撰文：Jake Brukhman，CoinFund 创始人
译者：卢江飞
不管是出于科学角度，还是处于实际原因，「Fractionalization」都不应该是唯一的 NFT 估值机制。我们应该更广泛地理解 NFT 估值机制。
正如我之前所说，底价（floor pricing）是一种「从 0 到 1」式的创新，因为它展示了一种基本机制，通过这种机制，那些被视为非流动性的资产类别证明具有一定流动性。「底价」机制虽然不精确，但仍然是一种创新，允许 NFT 具有最低流动性，可以让收藏品像股票一样被交易。）
一般来说，NFT 基金这类产品（例如 NFTX ） 会收集一组 NFT （通常是一个系列的相关 NFT ），然后在这组 NFT 上应用估值函数。以 为例，他们必须决定需要给 1 Hashmasks 的存款人发行多少 MASK 代币。
在当今大多数此类方案中，对于某些 NFT 「x」，估值函数如下所示：
V(x) = 1
博弈是这样进行的：如果每个项目价值 1 MASK ，那么我应该存入我能找到的、最便宜的 Hashmask ，并赚取尽可能大的点差——而这，就是底价机制。
NFT 基金之所以设计的如此巧妙，是因为现在任何人都可以存入 Hashmask 并提取流动性资产，比如 MASK 。（注：假设存在一些 LP 机制、市场等。）
V （x）=1 的 NFT 基金是次优的，因为最昂贵的 Hashmask 和 1 MASK 之间的价差可能无法由某些辅助机制填补——价差大且变幻莫测。
由于存在这种价差，大多数 Hashmask 不会进入该 NFT 基金。
那么，有没有更好机制呢？
我们再来看下另一个估值函数，如下所示：
V(x) = v (x)
其中 v (x) 是物品的实际价格。
我说这么多是多余的吗？我保证自己并不想说一些没用的东西，我只是把问题分解成更小的部分——
一个是基金部分（细分），另一个是估值部分。对于后者而言，产生估值的一般方法大概只有以下两种：
买下你要估值的东西
准确预测将来有人会买下你要估值的东西的价格
实际上，这两种类型的方法都是有效的，但有一个主要区别：第一种方法，购买（或拍卖，或有风险的）物品需要大量资金；而第二种方法，则需要某些固定成本。
第二种方法的潜在示例可能包括：
开发机器学习定价模型的固定成本
用于为多个项目定价和摊销成本的固定股份
对等预测（peer prediction）等新算法
专有模型
暗示估值的 Fractionalization 方案
我对按照第二种估值机制创建的项目感兴趣——因为第二种类型的资本效率更高。
如果你正在构建此类项目，我的私信是开放的。如果你想了解有关 NFT 估值问题（#NFTValuationProblem）中所涉及到的、更广泛的框架，可以在 这篇文章 进一步探讨。
最后的想法，如果你的估值函数是 V(x) = v (x) ，那么一个基金中的所有 NFT 都没有特别理由需要来自某个特定系列。
现在，您可以去代币化收藏品和博物馆画廊了。
来源链接：twitter.com
内容搜集自网络，整理者：BTCover，如若侵权请联系站长，会尽快删除。
