本文将探讨如何更合理地评估NFT的稀有度。稀有度得分是一种辅助手段，不同NFT项目方会给出关于某种属性的更重要的公告，也会受到了个人主观审美的影响。
什么是NFT的稀有度？
一般来说，NFT的稀有度包含两个概念：特征稀有度与资产稀有度。
特征稀有度：衡量每个特征的出现频率，即拥有该特征在此集合中的占比。例如，特征"Background_Blue"的稀有度得分是10.44%，因为ShortBearClub总数是5000只，其中有522只"Background_Blue"熊。
图1:ShortBearClub的特征稀有度
资产稀有度：代表该项资产的总稀有度分数，可用于横向对比与排名。单个NFT的价值通常很大程度上受到稀有度的影响。对于NFT收藏家来说，当他们在考虑购买哪种NFT时，他们希望花费相同数量的ETH带来最大的回报，于是，稀有度成为最重要的参考指标之一。
已有的稀有度评分模型Rarity.Tools稀有度评分
Rarity.Tools是目前使用最广的稀有度评分工具。它的核心计算方式是：将每个特征出现频率的百分比的倒数总值相加。
美国国会法案呼吁联邦政府研究加密货币用于非法活动的案例，并就如何减少这些用途提出建议:4月27日消息，周四向美国参议院和众议院提交的一项两党法案将呼吁联邦政府研究加密货币用于非法活动的案例，并就如何减少这些用途提出建议。《金融技术保护法案》建议成立一个工作组，负责研究恐怖分子或其他犯罪分子如何使用加密货币和其他新的金融技术，并为国会和监管机构提出旨在打击这些用途的建议。[2023/4/27 14:31:26]
图2：rarity.tools的稀有度模型
不过，Rarity.Tools在近期调整了它的计算模型，且没有公开披露具体细节。
Rarity.Tools是NFTSummer爆发前就有的一款NFT稀有度数据分析工具，它的优势在于计算模型简单易懂。用户可以很直观地看出哪个特征在整体稀有度分数中贡献度更大。但是简单加总法的缺点是可能会高估或低估一项资产的真实稀有度。例如，若某个特征或者特征数量的分数过高，会在一定程度上拉高该NFT的排名，但用户可能对该特征并不是很关注。
NFTEXP稀有度评分
SAFE空投仍有超3200万枚未被领取，SafeDAO正讨论如何分配该部分代币:12月29日消息，随着12月27日申领期结束，Gnosis Safe分配给用户的SAFE Token空投中仍有超过3200万枚未被领取。
SafeDAO正在讨论如何处理来自未领取的用户空投分配，目前方案包括：
1. 将该部分Token按比例分配给已经领取空投的用户，这将是已领取空投的1万名社区成员分配数量的三倍，但会考虑添加更长的归属期；
2. 使用该部分Token奖励加密社区的贡献者；
3. 保留在SafeDAO中；
4. 混合上述三种选项，其中的15%进行第二轮空投、15%作为开发者的奖励、70%保留在SafeDAO。[2022/12/29 22:14:58]
在NFTEXP的稀有度计算更为复杂，目前尚未披露。我们只能从NETEXP官网中获得NFTEXP模型的大概思路。
以"Chubbies"项目为例，其中两个特征的频率如下：
脸部:Blushed，有1053个。
发型:Afro，有1110个。
币情观察室 | 我是如何在18年4月带群友赚到上千万:4月15日19:00，行情大V 贝吉塔做客《币情观察室》直播间，将分享《我是如何在18年4月带群友赚到上千万》敬请关注，欲观看直播扫描下图二维码即可！[2020/4/15]
图3："Chubbies"项目一览（来源NFTGO.io)
从百分比上来看两个特征的稀有度几乎相同。但是：「Blushed」的特征稀有度评分为8，而Afro的特征稀有度评分为17。这是因为发型特征只有四种，脸部特征一共有13种。所以，一个「Blushed」的真实稀有度低于“平均脸”，而一个「Afro」的真实稀有度高于平均水平。
NFTEXP的特征稀有度考虑到了特征中类别数的影响。每个特征的出现频率会与平均频率进行比较，相应的调整特征评分。但NFTEXP也存在和Rarity.Tools同样的缺点，会在下一节“异常情况对比”中详细阐述。
更合理的稀有度评分模型
一般来说，稀有的同义词还有特殊、独特。一件事物是否稀有，主要取决于它与群体内其他事物的差异性。差异性越大，代表这件事物更加特殊和罕见。那么，若能量化这件事物与群体内其他事物的综合差异，即能反映出它在群体内的稀有度。NFTGO基于这一原则，研发出一种更科学的方法来评估NFT的稀有度——基于Jaccard距离的稀有度评分方式。
掌柜调查署 | 当前环境下交易所如何“转正”？:4月15日16:00，金色财经「掌柜调查署」邀请到ChainUP大客户项目负责人针对交易所如何拥抱合规的问题进行解答，带领大家全面了解当前环境下，交易所如何“转正”！更多内容点击原文链接查看。[2020/4/15]
