NFT 감정 프로토콜을 주목해야하는 이유
NFT 감정 솔루션이 필요한 이유와 삼총사
자산의 필요충분조건
자산 생각해보기
자산의 기준은 무엇일까?
내가 생각하였을 때, “__담보대출"의 빈칸에 들어갔을 때, 해당 단어가 실재로 존재하면, 그건 자산이다. ‘주택담보대출’, ‘자동차담보대출’, ‘주식담보대출’은 존재하기에 주택, 자동차, 주식은 모두 자산이다. 하지만, ‘학위담보대출’, ‘시간담보대출’과 같은 것은 존재하지 않기 때문에, 학위나 시간은 자산이라고 보기 어렵다.
담보대출 생각해보기
담보대출은 A가 특정 물건을 담보로 잡고, B에게 돈을 빌려주는 것을 말한다. 담보대출을 통하여 A는 이자를 얻을 수 있고, B는 유동성을 얻어서 원하는 곳에 사용할 수 있다. 여기서 A가 흔쾌히 B에게 돈을 빌려줄 수 있는 이유는 B가 돈을 갚지 않았을 때, 담보로 잡은 물건을 자신이 가져간 후에 팔아서 빌려준 돈에 상응하는 수익을 얻을 수 있기 때문이다. 이 명제가 성립하려면, 두가지 가정이 필요하다.
첫번째, 담보물의 가치를 ‘어느 정도’ 객관적으로 평가할 수 있어야 한다. 예를 들어, B는 매우 소중한 추억이 담긴 졸업앨범을 담보로 A에게 대출을 받으려고 한다. B에게는 이 졸업앨범이 3천만원의 가치를 가지기 때문에, B는 대출을 3천만원 받으려 한다. 하지만, A는 이 졸업앨범을 객관적으로 평가할 근거와 방법이 없기 때문에, 3천만원을 빌려줄 수 없다. 이렇게 담보물에 대한 객관적인 가치 평가 방식이 존재하지 않으면, 빌리는 사람과 빌려주는 사람이 서로 생각하는 대출 금액에 괴리감이 있을 수 밖에 없고, 결국 대출은 불가능하다. 내가 ‘어느 정도'라는 것을 추가한 이유는, 가치라는 것에 대한 완벽한 객관적인 평가는 있을 수 없기 때문이다. 그래도, 빌리는 사람과 빌려주는 사람이 서로 합의할 수 있는 ‘어느 정도' 객관적인 평가 기준이 필요한 것은 사실이다.
두번째, 담보물을 팔 수 있어야 한다. B가 담보로 맡긴 물건의 가치가 충분히 높더라도, 만약 A가 이를 팔려고 내놓았을 때, 아무도 사지 않는다면, A는 원금을 회복할 수 없고, 실패한 담보대출이 된다. 다시 말해서, 특정 자산에 대한 시장이 존재하지 않거나, 시장의 유동성이 얕다면, 해당 자산에 대한 담보대출은 불가능하다. 사실, 이 가정은 첫번째 가정과 관련이 있다. 어떤 물건에 대한 객관적인 평가의 기준이 존재한다면, 이를 사고, 파는 거래가 활발해질 것이고, 결국 시장의 유동성이 깊어질 수 밖에 없다.
결론
결국, 어떠한 X가 자산으로 인정받기 위해선, X를 빌리는 사람과 빌려주는 사람이 서로 합의할 수 있는 평가 방식이 존재해야 한다. 이제 NFT에 적용시켜보자.
NFT의 금융화(NFT Financialization)
자산으로 인정받는다는 것
NFT는 몇년 전과 비교하였을 때, 일반 대중들에게 훨씬 가까워졌다. 많은 셀럽들이 NFT를 사고, 여러 대중 매체들은 NFT를 다루기 시작하였다. 하지만, 나는 NFT가 사람들에게 비쳐진 이미지가 사치나 투기의 대상에 가깝다고 느꼈다.
나는 NFT가 진정한 mass adoption을 달성하기 위해선, NFT가 자산으로서 인정받아야 한다고 생각한다. NFT가 사람들에게 자산으로 인정받으면, 사람들은 NFT를 주택, 자동차, 주식과 같은 선상으로 바라볼 것이고, 거부감 없이 NFT를 사용하기 시작할 것이다.
