基于 VECM 模型的 NFT 价格波动影响因

素分析——以 Bored Ape Yacht Club 为例

2021-2022 学年第二学期
学年学期：_______________________________

金融时间序列分析
课程名称：_______________________________

0710285
课程代码：_______________________________

欧变玲
任课教师：_______________________________

姓 钟明昊
名：_______________________________

学 2019311632
号：_______________________________

班 投资学 19
级：_______________________________

总 分：_______________________________

欧变玲
评 分 人：_______________________________
序号 计分项 分值 得分

1 文献调研： 20

缺失或不够充分（1-5 分）、基本充分（6-10 分）、

较充分（11-15 分）、充分（16-20 分）

2 数据处理方法： 20

错误或不够规范（1-5 分）、基本规范（6-10 分）、

较规范（11-15 分）、规范（16-20 分）；

3 模型检验与构建： 20

错误或不太正确（1-5 分）、基本正确（6-10 分）、

较正确（11-15 分）、正确（16-20 分）；

4 实证结果分析： 20

错误或不够充分（1-5 分）、基本透彻（6-10 分）、

较透彻（11-15 分）、透彻（16-20 分）；

5 论文整体结构： 20

不完整或不够合理完整（1-5 分）、基本合理完整

（6-10 分）、较合理完整（11-15 分）、合理完整（16-20

分）。

总分
 内 容 摘 要

非同质化代币（NFT）基于区块链技术，以其确权、防伪闻名。随着数字资
产权益维护的需求增加，NFT 所代表的加密技术，正在成为保障公民数字世界
私有权的重要利器。而 NFT 资产的价格在过去一年迎来了爆发性增长，吸引众
多投机者目光。然而，当前 NFT 资产的定价尚未清楚，价格的确定大多数依靠
交易者之间的共识，共识的产生与消失，几乎决定了 NFT 的未来。为了研究 NFT
价格的决定机制，本文以无聊猿（Bored Ape Yacht Club）为例，在理论分析的基础
之上，构建了向量误差回归模型 VECM，研究了历史价格、二手市场交易量、
以太坊 ETH 价格，和搜索热度对当前无聊猿 NFT 的相互关系，解释了长期和短
期两种情况下的价格变化的贡献因素。
关键词： NFT 无聊猿 以太坊 谷歌趋势 VECM VAR 模型

ABSTRACT

Based on blockchain technology, Non-FungibleToken (NFT) are known for their

corroboration and anti-counterfeiting. As the demand for digital asset rights
maintenance increases, the crypto technology represented by NFTs is becoming more
significant for securing citizens' private rights in the digital world. And the world has
witnessed an explosive growth of the price of NFT assets in the past year, attracting
the attention of many speculators. However, the current pricing mechanism of NFT is
unclear and its prices mostly relies on consensus among traders. The rise and fall of
consensus almost determines the future of NFT. In order to study the determination
mechanism of NFT price more deeply, this paper takes Bored Ape (Bored Ape Yacht
Club) as an example, and constructs a vector error regression model based on
former theoretical analysis to study the interrelationship of historical price, secondary
market trading volume, Ethereum price, and search fever on current Bored Ape,
explaining the contributing factors to the price change in both long-term and
short-term cases.
Key Words: NFT bored ape yacht club Ethereum(ETH) google trend
VECM VAR

1
 目 录

ABSTRACT ............................................................................................... 1
一、引言 ..................................................................................................... 1
二、文献综述 .............................................................................................2
三、研究方法及数据来源 .........................................................................3
（一）模型选择 ...................................................................................3
（二）模型变量选取与处理 ...............................................................3
（三）数据来源及说明 .......................................................................4
四、实证分析结果 .....................................................................................5
（一）平稳性检验 ...............................................................................5
（二）滞后阶数确定 ...........................................................................5
（三）Johanen 协整检验 .....................................................................6
（四）VECM 向量误差修正模型 ......................................................7
（五）脉冲响应分析和方差分解 ...................................................... 8
五、主要研究结论 ...................................................................................10
参考文献 ................................................................................................... 11

