論文の概要: Anatomy of a Digital Bubble: Lessons Learned from the NFT and Metaverse Frenzy

• arxiv url: http://arxiv.org/abs/2501.09601v1
• Date: Thu, 16 Jan 2025 15:22:26 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-01-17 15:11:08.971790
• Title: Anatomy of a Digital Bubble: Lessons Learned from the NFT and Metaverse Frenzy
• Title（参考訳）: ディジタルバブルの解剖:NFTとメタバースフレンジーから学んだ教訓
• Authors: Daisuke Kawai, Kyle Soska, Bryan Routledge, Ariel Zetlin-Jones, Nicolas Christin,
• Abstract要約: ランドパーセルをNTTコレクションとして販売する仮想世界プラットフォームであるDecentralandについて検討する。 当初、土地価格は伝統的な不動産価格モデルに従っていた。 NFTの市場価値が大幅に上昇した後、複数のパーセルの短期保有者が主要な販売ポジションを占め始めた。
• 参考スコア（独自算出の注目度）: 5.739331426052597
• License:
• Abstract: In the past few years, "metaverse" and "non-fungible tokens (NFT)" have become buzzwords, and the prices of related assets have shown speculative bubble-like behavior. In this paper, we attempt to better understand the underlying economic dynamics. To do so, we look at Decentraland, a virtual world platform where land parcels are sold as NFT collections. We find that initially, land prices followed traditional real estate pricing models -- in particular, value decreased with distance from the most desirable areas -- suggesting Decentraland behaved much like a virtual city. However, these real estate pricing models stopped applying when both the metaverse and NFTs gained increased popular attention and enthusiasm in 2021, suggesting a new driving force for the underlying asset prices. At that time, following a substantial rise in NFT market values, short-term holders of multiple parcels began to take major selling positions in the Decentraland market, which hints that, rather than building a metaverse community, early Decentraland investors preferred to cash out when land valuations became overly inflated. Our analysis also shows that while the majority of buyers are new entrants to the market (many of whom joined during the bubble), liquidity (i.e., parcels) was mostly provided by early adopters selling, which caused stark differences in monetary gains. Early adopters made money -- more than 10,000 USD on average per parcel sold -- but users who joined later typically made no profit or even incurred losses in the order of 1,000 USD per parcel. Unlike established markets such as financial and real estate markets, newly emergent digital marketplaces are mostly self-regulated. As a result, the significant financial risks we identify indicate a strong need for establishing appropriate standards of business conduct and improving user awareness.
• Abstract（参考訳）: ここ数年、"metaverse" や "non-fungible tokens (NFT)" がバズワードとなり、関連する資産の価格は投機的バブルのような振る舞いを示している。 本稿では、その基礎となる経済力学をよりよく理解しようと試みる。 そこで本研究では,NFTコレクションとしてランドパーセルが販売される仮想世界プラットフォームであるDecentralandについて検討する。 当初、地価は伝統的な不動産価格モデルに続き、特に最も望ましい地域から距離を置きながら価値が低下したことから、Decentralandは仮想都市のように振る舞ったことが示唆された。 しかし、これらの不動産価格モデルは、メタバースとNFTの双方が2021年に大衆の注目と熱意を高めて適用を中止し、基礎となる資産価格の新たな推進力が示唆された。 当時、NTTの市場価値が大幅に上昇した後、複数の小包を保有する短期的保有者がデカランド市場で大きな販売ポジションを占め始めており、これは、メタバースコミュニティを構築するのではなく、初期のデカランド投資家が土地の評価額が過大に膨らんだときに現金化を好んだことを示唆している。 我々の分析では、購入者の大多数が市場への新規参入者(多くはバブル期に加入した)である一方で、流動性(すなわちパーセル)はアーリーアダプターの売り手によって提供され、通貨の利回りに大きな差が生じたことも示している。 アーリーアダプターは、パーセル1台当たり平均1万USドル(約1万2000円)以上を稼いだが、後に加入したユーザーは、通常、パーセル1台当たり1000USドル(約1万1000円)の注文で利益も損失も出なかった。 金融市場や不動産市場のような既存の市場とは異なり、新しく誕生したデジタル市場は、主に自己規制されている。 その結果,ビジネス行動の適切な基準を確立し,利用者の意識を高めることの必要性が示唆された。

