Published on

BAYC猴老大到底是誰？兩個維度分析NFT項目的健康度

Authors

每天都有一堆新的 NFT 項目，每個一定都會說自己很有搞頭，但是決定價格的還是持有者的共識。而所謂共識，講得簡單一點，其實就是一個一個地址的交易動作。覺得沒價值就低價拋售，覺得有價值就會有人拿一堆錢來搶。

基本假設，兩個維度

我想以 BAYC 為例，看能不能透過持有者的錢包分析 NFT 項目健康度。最基本的想法，是透過兩個維度來分析：

  1. 一個是持有者的身價(蝦 shrimp-鯨 whale，幣圈裡鯨魚指的是大戶人家，蝦子則是散戶)
  2. 另一個是持有者的交易頻率(紙 paper-鑽 diamond，NFT 裡紙手就是剛拿到就賣，鑽石手則是拿了就不會放的)

如果把整個 NFT 項目想成一個完整的生態系，就知道需要有各式各樣的人才能維持健康。都是鑽石手就沒有流動性，都是紙手價格又會崩，很多鯨魚容易操控價格，太多蝦米根本沒有熱度。理想中，應該是要有一定的大戶 HODL 撐住基本面，中間有投機者向想要套利製造流動性，也有蝦米參與 FOMO 跟 FUD，其實就跟大多數的社群一樣，越多元越健康。

BAYC 作為實驗目標

這次我把 BAYC 從 deploy 開始到上週(4/3,2022)，共 340 多天，所有 holder 都拿出來放上了這兩個維度，看看有沒有什麼有趣的發現，以下就是最後結果：

-> X 軸是身價，算上 ETH 還有 NFT 總值

-> Y 軸是交易頻率，是這個錢包每個 nft 的平均持有天數

-> 第三的維度顏色，則是從深到淺，代表入場時間從早到晚

兩個軸的計算方法都是以分析的當下計算，不是當時的數字，最主要可以看的就是顏色深淺的變化還有點的位置改變，代表著 OG 的猴老大們轉手給新的猴老大的過程。

幾個有趣的 Finding

  • 右邊的點越來越多，代表持有的鯨魚也越來越多
  • x 軸 100 左右有條線，那代表的就是現在的 holder(BAYC 大概 100E 左右)，那條線往左，可能都是在換手的過程賣飛的
  • 淺色點集中在偏下，而且整體有往下的趨勢，可能代表隨著時間，更多 flipper 進場，可能是專職交易，或是一路 flip 上 BAYC

可能的偏誤

雖然說數據就是數據，但是我自己在做的過程中還是認知到幾個可能的偏誤：

  1. 我統計交易頻率的方式其實不是很準確，我只看 NFT transaction，包含的不只有交易，有可能是左右手互轉，或是轉一堆垃圾 NFT，如果有適當的方法依照價格加權，甚至算出一些賣飛或是爆擊的指數應該會更精準
  2. 大家可能都會把 BAYC 放進冷錢包，跟其他資產分開的話身價就會低估，很可能全部的點都要再偏右
  3. 單一地址能透露的訊息有限，如果能分析行為或是互動錢包找出同一持有者的其他錢包，可以提升資料的可信度
  4. 分析地址真的是一門學問，從我上一篇做錢包可視化就學到了重要的一課

如果你在這個結果中有發現什麼，歡迎在下面留言區跟我討論。

我怎麼做分析的？

下面就是程式的部分了，老實說我好久沒有寫 python，也很久沒有處理資料相關的東西了，中間只能一直估狗。不過秉持著 Open garage 的精神，必須要分享一下我的破 Code，我最後懶得整理成可以直接 run 的 XD，就截取重要的部分分享。

我這次用的工具是 Jupyter lab (我上次用的時候還只有 notebook)，基本的 Data 相關函示庫就是 pandas, numpy, matplotlib