1
 基于 VECM 模型的 NFT 价格波动影响因素分析——以 Bored Ape Yacht Club 为例

基于 VECM 模型的 NFT 价格波动影响因素分析

——以 Bored Ape Yacht Club 为例

一、引言

NFT 全称为 Non-FungibleToken，意思是非同质化代币，是一种记录在区块

链里，不能被复制、更换、切分的，用于检验特定数字资产真实性或权利的唯一
货币令牌，可以理解为是独一无二的加密数字产品。
2014 年 5 月，Kevin McCoy and Anil Dash 创造了第一个已知的 NFT，标志
着与其他区块链和平台上的多单元、可替换、缺少元数据的同质货币不同的，非
同质化货币 NFT 的诞生。NFT 数据网站 NonFungible 统计，2021 年 NFT 市场经
历了爆发式增长，日均交易量增长了 13700.95%，最高达到 4 亿美元。在 2021
年的前 3 个月，在一系列引人注目的销售和艺术品拍卖之后，NFT 正式引爆全
网。在接下来的几个月中，无论是 2017 年便存在的 CryptoPunks，还是诞生不足
4 个月的 Bored Ape Yacht Club，均在这场 NFT 热潮中爆发。

图 1 美元计价的 NFT 整体市场日均销量

Bored Ape Yacht Club，中文译名无聊猿游艇俱乐部（下文简称“无聊猿”），

是亚裔美国艺术家 Seneca 创造的一系列猿猴社交头像，是 NFT 头像项目的一员，
属于市场后起之秀。无聊猿首次发行于 2021 年 4 月，如今已经成为总市值仅次
于 CryptoPunks 的 NFT 头部产品。然而，这一新兴市场尚未成熟，各 NFT 价格
波动极大，固然吸引了一众投资者，但也埋下了诸多隐患。许多学者认为，如今
NFT 市场价格虚高，存在严重的泡沫[1,2]。而 NFT 的价格收到多种因素影响，
研究 NFT 价格的影响因素，在辅助投资者为 NFT 定价，为政府对 NFT 进行监

1
 基于 VECM 模型的 NFT 价格波动影响因素分析——以 Bored Ape Yacht Club 为例

管，理清市场规律等方面都有着重要意义。

图 2 活跃的无聊猿交易市场
①

二、文献综述

近年来，随着 NFT 逐渐变得炙手可热，有的研究从艺术性以及元宇宙发展

的角度研究了 NFT 的价值[3,4]，但是有关定价的研究仍处于初步阶段。尤其是
在现阶段市场生态尚未完善[5]，其背后的逻辑尚未明朗，尚未能够从机制层面
明确指出其定价原理。然而，已经有学者从历史数据的角度对其进行定价分析。
Dowling M（2021）以虚拟地产为案例指出[6]，当前 NFT 定价依赖于市场历史
行情，但是这样的定价方式相对低效。此外，有研究更具体分析了单个的 NFT
价格影响因素，其不仅与历史销量相关，NFT 视觉特征对定价影响也很大[7]，
比如无聊猿的“稀有度（Rarity）”排名越高，即市场评判该幅头像“越有特色”，
价格越高。而在不同品类间，Moratis,G.（2021）探讨了不同品类 NFT 间的价格
联动效应[8]，发现溢出效应并不明显，即不同品类 NFT 之间，价格变化趋势独
立性较高。因此，品类各自的关注度成为决定其是否脱颖而出，价格获得增长的
重要因素。虽然说，将 NFT 赋能实体，令 NFT 真正能够为其持有者带来经济效

