NFT sales characteristics and price prediction by transfer learning visual attributes

Nitelikli Fikri Tapu'lar (NFT'ler); temel olarak resimler, sanat eserleri, hareketli görseller ve mizahi tasarımlar gibi görselleştirilebilecek herhangi bir nesneyi temsil eden, mülkiyeti blok zinciri üzerinde tanımlanmış dijital varlıklardır. Genellikle Ethereum gibi kripto para birimleri ile çevrimiçi alınıp satılabilirler. NFT'lere ve ticaretine olan ilginin artışı, NFT'leri alternatif bir yatırım aracı haline getirmektedir. Ancak mevcut araştırma ve çalışmalar genellikle NFT'lerin teknik yönlerine odaklanmıştır ve fiyat tahminine yönelik çalışmalar sınırlı kalmıştır. NFT piyasasının karmaşık yapısı, spekülasyon ve manipülasyona açık olması, likidite eksikliği, nadirlik, öznellik ve volatilite gibi faktörler fiyat tahminini oldukça zor hale getirmektedir. Bu bağlamda, analiz ve tahminler için makine öğrenimi güçlü bir çözüm sunmaktadır. Bu çalışmada iki tahmin problemine odaklanılmıştır: NFT'lerin satış fiyatı ve ikincil satış olasılığı. Önceden eğitilmiş derin öğrenme algoritmaları kullanılarak NFT'lerin görsel özellikleri analiz edilmiş, bu görsel bilgi ile satış geçmişi, tüccar davranışı ve ikincil satışların fiyat üzerindeki etkisi de analiz ve öğrenme sürecine dahil edilmiş ve bu özelliklerin güvenilirlikleri değerlendirilmiştir. NFT'leri sanat, koleksiyon, oyun, metaverse, işlevsellik ve diğer olmak üzere 6 kategoriye ayırarak makine öğrenimi algoritmalarıyla satışlar modellenmiş ve bu problemlere cevap aranmıştır. Denemeler sonucunda, görsel özelliklerin tahmin performansını tüm durumlarda artırdığı, optimum performansı gösteren modelin ise problem tipine göre değiştiği görülmüştür. Genel olarak, öğrenme algoritmalarının hiçbiri tüm kategorilerde sürekli olarak diğerlerinden daha iyi performans gösterememiştir. Kodlarımız, https://github.com/seferlab/deep_nft adresinde herkese açık olarak sunulmuştur.