関連論文リスト

• FinBERT-BiLSTM: A Deep Learning Model for Predicting Volatile Cryptocurrency Market Prices Using Market Sentiment Dynamics [3.6423651166048874]
  本稿では,双方向長短期メモリ(Bidirectional Long Short-Term Memory, Bi-LSTM)ネットワークとFinBERTを併用して,暗号通貨の予測精度を向上させるハイブリッドモデルを提案する。 このアプローチは、先進的な時系列モデルと感情分析を組み合わせることで、不安定な金融市場の予測において重要なギャップを埋める。
  論文  参考訳（メタデータ） (2024-11-02T14:43:06Z)
• Modelling crypto markets by multi-agent reinforcement learning [0.0]
  本研究では,暗号市場を模擬したマルチエージェント強化学習(MARL)モデルを提案する。 2018年から2022年にかけて継続的に取引された暗号通貨の1日当たり終値153ドルに調整されている。
  論文  参考訳（メタデータ） (2024-02-16T16:28:58Z)
• ZeroSwap: Data-driven Optimal Market Making in DeFi [23.671367118750872]
  AMM(Automated Market Makers)は、分散金融における流動性供給と需要に合致する主要なセンターである。 本稿では,アセットの外部価格を最適に追跡する,最初の最適ベイズアルゴリズムとモデルフリーなデータ駆動アルゴリズムを提案する。
  論文  参考訳（メタデータ） (2023-10-13T21:28:19Z)
• Identifying key players in dark web marketplaces [58.720142291102135]
  この論文は、暗黒市場に関連するBitcoin取引ネットワークのキープレーヤーを特定することを目的としている。 取引量の大部分は、エリート市場参加者の小さなグループに集中していることを示す。 ダークウェブのマーケットプレースにおけるキープレーヤーの行動を理解することは、違法行為を効果的に破壊するために重要であることを示唆している。
  論文  参考訳（メタデータ） (2023-06-15T20:30:43Z)
• Joint Latent Topic Discovery and Expectation Modeling for Financial Markets [45.758436505779386]
  金融市場分析のための画期的な枠組みを提示する。 このアプローチは、投資家の期待を共同でモデル化し、潜伏する株価関係を自動的に掘り下げる最初の方法だ。 私たちのモデルは年率10%を超えるリターンを継続的に達成します。
  論文  参考訳（メタデータ） (2023-06-01T01:36:51Z)
• A Game of NFTs: Characterizing NFT Wash Trading in the Ethereum Blockchain [53.8917088220974]
  非Fungible Token(NFT)市場は2021年に爆発的に成長し、2022年1月には月間貿易額が60億ドルに達した。 ウォッシュトレーディングの可能性に関する懸念が浮かび上がっており、あるパーティがNFTを取引してそのボリュームを人為的に膨らませる市場操作の形式である。 洗濯物取引は全NFTコレクションの5.66%に影響し、総生産量は3,406,110,774ドルである。
  論文  参考訳（メタデータ） (2022-12-02T15:03:35Z)
• Regime-based Implied Stochastic Volatility Model for Crypto Option Pricing [0.0]
  既存の手法は、新興デジタルアセット(DA)の揮発性の性質に対処できない インプリッドボラティリティモデル(ISVM)による市場システム(MR)クラスタリングの最近の進歩を活用する。 ISVMは、インプリートボラティリティ(IV)データを使用することで、各感情駆動期間に投資家の期待を組み込むことができる。 MR-ISVMは,オプション価格モデルの高次特性におけるジャンプへの複雑な適応の負担を克服するために有効であることを示す。
  論文  参考訳（メタデータ） (2022-08-15T15:31:42Z)
• Bubble Prediction of Non-Fungible Tokens (NFTs): An Empirical Investigation [0.0]
  2021年の強い市場成長にもかかわらず、バブル予測の観点からは、プロジェクトベースでのNFTは検討されていないため、この話題は重要である。 我々は,4つの主要なNFTプロジェクトに関連する時系列価格データに対して,対数周期電力法(LPPL)モデルを適用した。 その結果、2021年12月20日現在、(i)NFTは概して小バブル(価格下落が予想される)、(ii)Decentralandプロジェクトは中バブル(価格低下が予想される)、(iii)name ServiceおよびArtBlocksプロジェクトは中バブルにあることが示唆された。
  論文  参考訳（メタデータ） (2022-03-22T10:08:32Z)
• Macroscopic properties of buyer-seller networks in online marketplaces [55.41644538483948]
  2010年から2021年の間にオンラインマーケットプレースで発生した2億2500万トランザクションを含む2つのデータセットを分析した。 オンラインマーケットプレースにおける取引は、言語、生涯、製品、規制、技術に大きな違いがあるにもかかわらず、非常に類似したパターンを示す。
  論文  参考訳（メタデータ） (2021-12-16T18:00:47Z)
• Stock Price Prediction Under Anomalous Circumstances [81.37657557441649]
  本稿では,異常な状況下での株価の変動パターンを捉えることを目的とする。 ARIMAとLSTMのモデルは、シングルストックレベル、業界レベル、一般市場レベルでトレーニングします。 2016年から2020年にかけての100社の株価に基づいて、平均予測精度は98%に達した。
  論文  参考訳（メタデータ） (2021-09-14T18:50:38Z)
• A Sentiment Analysis Approach to the Prediction of Market Volatility [62.997667081978825]
  金融ニュースとツイートから抽出された感情とFTSE100の動きの関係を調べました。 ニュース見出しから得られた感情は、市場のリターンを予測するシグナルとして使われる可能性があるが、ボラティリティには当てはまらない。 我々は,新たな情報の到着に応じて,市場の変動を予測するための正確な分類器を開発した。
  論文  参考訳（メタデータ） (2020-12-10T01:15:48Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。