①
https://nftgo.io/collection/bored-ape-yacht-club/nfts?sort=8&buyNow=1

2
 基于 VECM 模型的 NFT 价格波动影响因素分析——以 Bored Ape Yacht Club 为例

益是其价值的根本支撑[9]，然而在本阶段，NFT 的热度决定了投机和投资是否
能延续下去[10]。
加密货币的使用，也是 NFT 区别于传统投资产品的特点之一[11]。为了贯彻
去中心化交易的理念，NFT 的交易货币不采用实际国家的信用货币，而是通过
各种加密货币进行交易，比如本文所研究的无聊猿即采用目前市值第二高的加密
①
货币 ——以太坊（Ethereum，ETH）作为交易币种。因此有学者思考，加密货
币市场的波动与 NFT 市场波动是否存在关系，Dowling M.（2022）采用小波相
干性来研究市场之间的协同运动[12]，发现 NFT 整体市场价格的波动率与加密货
币之间不存在溢出关系，但是其价格存在同向变化趋势。但是仍然没有指明具体
价格变化幅度对 NFT 价格变化幅度的具体关系。目前有学者指出，天价 NFT 背
后的市场隐患，是缺乏公允的定价体系，无法做到公开、公正，大多时候都是靠
共识在支撑[13]。
由于发展时间短，定价机制不明晰，当下缺乏对单一品类 NFT 的整体价格
影响因素的研究，本文采用面板 VEC 的方法，整合已有研究，将研究 ETH 价格、
历史成交量，以及关注度对单一品类 NFT 的整体价格的影响，试图填补这一学
术上的空白。

三、研究方法及数据来源

（一）模型选择
在刻画非平稳向量金融时间序列时，通常利用 Johansen 协整检验[14]判断向
量协整关系，并使用向量误差修正模型（VECM），描述变量之间的相互关系。
VECM 把系统中每一个内生变量作为系统中所有内生变量的滞后值的函数来构
造模型，被广泛运用至多个相关经济指标的相互作用研究[15,16]，比如商品价格
和其影响因素[17-19]，类似的使用场景与本文描述的场景是类似的。
（二）模型变量选取与处理
本文选用 2021 年 4 月 25 日（无聊猿诞生日）至 2022 年 6 月 5 日，共 407
行的日度数据，数据分别为无聊猿每日平均价（记为 y），无聊猿二手市场交易
额（记为�1），以太坊价格（记为�2 ），以及无聊猿谷歌搜索热度趋势（记为�3 ），
变量定义如表 1 所示。
在建模之前，本文还对部分数据进行了预处理。由于无聊猿属于数字商品，
其价格不存在实时报价，而是由最新交易价格决定的。NFT 有最高价，最低价，
以及平均价。本文选择每日平均价，以避免个别 NFT 炒作而导致价格虚高或过
低的情况，能更好地展示大众对该 NFT 产品的信心。为了统一计算口径，无聊
猿虽然利用以太坊计价，但也和以太坊一样，转换为了美元计价。另外，谷歌搜
索趋势指数为周度数据，为了使其契合其余日度数据，采用 MATLAB 对其进行
插值处理。最后，依据研究惯例，VECM 模型都进行了数据的对数化处理，以
提高拟合效果，然而本文使用数据中存在若干个“0”数据，因此不适合使用对
数化。数据基本走势如图 3 所示，数据的描述性统计见表 2。

表 1 变量的选取与定义

①
市值排名第一为比特币，然而，由于 ETH 生态建设相比比特币更强大，也更完善，更适
合开展 NFT 交易，故绝大部分 NFT 交易采用 ETH。

3
 基于 VECM 模型的 NFT 价格波动影响因素分析——以 Bored Ape Yacht Club 为例

名称 变量命名 符号 单位 预期影响方向
无聊猿每日平均价格 Bored_Ape_AverageUSD y 美元（$） +
无聊猿二手市场交易额 Secondary sales �1 个/天 +
以太坊价格 ETH Price �2 美元（$） +
无聊猿谷歌搜索热度趋势 Bored Ape Yacht Club trend �3 - +