另外也用了幾個 Web3 的工具

  • web3.py，連上Alchemy provider 直接讀合約內容 (有興趣可以看我上一篇，其實連到區塊鏈非常簡單)
  • Etherscan API 拿 ERC-721 交易紀錄
  • Moralis.io，一個新發現的工具，有很多實用的 API，讓處理區塊鏈上的資料更符合人體工學，不用自己一筆一筆交易在那邊慢慢處理。我這次就用了他的 NFT price、transfer API，來拿資料（另一個原因是我一直申請不到 Opensea 的 API，賺這麼多還這麼小氣...）

Web3.py 連上區塊鏈

透過 Alchemy 拿到 provider 就可以跟區塊鏈互動了

from web3 import Web3
alchemy_http_provider = Web3.HTTPProvider("https://eth-mainnet.alchemyapi.io/v2/API_KEY")
w3 = Web3(alchemy_http_provider)
if w3.isConnected():
    print("Connected!")
else:
    print("Failed!")

連上 provider 之後就可以操作了，要對合約操作要先拿到合約的介面 ABI，可以在 etherscan contract 的分頁中拿到，連接上合約之後就可以直接 call 像是ownerOf, tokenURI這些 function 了。

import json
#BAYC
abi = json.loads([ABI])
contract_address = "0xBC4CA0EdA7647A8aB7C2061c2E118A18a936f13D"


contract = w3.eth.contract(address=contract_address, abi=abi)


totalSupply = contract.functions.totalSupply().call()


print('Total Supply: ', totalSupply)
print('Contract Name: ', contract.functions.name().call())
print('Symbol: ', contract.functions.symbol().call())
print('check start from id:')
if contract.functions.ownerOf(0).call():
    print('0')
else:
    print('not 0')

讀取 NFT 項目資料

透過上面方式就可以讀到現在合約上的現況了，但是如果要拿歷史數據，就必須要回頭看交易資料，我用了 moralis 的 transfer 來讀取所有歷史資料，

import pandas as pd
import requests
from datetime import datetime


headers={"x-api-key" : 'MORALIS_API_KEY'}


df = pd.DataFrame(columns=['to_address','from_address','tx_timestamp','token_id'])
cursor = ""


for p in range(0,total_pages+1):
    url = "https://deep-index.moralis.io/api/v2/nft/"+ collection +"/transfers?address=" + collection\
            + "&cursor=" + cursor
    response = requests.get(url , headers=headers).json()
    cursor = response['cursor']
    for tx in response['result']:
        tx_time = tx['block_timestamp'][:-5]
        tx_timestamp = int(datetime.strptime(tx_time, "%Y-%m-%dT%H:%M:%S").strftime("%s"))
        to_address = tx['to_address']
        from_address = tx['from_address']
        token_id = tx['token_id']
        df2 = pd.DataFrame({'to_address': [to_address],
                            'from_address': [from_address],
                            'tx_timestamp': [tx_timestamp],
                            'token_id': [token_id]})
        df = pd.concat([df,df2], ignore_index=True, axis = 0)
df.to_csv(collection +"tx_history.csv", sep='\t', index=False)

分析地址的 pdws 指數

拿到所有交易紀錄後，就可以一天一天拆分，看看每天的 holder 都是哪些，接著就要進入最重要的部分，分析 holder 地址的兩個維度（紙 paper、鑽 diamond，鯨 whale、蝦 shrimp，我用的簡稱 pdws）

# 下面兩個函式分別可以拿到錢包的balance還有NFT價格
def get_address_balance(address):
    addr = w3.toChecksumAddress(address)
    return float(w3.fromWei(w3.eth.get_balance(addr), 'ether'))


def get_past_month_lowest_price(collection):
    if collection in nft_floor_price.keys():
        return nft_floor_price[collection]


    url = "https://deep-index.moralis.io/api/v2/nft/"+ collection +"/lowestprice?chain=eth&days=30&marketplace=opensea"
    headers={"x-api-key" : 'MORALIS_API_KEY'}
    try:
        response = requests.get(url , headers=headers)


        floor_price = float(w3.fromWei(float(response.json()['price']), 'ether'))
        nft_floor_price[collection] = floor_price


        return floor_price
    except:
        nft_floor_price[collection] = 0
        return 0