그래서 NFT는 자산인가?
앞서 우리가 사고한 자산의 정의에 NFT를 대입하여보자.
NFT담보대출이 존재하는가?
존재하기는 하는데, 한계점이 명확하다. P2P의 형태로는, NFTfi가 있고, P2Protocol(프로토콜이 대출자에게 돈을 빌려주는)의 형태로는 Defrag나 JPEG’d가 있다. 하지만, 현존하는 NFT담보대출 솔루션의 한계점은 다음과 같다.
첫째, 가치 평가 방식의 부재이다. 특정 NFT의 가치를 객관적으로 평가할 수 있는 방식이 존재하지 않기 때문에, 대부분 NFT의 가치로 Floor price를 사용한다. 이 경우, 실제 NFT의 가치보다 저평가되어,서 LTV(담보 대출 비율)가 낮아지고, 청산에 대한 위험성도 커진다.
둘째, NFT 전체 중 일부만 지원한다. 위 솔루션들이 존재하긴 해도, 대부분 크립토펑크와 같이 유명한 콜렉션만 지원하고, 나아가서 1 of 1 NFT 같은 경우는 아예 불가능하다.
‘어느 정도’ 객관적인 평가 방식이 존재하는가?
아직까지 명확한 평가 방식이 존재한다고 말하기는 어렵다. 하지만, 오늘 소개할 NFTBank, Upshot, 그리고 Abacus를 주목해볼 필요가 있다.
NFTBank
NFTBank는 NFT 포트폴리오를 종합적으로 관리할 수 있는 어플리케이션으로, 자신의 NFT 포트폴리오, 최근 거래 기록, 수익률, 실시간 가치 등을 한 화면에서 볼 수 있다. 이 외에도, NFTBank는 NFT의 가치를 예측해주는 서비스도 제공하고 있다.
NFTBank의 Price Search 메뉴에 가면, 지원하는 프로젝트 범위 내에서 특정 NFT의 예상 가격과, 실제 판매가에 대하여 얼마나 과대평가, 혹은 과소평가되었는지 알려준다. 아래의 Azuki#4791의 경우, NFTBank의 감정가는 102.729 ETH이지만, 현재 71.699 ETH에 거래되어서, 43% 저평가되어 있는 상태이다.
이 서비스는 특정 NFT 구매를 고민하고 있는 사람에게 자신이 사려고 하는 NFT가 현재 합리적인 가격에 판매되고 있는지 알아볼 수 있는 ‘어느 정도' 객관적인 평가의 척도로서 작동할 수 있다.
메커니즘
NFTBank는 머신러닝 모델을 통하여 NFT의 가치를 예측한다. 정확한 정보는 알 수 없지만, NFTBank의 설명을 참고한 내용은 다음과 같다.
NFTBank의 목표는 여러 NFT 프로젝트에 전반적으로 사용될 수 있는 하나의 **기준 모델(baseline model)**을 만드는 것이다. 이 모델이 특정 NFT의 가치를 예측하기 위하여 학습할 수 있는 데이터의 종류는 두가지인데, 여태까지 해당 NFT에 일어난 거래 정보와 해당 NFT가 포함하는 특성(trait) 정보가 여기에 해당한다.
거래 정보
거래 정보를 고려할 때, 조심해야하는 것은 NFT는 매우 높은 가격 변동성과 낮은 거래량을 가진다는 것이다. 그렇기에, Floor price나 이전 거래가에 높은 가중치를 두는 것은 부정확한 결과를 초래할 수 있고, 이 거래 정보와 NFT가 가지는 특성에 대한 정보를 적절히 조합하는 것이 중요하다.
특성 정보
특성이라는 것은 NFT가 가지는 고유한 개념으로서, 이 특성을 통하여 특정 NFT가 얼마나 희귀한지(rarity) 평가할 수 있다. 그렇다면 특성 정보를 어떻게 모델에 적용할 수 있을까?
먼저 회귀 모델(regression model)을 고려할 수 있는데, 이 경우 각 특성에 대한 가중치를 결정해야하는데, 이는 매우 복잡하고, 고려해야 할 것이 많아서, 서로 다른 NFT 프로젝트에 모델을 적용하기에는 한계가 있다. 그렇기에 NFTBank는 다음과 같은 방법을 사용한다.