图 3 四组变量原始数据走势

表 2 数据描述性统计分析
y �1 �2 �3
平均值 50701.94 182.9975 3087.004 33.61986
中位数 51508.26 105.0000 3030.380 29.20563
最大值 155253.5 5497.000 4812.090 102.1480
最小值 183.6200 0.000000 1724.920 0.000000
标准差 34072.56 325.6295 747.0189 28.02419
偏度 0.125257 11.49445 0.247440 0.756855
峰度 2.150012 178.1300 2.291873 2.760480
Jarque-Bera 统计值 13.31631 529082.9 12.65685 39.82987
JB 统计 p 值 0.001284 0.000000 0.001785 0.000000

（三）数据来源及说明
本文所研究的无聊猿 NFT 价格及交易量数据来源于专业 NFT 数据提供商

4
 基于 VECM 模型的 NFT 价格波动影响因素分析——以 Bored Ape Yacht Club 为例

NonFungible①，无聊猿搜索热度数据来源于谷歌趋势指数官网②，以太坊 ETH 数
据来源于区块链数据提供商 Glassnode 。
③

四、实证分析结果

（一）平稳性检验
本文首先对四个变量进行了平稳性检验。由于价格、销售量，和搜索趋势序
列是非平稳序列，故本文将直接对它们的差分序列进行研究。分别引入趋势项和
截距项，综合依据信息准则（SC、AIC）确定最合适的结果。ADF 单位根检验
结果如表 3 所示。

表 3 ADF 单位根检验结果
变量 t 统计量 1%临界值 5%临界值 p值 是否平稳
y -0.842029 -2.570713 -1.941611 0.3507 ×none
�1 -13.09060 -3.446241 -2.868440 0.0000 √c
�2 -0.590543 -2.570670 -1.941606 0.4612 ×none
�3 -0.480377 -2.570890 -1.941636 0.5073 ×none
d(y) -18.94085 -3.446362 -2.898493 0.0000 √c
d(�1 ) -15.64667 -3.446402 -2.868511 0.0000 √c
d(�2 ) -22.15409 -2.570684 -1.941608 0.0000 √none
d(�3 ) -3.165582 -2.570936 -1.941642 0.0016 √None

如上表所示，除了二手市场交易额是平稳变量以外，其他的变量序列都是一阶差
分平稳序列 I(1)。
（二）滞后阶数确定
首先基于 VAR，进行最优滞后阶数检验，经调整，结果如表 4 所示。检验
结果显示最佳滞后阶数为 2 期， 因此可以构建 4 个变量的 VAR 滞后四阶模型。
同时，采用 AR 根估计的方法对模型进行稳定性检验（图 4），发现滞后四阶的
VAR 所有特征根的倒数绝对值小于 1，说明该模型是稳定的。

表 4 模型滞后阶数结果
滞后期 似然函数 LR 统计量 最终预测误差 AIC 准则 SC 信息准 HQ 信息准则
FPE 则
1 -10738.11 NA 2.02e+18 53.50302 53.66208 53.56600
2 -10186.16 1081.934 1.41e+17 50.83659 51.15472 50.96255
3 -9659.410 1022.043 1.11e+16 48.29557 48.77276 48.48451
4 -9433.346 434.1329* 3.90e+15* 47.25048* 47.88673* 47.50239*
5 -9422.670 20.29084 4.00e+15 47.27696 48.07228 47.59186
注： * 表示显著。

①
https://nonfungible.com/
②
https://trends.google.com/trends/?geo=US
③
https://www.glassnode.com

