Сказ про ликвидность в NFT

Примечание: Эту прекрасную статейку написал Chief Meme Officer. Мы не тронули ни запятой, ни картиночки, чтобы не испоганить мысль автора. Приятного чтения и подпишись на канал автора - вот тут подпишись

Сегодня обсудим проблему - решение ликвидности в NFT в которую лично я верю и смотрю в оба глаза! Lesgoh!

NFT был выбран словарем Collins Dictionary в качестве слова года на 2021 год. Некоторые компании, такие как Visa, оценили рыночную стоимость NFT примерно в 100 миллиардов долларов. Количество продаж увеличилось на 1836% по сравнению с 2020 годом. Рост объема торгов увеличился на 21 350% Ясно то, что NFT удалось привлечь всеобщее внимание. Но из за быстрого роста джипеги столкнулись с проблемой....

Проблема быстрого роста

Год назад минимальная цена BAYC на минте составляла 0,08 ETH, а на момент этого поста составляет 119 ETH.

Если смотреть по ончейн анализу кошельков то мы получим следующие факты.

- 10 000 BAYC хранятся на 6441 кошельках.

- Более 60% лежат на кошельках более 3 месяцев, а оставшиеся 40% более 6 месяцев.

- 75% кошельков владельцев BAYC средний баланс менее 10% в ETH от цены флора BAYC

Из этого мы можем сделать следующие выводы:

- Владельцы BAYC не зажиточные бояре.

- Владельцы BAYC не могут продать или не продают своих обезьян из за нехватки ликвидности или лояльности к коллекции.

Привлечение ликвидности к неликвиду

Из-за темпов роста NFT сектора, которые мы видели в прошлом году, NFT можно считать безполезным гигантом. NFT Пространство быстро накапливает стоимость, но с точки зрения эффективности капитала сильно ограничен неликвидностью.

Отмотаем историю и посмотрим на DeFi.

Было время, когда считалось невозможно брать займы под ETH. Но через какое то время денежные лего AAVE и Compound изменили правила игры и позволили создать новый уровень утилити для активов. Это послужило катализатором TVL и роста во всем DeFi пространстве.

Поскольку большинство NFT не имеют никакой полезности и являются в основном культурными и/или спекулятивными активами, использование NFT в качестве залога для получения доступа к временной ликвидности кажется отличным вариантом и новым витком для апсайда NFT сектора.

На данный момент существует два разных подхода к NFT кредитованию:

P2P - модель основана на том, что заемщики депонируют своих NFT активы и платят комиссионные поставщикам ликвидности, а поставщики ликвидности дают ликвидность в замен на нелеквидный NFT залог. (Протокол: NFTfi)

B2P - Протоколы, которые готовы сами предоставлять ликвидность NFT холдерам. С одной стороны, владелец NFT может погасить свой кредит плюс комиссию, чтобы вернуть свой NFT. С другой стороны, если владелец не сможет погасить долг, протокол ликвидирует залоговый актив пользователя и зафиксирует прибыль. (Проекты: Jpegd, Upshot, OpenSky, Drops, Unlockd, Gradient)

Оракл являются ключом

Основная причина, по которой продукты NFT кредитования еще не запущены, это сложность оценки NFT актива. Из-за дефицита, а так же неликвидности, NFT сектор упустил механизм, такой как AMM. Одним из немногих протоколов, которые пытаются это сделать является NFTX. Несмотря на интересную механику, протокол так и не может получить достаточно ликвидности.

Примечание: FloorDAO, Sudoswap так же работают в этом направлении.

Справедливое ценаобразование

Флор оракл: оценка по минимальной цене коллекции (самая низкая цена, по которой коллекция продается в данный момент времени), теоретически это гарантирует что лендинг протокол не будет выдавать кредиты выше, чем на рынке.

Флор+рарити оракл: все то же самое что и в первом варианте + добавляется оценка редкости каждого определенного Джипега. Поскольку каждая коллекция уникальна и имеет уникальные атрибуты, учет этой информации при оценке значительно усложняет модели ценообразования. Из-за этого проекты, такие как JPEG'd или DropsDAO, будут создавать собственные модели оценки для каждой коллекции а после включать в вайтлист.

Машинное обучение: необходимость разработки пользовательских моделей оценки для каждой коллекции NFT и учета ее атрибутов требует много времени и не масштабируется (JPEG'd или DropsDAO). Из-за этого такие протоколы, как UpShot, разработали модели машинного обучения, которые учитывают всю доступную информацию чтобы предсказать справедливую оценку.