什么是Jaccard距离？
Jaccard距离是一个统计学的方法，用于测试样本集之间的不相似性，范围为从0到1。其数学公式为：
Jaccard距离是一种常见的数据科学测量方法，用于计算对象之间的差异性。其逻辑看起来类似于维恩图，衡量样本集之间的交集大小。
如何计算NFTGO稀有度评分？
NFTGO基于Jaccard距离来纯粹地统计NFT特征的相似度。我们以计算BAYC#1154稀有度评分为例:
计算#1154与同系列中其他9999个NFT的Jaccard距离
计算Jaccard距离的平均值，这就是稀有度分数的初始数据
使用极差法处理上一步的数据。极差法的数学公式为:
动态 | 马耳他研讨会探讨如何改进涉及区块链的反法:据Times of Malta消息，马耳他区块链协会主席Patrick Young和管理者Max Ganado发文称，近日在由马耳他区块链协会和马耳他财政部共同组织的Blockfinance研讨会中，包括马耳他金融服务管理局（MFSA）、马耳他金融情报分析部门（FIAU）和在内的利益相关者参与了活动。发言者初步进行了差距分析，使行业参与者可以就涉及区块链的反法（AML）的进一步发展提出具体建议。 文章指出，这个新兴产业需要表现出高标准的诚信以及合规性。此外，区块链行业参与者需要为AML-CFT战略做出贡献。[2019/4/7]
用上一步得出的z-score乘以100，即为BAYC#1154的最终稀有度分数。然后在一个集合中根据分数进行排名(稀有度分数的范围从0到100），得到该NFT的最终稀有度排名。
NFTGO稀有度评分的优势
通过实验对比发现，Rarity.tools和NETEXP的稀有度评分可能会高估或低估一项NFT资产的稀有度，而NFTGO稀有度评分却能在这些异常情况里给出比较合理的结果。
下表展示了NFTGO、Rarity.Tools和NFTEXP三种稀有度评分模型，在计算BoredApeYachtClub(BAYC)系列NFT的稀有度排名时的异常情况。
图4：Rarity.tools针对BAYC#947的稀有度评分细节
图5：NFTGO针对BAYC#947的稀有度评分细节
再看BAYC#2832和BAYC#8742，很明显，BAYC#2832的评分应该更高，因为它有多样化的特征。并且，BAYC#8742的最高报价也高于BAYC#2832，因此，购买BAYC#2832是更有利可图的，而Rarity.tools低估了它的稀有度。
图6：Rarity.tools针对BAYC#2832和BAYC#8742的稀有度评分细节（数据：2021年12月2日
图7：NFTGO针对BAYC#2832的稀有度评分细节）
图8：NFTGO针对BAYC#8742的稀有度评分细节
图7和图8是NFTGO对BAYC#2832和BAYC#8742的稀有度评分。从页面右侧“特征”视图可以看到，BAYC#2832的各特征属性基本浮动在1%-3%之间，而BAYC#8742特征属性的最低值足有12.42。显然，NFTGO的稀有度评分比Rarity.Tools更加合理。
此外，Rarity.Tools和NFTGO对于CryptoPunks的稀有度评分也能反映其准确性的差异。在Rarity.Toolsv2中排名前二十名的Punk，有接近一半是没有特征的。NFTGO对此类Punk的排名更低一些，因为这些零特征的Punk缺乏多样性，理应降低稀有度评分和排名。
图9:Rarity.Tools中排名前21的CryptoPunk
图10：NFTGO中排名前20的CryptoPunks
表2：CryptoPunk的稀有度排名对比（数据：2021年11月2日)
综上，与RarityTools和NFTEXP稀有度评分相比，基于Jaccard距离的NFTGO稀有度评分是合理且准确的，您可以将其作为收藏NFT的参考。
总结
在购买或出售NFT时，稀有度得分是一种辅助手段。虽然我们使用的稀有度模型在统计学上是正确的，但是不同NFT项目方会给出关于某种属性的更重要的公告。例如CoolCats的官方声明，无檐小便帽或帽子这样的普通物品比电脑头或猿人服装等稀有物品的价值要低。除此之外还有其他方法可以判断NFT资产的价值，如艺术欣赏价值或流动性溢价。再者，也许您更喜欢绿色背景而不是红色背景，这受到了个人主观审美的影响。
基于Jaccard距离来计算一项NFT资产的群体性差异，帮助用户发现NFT的群体性综合差异，实际是更本质地量化了“稀有度”这一概念。您已可以在NFTGO上查看所有NFT的稀有度排名和稀有度评分，希望NFTGO稀有度评分能帮助您在购买或出售NFT时做出更合理的决策。
作者：NFTGO
来源：金色财经
郑重声明： 本文版权归原作者所有， 转载文章仅为传播更多信息之目的， 如作者信息标记有误， 请第一时间联系我们修改或删除， 多谢。