5
 基于 VECM 模型的 NFT 价格波动影响因素分析——以 Bored Ape Yacht Club 为例

图 4 滞后四期 VAR 模型单位根检验

（三）Johanen 协整检验
本研究进一步对一阶差分后的变量进行 Johansen 协整检验，由于原变量中
仅有�1 是趋势平稳序列，其余三个变量均表现为随机趋势，因此模型设置为第四
种协整方程形式：VAR 模型和协整方程设为均有线性趋势。如表 3 所示，在 5%
的显著性水平下，认为存在 2 个协整方程。因此在统计学意义上，四个变量之间
存在长期均衡关系。因此决定采用 VEC 模型进行分析。

表 5 Johansen 协整检验（迹和� − ���）

原假设 特征值 迹统计量（p 值） � − ���统计量（p 值）
0 个协整向量 * 0.192946 131.4151(0.0000) 86.38921(0.0000)
至少 1 个协整向量 * 0.070291 45.02591(0.0303) 29.37203(0.0163)
至少 2 个协整向量 0.029522 15.65388(0.5206) 12.07649(0.4081)
至少 3 个协整向量 0.008838 3.577388(0.8020) 3.577388(0.8020)
注： * 表示显著。

方程描述上，选择 2 个变量作为其余 2 个变量的函数，用极大似然估计法计

算，由 Eviews10 结果得到协整关系表达式为：

6
 基于 VECM 模型的 NFT 价格波动影响因素分析——以 Bored Ape Yacht Club 为例

y = 307.4626 ∙ x1 + 16.98579 ∙ x2 + 334.6983 ∙ t + 126899.5

(1)
(8.82529) (32.1990) (55.9559)
x3 = 0.019320 ∙ x1 + 0.906214 ∙ x2 + 0.431020 ∙ t + 281.6384
(2)
(0.02579) (0.09409) (0.16352)

上式为协整关系表达式，其中括号内为对应标准差的数值。可以看出x1 与x2
对 y 和x3 的系数均为正，由此可知无聊猿二手市场交易活跃度和以太坊价格对无
聊猿的交易均价和搜索指数呈正向的长期均衡关系，这一结论是与市场行情和已
有研究结论相符合的。每日无聊猿交易额x1 增加 1，平均将提高交易均价 307.5
美元。以太坊价格上升 1 美元，平均将提高无聊猿价格 16 美元。同时由于x1 与x2
对x3 也为正向关系，因此也可以推断出，x3与 y 之间存在正向均衡关系。
（四）VECM 向量误差修正模型
上述研究结果说明了各变量之间的长期均衡关系。本节将建立 VECM 模型，
验证变量之间短期均值修复均衡过程。受限于可读性与篇幅，下文中将省略x1 、
x2 和x3的均值溢出效应检验方程，而下面式子给出了无聊猿交易均价 y 的均值溢
出效应检验结果。

∆yt
=− 0.271ECM1t−1 + 94.001ECM2t−1 − 0.440∆yt−1 − 0.250∆yt−2 − 0.200∆yt−3

− 0.540∆x1t−1 + 0.221∆x1t−2 − 1.395∆x1t−3 + 6.134∆x2t−1 + 1.220∆x2t−2

+ 4.187∆x2t−3 + 542.098∆x3t−1 − 971.871∆x3t−2 + 858.747∆x3t−3

+ 237.942 (3)

由上式可得：无聊猿的短期价格受到其自身长期均衡关系影响，误差修正系
数为-0.271，表明当位于无聊猿价格收到干扰开始偏离协整关系的均衡时，会受
到一个反向的 27.1%的调整，使其回归均衡。然而更令人在意的是，每当搜索热
度产生偏离时，会产生一个 940.01%的正向调整，使价格大幅偏离正常幅度，这
一结论和已有研究，和市场现象提出的“过度投机”是相匹配的。
而至于其他变量的滞后项对价格影响，表现为：短期价格自身所有滞后项系数为
负，然而系数绝对值偏小，表现为微弱的价格自我修复性；销售量的滞后项第二
期表现为正向作用，而一三期表现为负向作用，同样地，系数绝对值都偏小，整
体上表现为销售量对短期价格影响程度较弱；ETH 价格的变化对无聊猿价格为
正向强化效应，而且为滞后一期影响最大，影响幅度为 6.134；最后是对短期价
格影响最大的搜索热度，滞后一、三期的搜索热度对无聊猿价格产生正向影响，
而滞后二期表现为负向效应，再次说明了人们对无聊猿的关注度很大程度上决定
了无聊猿的价格[13]。
如下图所示，使用 AR 根检验的方法，建立的 VECM 所有特征根的倒数绝
对值小于 1，模型稳定。

