우승이 스포츠 NFT 가격에 미치는 영향: NFT의 자산화 가능성에 대한 실증 분석

2-1 NFT(Non-Fungible Token)

NFT는 블록체인에 저장된 고유한 데이터 토큰으로 디지털 자산의 유일성을 보장하고 소유권을 증명하는 역할을 수행한다[4]. 하나의 NFT는 다양한 디지털 파일과 연결이 가능하며 블록체인 상의 스마트 계약을 통해 해당 자산의 진본성과 소유이력을 누구나 확인할 수 있는 특성을 보유하고 있다. 이를 통해 NFT는 예술품이나 콘텐츠에 희소성을 부여하거나 진위성을 부여할 수 있으며 이를 기반으로 새로운 거래 시장을 형성하였다. 또한 NFT는 로열티를 지급하거나 저작권을 부여하는 등 다양한 기능을 보유하고 있다. 이를 통해 기존의 예술 및 콘텐츠 시장에서의 비효율성을 개선할 가능성을 보여주기도 하였다.

NFT라는 명칭에 포함된 ‘대체 불가능’하다는 단어는 화폐나 공산품과 같이 다른 동일한 상품과 교환될 수 없음을 의미한다. 이로 인해 예술품이나 희귀 트레이딩 카드와 같이 고유성과 희소성이 중요한 재화와 유사한 특징을 가지고 있다. 이러한 특징은 경매나 수집품시장과 같이 오랜 역사를 가진 거래 구조와도 연결된다. NFT는 경제적·기술적으로 몇 가지 중요한 특성을 지니고 있는데, 그중 첫 번째는 희소성과 유일성이다. 각 NFT는 고유하기 때문에 복제나 대체가 불가능하며 디지털 자산에 있어 인위적 희소성이 부여된다[5]. 이는 일반적인 디지털 제품의 특성인 복제의 용이성 문제를 극복하고 디지털 자산에 가치가 형성될 수 있는 기반을 제공한다. 두 번째로는 투명성과 검증가능성이 있다. 블록체인에 기록된 NFT의 거래내역은 누구나 열람할 수 있어 소유권의 이전과 진위를 투명하게 확인할 수 있다. 마지막으로 NFT의 경우 폭발적인 성장 이후 가격이 급등락하는 등 큰 변동성을 특징으로 한다. 이는 NFT의 가격 변동성에 주의가 필요함을 확인 할 수 있다. 이와 같은 NFT의 특성과 시장 구조로 인하여 디지털 자산의 가치평가, 시장 안정성, 사용자 행태 연구 등에 대한 다양한 후속 연구가 필요하다.

2-2 스포츠 메모라빌리아 및 스포츠 자산

스포츠 메모라빌리아(Sports Memorabilia)란 유명 선수나 경기와 관련된 수집품을 의미하며 흔히 볼 수 있는 유니폼, 사인볼, 티켓과 스포츠 트레이딩 카드 등이 그 예이다. 이러한 수집품 시장의 경우 전통적으로 팬들의 향수와 감정적 애착에 기반한 소비가 이루어지고 있으며 오랜 역사와 많은 거래량으로 인하여 수집가와 투자자들에게는 대안적 투자자산으로 여겨져 왔다[6]. 수집가들은 단순한 소유로 인한 만족이나 팬심으로 인하여 수집을 하기도 하지만 일부는 희귀한 카드나 수집품의 가치 상승을 기대하며 투자 목적으로 시장에 참여하기도 한다. 일반적으로 스포츠 메모라빌리아의 가치 평가에는 수집품의 상태(컨디션)이나 제작수량과 같은 희귀성, 진품 여부 등에 의해 결정된다. 그러나 여기에 더해 스포츠 분야의 성적, 특정 이벤트나 외생적 요인이 수집품 가격에 일시적 또는 영구적으로 영향을 미침 또한 다수의 연구를 통해 확인할 수 있다. 대표적으로 결승전 진출 횟수나 스타의 사망과 같은 사건 등은 스포츠 카드나 기타 메모라빌리아 자산의 시장 가격에 유의미한 영향을 미친 것으로 보고되었으며, 특히 선수의 사망과 같은 예상하지 못했던 사건의 경우 추모효과를 불러일으켜 상당한 기간동안 수집품 가격의 상승을 초래하는 것으로 나타났다[7],[8].

