融企业、信用服务企业、仲裁机构，探索制定数据交换的统一标准，形成相互兼容的“灰名单”机制，将“拖欠款项、履约瑕疵、不公平竞争、滥用资源、道德缺失”等不良行为纳入企业“灰名单”，利用区块链技术形成隐私保密完善、纳入过程可溯源、可动态更新的跨行业诚信数据联盟，开展跨行业不诚信个人“灰名单”共享试点。[2018/12/18]
3.基于地址聚类算法划分不同实体
基于资金关联的逻辑，把高度可能属于同一实体操控的地址划分为一个群，从而按实体的维度研究两个时间段交易量和资金量的来源。
我们规定聚类基于以下准则?：1）地址之间曾有eth或者稳定币的转移；2）两个地址之间必须互相转过账，次数为：一个方向>=3笔，另一个方向>=1笔；3）只限制在地址之间2023年的交易。
北大研究员陈永伟：区块链技术能更有效地界定和保护数据产权:北京大学市场与网络经济研究中心研究员陈永伟近日撰文表示，数据被重复使用是界定数据产权的一大难题，而区块链技术凭借其可追踪的特性，能更有效地对数据进行管理。用对、用好这些新技术，或许能让我们更为有效地界定和保护数据产权。[2018/5/5]
利用算法按照上述准则进行地址聚类，得到不同的地址群，并用s1_ind和s2_ind对地址是否在时间段A和时间段B参与过NFT交易进行标识?。其中，若地址群中至少包含一个s1_ind=1的地址，则该地址群为旧实体；若地址群中地址s1_ind均为0，则该地址群为新实体。
我们的算法可以识别钱包之间直接或间接的关联。「直接」是指两个NFT玩家之间的交互满足标准。而当多个NFT玩家曾与同一地址进行交互并且交互满足上述标准时，这些NFT玩家之间就会形成「间接」链接。
s1_ind=1且s2_ind=1说明该地址在两个时间段都参与了NFT交易；s1_ind=1且s2_ind=0说明该地址仅在时间段A参与了NFT交易；s1_ind=0且s2_ind=1说明该地址仅在时间段B参与了NFT交易。
研究结果与分析
1.数据结果?
1.1）两个时间段分别的交易量和资金量：
时间段A和时间段B的交易量和资金量
1.2）新旧地址?在时间段B的交易量和资金量：
新旧地址在时间段B的交易量和资金量
1.3）新旧实体?在时间段B的交易量和资金量：
新旧实体在时间段B的交易量和资金量
「在时间段B的交易量和资金量」分别输出地址和实体角度的数据是为了弥补地址聚类可能存在的缺陷，从而获得数据的基准。
s1_ind=1则为旧地址，s1_ind=0则为新地址。
on_ind=old则为旧实体，on_ind=new则为新实体。
2.结果分析
2.1)NFT场内资金的增长情况
时间段B的总交易量和资金量均大于时间段A的，交易量和资金量增量绝对值分别为906,857E和661,159E。交易量和资金量均呈现上升趋势，表明NFT市场总体呈增长态势。
2.2）新增资金的来源
资金量的增量小于新实体在时间段B的资金量，因此新增资金量主要来源于新实体，而至少部分旧实体投入NFT市场的资金量在萎缩。
2.3）新旧实体的交易量和资金量的占比情况
综合地址和实体角度在时间段B的交易量和资金量数据，旧实体交易量和资金量的占比大致位于55%-70%。
旧实体在时间段B的交易量和资金量占比均超五成，表明旧实体是NFT市场活跃度的主要贡献者；
但同时应当注意到，新旧实体在占比方面并未相差悬殊，因此我们认为新实体对于NFT市场的贡献力量不容忽视。
结论
通过研究NFT市场新旧实体的交易量和投入资金占比，以及交易和资金增量的来源，我们认为，旧玩家是NFT市场活跃度的主要贡献者，而场外的新进入者是NFT市场新增动能的来源。
需要注意的是，资金增量以及新玩家进场并不完全意味着NFT市场在蓬勃生长。这是由于大部分增量都聚集于Blur上，极大可能是被代币奖励而不是NFT本身的价值吸引而来。至于如何在空投过后维持NFT市场长期的繁荣，仍然是市场共同面临的一大挑战。
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。