7
 基于 VECM 模型的 NFT 价格波动影响因素分析——以 Bored Ape Yacht Club 为例

图 5 VECM 单位根检验

（五）脉冲响应分析和方差分解
脉冲响应函数用于分析当变量的误差项发生变化时，即模型受到某种冲击式
对系统的动态影响。本节采用有自由度的 Cholesky 分解的方法，分别给各影响
因素一个冲击，得到了x1 ，x2 ，和x3 关于 y 的脉冲响应关系图。下图中，横轴位
冲击作用的响应期间数（单位：日度），纵轴表示无聊猿成交均价（美元）。
如下图所示，蓝线代表无聊猿自身历史价格，在短期对交易均价具有决定性
影响，短期的价格正向冲击将大幅拉动价格上涨，并以交易日前一日的交易价格
的冲击效应最为显著，而后该日价格对后续价格的影响迅速衰退，并在 30 天之
后衰减至 0。与之相反的，搜索热度指数对价格的冲击呈现滞后的逐渐增强的正
向效应，即搜索热度上升在当日并不会明显影响无聊猿交易均价，而是逐步提高
大众对无聊猿的关注度，在约 13 日之后，大众将消化相关热度，完成一轮“产
生讨论热度，进而推高价格”的过程。而以太坊价格短期将对无聊猿的价格产生
正向冲击，拉高 NFT 价格，并在此后维持一定时间。与事前估计相反的是，二
手交易的正冲击将给均价带来负向的影响，但这个效应持续时间较短，仅在 5
天之后就不再产生明显的冲击。

8
 基于 VECM 模型的 NFT 价格波动影响因素分析——以 Bored Ape Yacht Club 为例

图 6 脉冲响应关系图

最后，通过脉冲响应的方差分解可以解释其余变量对无聊猿价格的变化的贡
献程度。依据方差分解（图 7）所示，成交均价的变化在最初几天几乎完全由历
史成交均价变动所解释。随着时间推移，人们对无聊猿的搜索热度，和以太坊价
格走势逐渐代替部分历史价格，成为解释成交均价的因素。在 50 天后，最终历
史均价贡献度为 54.51%，搜索热度贡献度为 26.52%，以太坊价格贡献度为
18.77%。而二手市场交易量相比于其余变量，对价格变化的解释力度要小得多，
解释力度最高贡献度出现在第四天，仅为 0.37%。
综上所述，无聊猿价格短期内主要由历史价格、搜索热度，以及 ETF 价格
影响，而与交易量关系不大，这点结论与无聊猿成交均价长期结论有所出入。历
史价格对几乎决定了当前均价，然而其效应相应地消退也更快。当前作为投机商
品的 NFT，市场上的投机者的进场，也是得益于社交媒体上的热度，投资者行
为受市场情绪面影响极大。从本节的数据中，我们可以想象到这样一个场景：一
个投资者在听说无聊猿升值情况良好之后，在接下来的若干天里，持续关注着短
期价格走势，并在他认为合适的时机（可能是阶段性的低价或者是持续上升通道
中），购置 NFT。