- 해당 NFT의 가격과 특성의 관계를 가장 잘 설명할 수 있는 비선형 변환(nonlinear transformation) F를 예상한다.
- F를 특성에 적용시킨 뒤에 GBM 모델을 이용하여 성능을 평가한다.
- 기존 거래 기록들을 순차적으로 학습시켜서 모델 성능을 발전시킨다.
장점
첫번째는 성능이다. 최근 NFTBank 예측 모델의 성능은 다음과 같다.
여기서 MAPE는 정확도를 측정하는 단위로, 일반적으로 다음과 같이 해석된다.
이에 의하면, NFTBank의 성능은 매우 정확~꽤 정확하다고 평가할 수 있다. 또한, 이는 2021년 11월 자료로, 현재는 성능이 더 발전했을 가능성이 매우 높다.
두번째 장점은 발전 가능성이다. 머신러닝 모델 특성상, 시간이 흘러 NFT 시장이 더 활성화되면, 학습시킬 데이터량도 많아질 것이고, 이는 모델의 성능을 향상시킬 것이다.
단점
첫쨰, NFT 시장 심리가 반영되지 않는다. 과거 거래 기록에 대한 정보가 해당 NFT 컬렉션에 대한 시장의 심리를 반영할 수는 있겠지만, 나는 NFT의 매크로적인 시장 심리가 가격에 큰 영향을 끼친다고 생각한다. 예를 들어, 코인베이스가 NFT 마켓플레이스를 연다고 하였을 때, 전체적인 NFT 가격은 상승하였고, 이더리움의 가격이 올라가면, NFT의 가격은 떨어지는 경향을 보인다. 이러한 시장 심리가 반영된다면, 더 정확한 평가가 가능해질 것이라 생각한다.
둘째, 지원가능한 NFT의 종류이다. NFTBank의 모델은 일반적인 컬렉션 형태의 NFT 프로젝트에는 매우 적절하지만, 1 of 1이나, NFT 아트의 경우 적절하지 않을 수 있다. 또한, NFT가 모든 고유한 형태의 사물을 표현할 수 있다는 점을 생각해보면, 특성의 개념을 가지지 않은 다양한 종류의 NFT가 출현하였을 때, 모델의 수정이 필요할 수 있다.
Upshot
Upshot은 NFT 감정 플랫폼으로서, 기존에는 유저들의 감정가를 크라우드소싱하는 방식을 사용하였지만, 현재는 NFTBank와 같이 머신러닝 모델을 이용하는 방식으로 피봇하였다. Upshot은 NFT 가격 정보를 제공하는 Upshot API와 각종 NFT 정보, 감정가와 분석 대시보드인 Upshot Analytics를 지원한다.
Upshot Analytics는 NFTBank의 Price Search 메뉴와 매우 흡사한데, Upshot이 예측한 해당 NFT의 예상 가격, 실제 판매가, 각 특성이 가격에 끼치는 영향을 보여준다.
메커니즘
Upshot의 경우, 정확히 어떤 메커니즘을 이용하여 모델을 학습시키는지는 알 수 없지만, 여러 글을 참고한 결과, 다음과 같은 내용을 알 수 있었다.
- Upshot은 Shapley Value를 이용하여서, 여러 특성 중에 어느 특성이 가격에 큰 영향을 미치는지 찾는다.
- 최근 데이터를 과거의 데이터보다 높은 가중치를 줘서 학습시켜서, 급변하는 NFT 시장을 예측한다.
장점과 단점
Upshot은 NFTBank와 같이 머신러닝 모델을 사용하기 때문에, 장점과 단점이 동일하다.
Abacus
Abacus는 NFTBank와 Upshot과 달리, 탈중앙화된 방식으로 NFT의 가치를 감정하는 프로토콜이다. Abacus는 Abacus Crowd와 Abaucs Spot이라는 두가지 종류의 서비스를 지원한다. Abacus Crowd의 경우, 몇차레 감정을 진행하였고, Abacus Spot의 경우, 아직 서비스를 준비중인 단계이다.
메커니즘
Abacus Crowd
Abacus Crowd는 사람들이 최종 감정가에 가깝게 예상을 하면 보상을 주는 방식을 통하여 최종 감정가를 도출한다. 자세한 메커니즘은 다음과 같다.