이와 같이 스포츠 메모라빌리아 시장은 단순한 내재가치 뿐만이 아니라 스토리텔링(선수와 소속팀의 역사)과 관련된 감정적 요소에 의해 가치가 형성되는 독특한 시장 구조를 가진다. 이에 따라 우승, 기록, 사망과 같은 이벤트를 중심으로 한 가격 변화에 관한 실증연구들은 스포츠 자산의 투자가치 예측과 시장 위험성을 이해하는데 중요한 통찰을 제공하는데 반해 새롭게 등장한 스포츠 관련 자산인 스포츠 NFT에 대한 후속 연구는 많이 이루어지지 않고 있다.

2-3 자산화

자산화(Assetization)란 전통적으로 상품으로 간주되지 않던 대상에 경제적 교환가치와 투자 속성을 부여하여 자산으로 전환하는 과정을 의미한다[9]. 어떠한 객체나 권리가 통제 가능하고 거래 가능하며 미래 수익 창출의 근거가 될 수 있을 때 그것을 하나의 자산으로 보는 관점이 형성된다. 특히 자산이 일정한 수익을 창출할 수 있음과 동시에 그에 대한 리스크와 미래 가치에 대하여 일정한 공식이나 기준을 통해 평가하여 시장 현재 가치로 환산이 가능하다면 이를 경제학적 의미의 자산으로 평가할 수 있을 것이다. 현대 자본주의에서는 데이터, 브랜드, 지식까지도 자산적 속성을 부여받아 투자의 대상이 되고 있으며 기술발전과 금융화의 진전에 따라 광범위한 영역에서 자산화가 확장되고 있다.

특히 21세기 들어 기술혁신과 디지털화의 가속으로 인하여 과거에는 가치평가가 어렵던 무형의 대상들 또한 자산화가 진행되고 있다. 블록체인 기술은 부동산, 예술품을 넘어 팬덤 가치와 같은 추상적인 개념 또한 디지털 토큰 형태로 구체화하고 거래할 수 있도록 만들었다. 특히 이 과정에서 등장한 NFT와 같은 새롭게 등장한 자산 클래스의 경우 전통적인 단순한 상품 교환 논리와 구별되는 새로운 자산화 형태를 보여줌과 동시에 희소성과 소유권을 증명할 수 있는 기술적 기반을 통해 전통적인 수집품과 예술품과 같은 대체투자자산의 속성과도 유사한 속성을 지닌다. NFT의 경우 부동산, 주식이나 암호화폐 등 전통적인 자산들과의 연계성이나 유사성 또한 관찰되고 있으며, 기존 자산 시장과 상호작용하는 신흥 자산 클래스로 주목받고 있다[10].

다만 NFT를 비롯한 신종 자산의 등장은 자산화 이론의 실증 무대로서 학계와 산업계의 많은 관심을 받고 있으며 디지털 자산의 가치평가와 취약점, 규제 등의 측면에서 많은 후속연구가 필요한 상황이다. 특히 NFT와 같은 디지털 신규 자산이 안정적인 자산으로 자리매김 하기 위해서는, 가치에 대한 합리적인 평가 체계의 확립이 필수적이다. 이러한 평가 메커니즘은 NFT를 일시적 투기 대상이 아닌 지속 가능한 자산으로 정착시키는데 핵심적인 역할을 수행할 것이다.

3-1 실증적 맥락

NBA Topshot은 2020년 오픈 후 디지털 스포츠 수집품 시장에서 가장 성공적인 플랫폼 중 하나로 부상했다. Topshot은 블록체인 기술을 기반으로 한 NBA NFT 플랫폼으로 20여 초 정도의 영상 클립을 통해 경기 장면을 담아 모멘트로 발행한다. 각각의 모멘트는 고유한 식별번호를 갖고 있으며 한정된 숫자로 발행된다. 또한 모든 모멘트의 판매기록은 모두가 확인 가능해 실질적 가격 추이 변화를 추적할 수 있다.

본 연구에서는 해당 플랫폼에서 지난 4시즌(2020-12-22~2024-06-17) 동안 거래된 선수별 NFT의 가격 및 거래량 변화를 추적하여 팀 우승이라는 외생적 이벤트가 선수의 NFT 가격에 미치는 영향을 살펴보고자 한다.