# 這個函式可以算出一個NFT的持有時間
def get_address_nft_holding_time(address):
    get_ERC721_url = "https://api.etherscan.io/api?module=account&action=tokennfttx&address=" \
    + address + "&startblock=12292922&endblock=99999999&sort=asc&apikey=ETHERSCAN_API_KEY"
    response = requests.get(get_ERC721_url)
    holding_nft = {}
    sold_nft = {}
    now = datetime.timestamp(datetime.now())
    try:
        for tx in response.json()['result']:
            token = tx['contractAddress']+"_"+tx['tokenID']
            if token in holding_nft:
                sold_nft[token] = float(tx['timeStamp'])-holding_nft[token]
                del holding_nft[token]
            else:
                if token in sold_nft:
                    del sold_nft[token]
                holding_nft[token] = float(tx['timeStamp'])
    except:
        print(address, "failed")


    for k,v in holding_nft.items():
        holding_nft[k] = now - holding_nft[k]


    return holding_nft, sold_nft


# 把錢包裡的錢還有所有NFT價值加起來就是身價 (鯨蝦)
# 平均一下NFT持有時間就是交易習慣（紙鑽）
def get_address_pdws(address):
    holding_nft, sold_nft = get_address_nft_holding_time(address)
    # get avg holding days
    duration = 0
    for d in sold_nft.values():
        duration += d
    for d in holding_nft.values():
        duration += d
    if len(sold_nft)+len(holding_nft) == 0:
        avg_holding_days = 0
    else:
        avg_holding_days = (duration/(len(sold_nft)+len(holding_nft)))/(60*60*24)


    # get net worth
    networth = get_address_balance(address)
    for nft in holding_nft:
        networth += get_past_month_lowest_price(nft.split('_')[0])


    return [networth, avg_holding_days]

當然中間可能可以做一些優化，像是拿過的 collection 價格就可以存起來不用重要一次，已經查過的地址也都可以存起來下次跳過。整個過程其實還是要花蠻久時間的，因為有些猴老大的交易歷史、口袋裡的 NFT 多到爆炸。

畫圖

最後再用 matplotlib 畫圖就完成了，這邊我把前面的資料每天存成一個 csv，一天一天讀出來畫一張圖

for day in range(0,347):
    one_day_data_csv = pd.read_csv("./BYAC/day_"+ str(day) +".csv", sep='\t')
    one_day_data_csv['day_n'] = 0
    one_day_data_csv.loc[one_day_data_csv.whale_shrimp >= 999, 'whale_shrimp'] = 999
    one_day_data_csv.loc[one_day_data_csv.paper_diamond >= 364, 'paper_diamond'] = 364
    for i,r in one_day_data_csv.iterrows():
        one_day_data_csv.loc[i, 'day_n'] = all_owners[r['address']][2]
    print(len(one_day_data_csv))
    plt.rcParams["figure.figsize"] = [10,10]
    plt.rcParams['figure.dpi'] = 200
    plt.figure(facecolor='white')
    date = datetime.fromtimestamp(1619158420+day*86400)
    plt.title("BAYC Holder  " + date.strftime("%m / %d - %Y"))
    plt.scatter(one_day_data_csv.whale_shrimp, one_day_data_csv.paper_diamond, s=2, c=one_day_data_csv.day_n/347*100, cmap='plasma', vmin=0, vmax=100)
    #plt.xlabel("whale_shrimp")
    #plt.ylabel("paper_diamond")
    plt.xlim(-10, 1100)
    plt.ylim(-10, 375)
    plt.plot()


    plt.savefig('./BYAC/img/'+ str(day) +'.png')
    plt.clf()
    plt.close()

Day1 vs Day346, What a crazy year

回頭看這些數字這些圖，幣圈 NFT 真的是油門催到底，幾乎忘了 BAYC 也不過是一年的事。

gix
gix-snow
Discuss on Twitter • View on GitHub