NFT 보유자는 일정 금액의 $ABC(Abacus의 네이티브 토큰)와 감정을 받을 NFT를 준비한 뒤에, 유저들은 자기가 생각한 해당 NFT의 감정가에 확신이 있는만큼 ETH를 스테이킹한다. 이 때, 스테이킹 금액에 비례하여, 자신이 투표한 감정가의 가중치가 커진다. 전체 유저들의 예측 감정가에 가중치를 곱한 뒤에 평균을 내어서 최종 감정가를 계산한다. 자신의 예상한 값이 최종 감정가에서 ± 10% 바깥에 있는 경우, 스테이킹한 금액은 압수되고, 이는 최종 감정가 ± 10% 이내에 예측한 유저에게 보상으로 나눠진다.
Abacus Spot
Abacus Spot은 optimistic proof of stake을 사용한 유동성 기반의 NFT 감정 프로토콜이다. 자세한 메커니즘은 다음과 같다.
누구나 어떤 NFT에 대한 Spot pool을 생성할 수 있다. Spot pool이 생성되면, 유저들은 자유롭게 해당 pool안에 ETH를 락업하고, 락업 기간에 따라서 $ABC를 할인된 가격에 구매할 수 있는 권리를 얻는다.
만약, NFT 보유자가 pool을 종료하면, 해당 pool안의 락업된 ETH가 NFT 보유자에게 가고, NFT는 48시간 동안 옥션에서 판매된다. 이 때, 판매 금액이 pool에 참여한 트레이더들에게 나눠진다. 그렇기 때문에, 특정 시점에 NFT의 감정가는 그 시점에 pool에 락업된 유동성에 해당한다.
다른 NFT 감정 프로토콜들과 Abacus Spot의 가장 큰 차별점은, Abacus Spot의 경우, 실제로 그 NFT 가치에 해당하는 ETH가 pool에 락업되어 있다는 것이다. 그렇기에, NFT 보유자가 해당 NFT를 담보로 대출을 빌린 후, 갚지 않았을 때, 대출 플랫폼은 pool 안의 락업되어 있는 유동성을 챙겨서 원금을 회복할 수 있다. Abacus Spot을 사용하면, 대출 플랫폼은 담보로 잡은 NFT가 시장에서 팔릴지, 얼마의 가치를 받을지 걱정하지 않아도 되기 때문에, 대출자에게 더 높은 LTV를 제공할 수 있다.
장점
가격이라는 것이 구매자들의 합의에 의하여 결정되는 것이라고 생각해보자. 많은 사람이 특정 NFT가 A의 가치를 지닌다고 합의에 이르면, A가 NFT의 가격이 되는 것이다. 이러한 관점에서 봤을 때는 Abacus의 NFT 감정 메커니즘은 실제로 트레이더들이 생각하는 가치가 종합되어서 반영되기 때문에, 머신러닝 기반의 모델보다 정확하다고 얘기할 수 있다.
추가로, Abacus는 기존의 데이터를 기반으로 감정을 하는 것이 아니기 때문에, 1 of 1이나, 기존의 거래 정보가 없는 NFT도 문제 없이 감정할 수 있다.
단점
일단, 아직 Abacus는 극초기의 단계이기 때문에, 실제로 이 방식이 제대로 작동할지는 미지수이다. 게임 이론을 적극적으로 사용한만큼, 실제로 Abacus를 사용하였을 때 어떤 취약점이 발견될지 아직은 알 수 없다.
또한, Abacus의 감정 방식은 참여하는 사람이 많을수록, 더 신뢰도가 올라가기 때문에, 얼마나 많은 사람을 모을 수 있을지가 Abacus에게는 굉장히 중요하다. 만약, 초기에 많은 유저들을 참여시키지 못한다면, 가격의 신뢰도가 내려가고, Abacus를 사용하는 사람이 적어지는 악순환이 시작될 수 있다.
더 많은 정보는
현재 COINEASY 팀의 공식 작가로 활동하고 있습니다! 더 많은 크립토/블록체인 정보는
코인이지 텔레그램 공지방
인이지 텔레그램 소통방
https://t.me/coineasy_official
에서 확인하세요!