9
 基于 VECM 模型的 NFT 价格波动影响因素分析——以 Bored Ape Yacht Club 为例

图 7 方差分解：各变量对无聊猿交易均价变化的贡献程度

五、主要研究结论

NFT 市场瞬息万变，价格波动幅度及大。前期随着包括周杰伦在内的多个
账号的无聊猿 NFT 被盗[13]，社会舆论面对加密货币风评逐渐转差，引发各种虚
拟货币、NFT 价格暴跌。本文开始撰稿于 6 月 8 日，并于 6 月 22 日进行结尾工
作，期间不过短短 16 天，比特币的价格就从 31253.69 下跌至 20835.75，无聊猿
NFT 的成交均价则从 40422.72 美元大幅跌至 21110.31 美元，几乎腰斩，再次证
明了当前加密货币资产的波动性之大，也让价格影响因素的研究更有指导意义。
加密货币资产依靠其确权，防伪等特质引发了海内外投机者的炒作，然而由于是
在互联网上进行交易，属于新兴投资市场，其中蕴含的风险较大。
在理论分析的基础之上，本文构建了向量误差回归模型 VECM，研究了历
史价格、二手市场交易量、以太坊 ETH 价格，和搜索热度对当前无聊猿 NFT 的
相互关系，解释了长期和短期两种情况下的价格变化的贡献因素。结果显示：
（1）变量之间的长期关系，由协整方程给出，无聊猿二手市场交易活跃度和以
太坊价格对无聊猿的交易均价和搜索指数呈正向的长期均衡关系。每日无聊猿交
易额每增加 1 个单位，将提高交易均价 307.5 美元。以太坊价格上升 1 美元，将

10
 基于 VECM 模型的 NFT 价格波动影响因素分析——以 Bored Ape Yacht Club 为例

提高无聊猿均价 16 美元。对这一现象进行解释，可以理解为价格越高，能产生
更多投机需求，成交量越大。而搜索热度同样与以太坊价格，成交均价存在长期
的关系。
（2）短期价格的变化主要受到前 2-3 天的价格的冲击，并受到 5-10 天前的搜索
热度趋势持续的正向影响，体现 NFT 价格高度的投机性。历史价格对价格的冲
击强烈但更为短暂，而搜索热度无论是从长期还是短期，都对无聊猿成交均价有
重要影响，与当前 NFT 市场涉嫌“炒作居多”的情况是相符的。多种因素影响
下，进而在 50 天左右的中期，对最新价格贡献度上，历史均价从最初的决定性
的 99%下降至 54.51%的一半左右，搜索热度贡献度提升至 26.52%，而以太坊价
格贡献度为 18.77%，并且可以预见此趋势将在之后的时间持续。
我们要审慎的看待 NFT 的发展，鉴于当前仍处于野蛮生长阶段，价格的暴
涨大多数依靠 NFT 交易者之间快速形成的共识，同样地，一旦共识消失，NFT
也将迎来大幅度的崩盘。即使其背后存在诸多问题，我们也不可否认，NFT 在
确立数字文件资产所有权方面的贡献。随着我们的生活逐渐“元宇宙”化，NFT
所代表的加密技术，正在成为保障公民数字世界私有权的重要利器。
本研究尚有许多不足之处，仍待改进，比如 VECM 拟合效果有待提升，极
有可能存在的遗漏内生变量问题。再比如在长期均衡协整关系对早期情况的拟合
度较差：由于在经历早期价格暴涨后，绝大部分均价数据大于 70 万的数据，依
旧此数据计算出的协整方程常数项为 12 万，然而早期无聊猿关注度低，价格不
超百位数，模型不能很好解释早期情况。此中缺陷，受限于个人所学尚有欠缺，
作业撰文时间有限，仍有很大提升空间，还望审稿老师多多包涵！

