Odhad hodnoty NFT kolekcí

Abstract

Práce se zaměřuje na odhad ceny nezaměnitelných tokenů, které představuji záznam o vlastnictvi digitálniho sběratelského uměni na Ethereum blockchainu. Nejprve jsou představeny metody strojového učeni vhodné k řešeni problému a následně jsou i aplikovány. Výstupem této práce je model strojového učeni schopný predikovat hodnotu těchto tokenů. Napřič praci je zdůrazňováno využiti tohoto modelu k efektivnimu obchodováni těchto aktiv. Navržený model docilil průměrné absolutni procentuálni chyby menši než 10% a zároveň byl schopný identifikovat potenciálně výdělečné obchody.

This thesis focuses on estimating value of non-fungible tokens which represent the record of ownership of collectible digital art asset on the Ethereum blockchain. Suitable machine learning techniques are described and subsequently applied to solve this problem. The outcome of this work is a proposal for a machine learning model capable of predicting the value of these tokens. Throughout this thesis, the application of this estimator to effective trading of these assets is emphasized. The proposed model was capable of predicting the token value with absolute percentage error less than 10% and also identifying potentially profitable trades.