参考文献
[1] 陈苗,肖鹏.元宇宙时代图书馆、档案馆与博物馆(LAM)的技术采纳及其负责任
创新:以 NFT 为中心的思考[J].图书馆建设,2022(01):121-126.DOI:10.19764/j.cnki.
tsgjs.20220033.
[2] 闫佳佳,沈思涵,王倩.NFT，泡沫成分有多大[J].商学院,2021(12):65-68.
[3] 解学芳,徐丹红.NFT 艺术生态链拓展与数字治理：基于参与式艺术视角[J].南
京社会科学,2022(06):154-163.DOI:10.15937/j.cnki.issn1001-8263.2022.06.017.
[4] 吴 静 . 革 命 还 是 游 戏 ： 元 宇 宙 的 救 世 叙 事 解 读 [J]. 阅 江 学 刊 , 2022,14(03):
59-67+173-174.DOI:10.13878/j.cnki.yjxk.20220420.002.
[5] 秦蕊,李娟娟,王晓,朱静,袁勇,王飞跃.NFT：基于区块链的非同质化通证及其应
用[J].智能科学与技术学报,2021,3(02):234-242.
[6] Dowling M . Fertile LAND: Pricing non-fungible tokens[J]. Finance Research
Letters, 2021.
[7] 马修·纳迪尼,劳拉·阿莱桑德莱迪,弗拉维奥·迪—贾钦托,毛罗·马蒂诺,卢
卡·玛丽亚·艾洛,安德里亚·巴伦切利,于蒙群,文婷婷.映射 NFT 革命：市场趋
势、交易网络和视觉特征[J].艺术管理(中英文),2022(01):84-112.
[8] Moratis,G.(2021).Quantifying the spillover effect in the cryptocurrency
market.Finance Research Letters,38:101534.
[9] 王 陈 慧 子 , 蔡 玮 . 元 宇 宙 数 字 经 济 ： 现 状 、 特 征 与 发 展 建 议 [J]. 大 数
据,2022,8(03):140-150.

11
 基于 VECM 模型的 NFT 价格波动影响因素分析——以 Bored Ape Yacht Club 为例

[10]马学东.NFT 的这趟快车来了，你上还是不上？[J].艺术市场,2021(06):32-33.
[11] 刘礼福.火爆一年，NFT 艺术的变奏曲[J].艺术市场,2022(04):40-43.
[12]Dowling M . Is non-fungible token pricing driven by cryptocurrencies?[J].
Finance Research Letters, 2022, 44.
[13]闫 佳 佳 , 石 丹 . 周 杰 伦 无 聊 猿 被 盗 ， NFT 开 始 挤 泡 沫 了 ？ [J]. 商 学
院,2022(05):89-93.
[14]C. A. Sims, Macroeconomics and Reality[J]. Econometrica,1980,48:1-48.
Reprinted in Granger,C. W. J.(ed.),Modelling Economic Series. Oxford:Clarendon
Press. 1990.
[15]Johansen, Soren and Katarina Juselius. Maximum Likelihood Estimation and
Inferences on Cointegration-with applications to the demand for money[J]. Oxford
Bulletin of Economics and Statistics ,1990, 52: 169-210.
[16]李睢,汪浩瀚.人口流动、年龄结构、人力资本增加率与产业高级化之间的互
动关系——基于 VECM 模型和脉冲响应分析[J].生产力研究,2021(12):8-12.
DOI:10.19374/j.cnki.14-1145/f.2021.12.002.
[17]Gam I. Does a sanitary crisis drive oil prices and carbon emissions in the USA?
Evidence from VECM modeling.[J]. Environ Dev Sustain. 2021 Oct 8:1-17. doi:
10.1007/s10668-021-01875-2. Epub ahead of print. PMID: 34642571; PMCID:
PMC8498084.
[18]郑淑珊,李文星.基于非对称 VECM-BEKK-GARCH 模型的国内外原油价格关
联 性 分 析 [J]. 厦 门 理 工 学 院 学
报,2022,30(02):78-84.DOI:10.19697/j.cnki.1673-4432.2022
02012.
[19]邢 婷 玉 . 基 于 VECM 模 型 的 中 国 煤 炭 需 求 弹 性 分 析 [J]. 陕 西 煤
炭,2022,41(01):96-99+107.

12