본 연구의 관측 시점 동안 Topshot 플랫폼에 대한 대규모 기능 변화나 신규 시장 진입은 확인되지 않았으며 거래수수료나 플랫폼 정책 또한 큰 변동 없이 유지되었다. 이러한 상대적으로 통제된 시장 환경은 우승 이벤트가 각 선수별 NFT 가격에 미치는 영향을 비교적 명확하게 식별할 수 있는 실증적 기회를 제공한다. Topshot의 데이터의 경우 2020년 7월부터 확인가능하나 베타·테스트 기간에 해당하여 거래량과 시장 참여가 충분히 안정화되지 않았기 때문에 불안정한 초기 시장의 영향을 배제하고자 분석 대상에서 제외하였다.

NBA시즌은 일반적으로 10월에 개막하며(20-21 시즌은 Covid-19로 인하여 12월 개막) 다음해 6월경에 챔피언십을 치르고 종료된다. 구체적인 분석 시점은 표 1에 요약되어 있다. 본 연구에서는 시즌 시작 후 우승 확정일까지의 기간과 우승 직후 새로운 챔피언팀이 출현하는 다음 시즌 종료 전까지의 기간으로 나누어 두 그룹(우승팀 선수와 비우승팀 선수) 간 NFT 가격 변화 양상을 확인함으로써 우승이라는 처리(Treatment)가 시장 가격 형성에 미치는 영향을 파악하고자 한다.

Table 1.

Analysis timepoint

3-2 데이터 및 변수

본 연구의 데이터는 NBA Topshot 내 선수별 NFT거래 기록을 대상으로 하여 2020년 12월부터 2024년 6월까지 수집한 88,901건의 거래 데이터를 축적하여 분석에 활용한다. 이 데이터는 각 NFT의 해당 기간 내 개별 거래, NFT의 희귀도, 모멘트 내 플레이 타입 등 세부 정보들을 포함한다. 그 외 포지션과 SNS 팔로워 수 등 또한 통계 사이트와 공식 SNS API등을 통해 추가 확보하여 분석에 활용하였다.

본 연구는 우승팀과 비우승팀 소속 선수 간 비교 분석에 초점을 둔다. 이에 처리집단(우승팀 선수)과 대조군(비우승팀 선수)을 지정하였다. 처리집단은 각 시즌 우승팀 소속 선수 중 5명을 선정하였으며 대조군으로는 동일 시즌 내 비우승팀 소속 선수 중 5명을 선정하되 인기지표(인스타그램 팔로워 수 등) 등을 기준으로 매칭하여 우승팀 선수와 유사도가 높은 선수를 대응시켰다. 다만 21-22 시즌에 워리어스 주전 중 NFT가 발행된 선수가 네 명에 불과했으므로 우승팀 선수도 네 명으로 제한되었다. 인기지표를 매칭에 최우선적으로 활용한 이유는 스포츠 시장 내에서 선수의 시장 가치나 수집자산에 영향을 주는 요소로 확인되었기 때문이다[11],[12].

Table 2.

The selected championship team players and non-championship-team players

총 5시즌(2020~24)의 우승팀을 중심으로 총 21명의 선수의 데이터를 추출하였다. 일부 선수의 경우 시즌에 따라 팀을 옮겨 우승하였으며 모든 우승팀의 주전 선수들이 NFT로 발행되지 않았기에 총 21명의 선수를 활용하게 되었다. 추출한 21명의 선수들의 데이터를 20-21시즌부터 22-23시즌까지 분석에 활용하였으며 해당 선수가 우승하지 않은 시즌에는 비우승 선수로 활용하였다. 이는 상대적으로 우승팀의 주요 선수들이 Topshot 플랫폼에서 NFT로 발행되는 경우가 많았으며 현실적으로 모든 선수들의 데이터를 추출하여 분석을 진행하기 어려웠기에 우승팀 소속 선수들을 중심으로 데이터 추출을 진행하고 해당 선수들의 데이터를 중심으로 분석에 활용하였다. 다만 대조군 선수를 선정함에 있어 단순한 인기지표 외에도 경기력, 팀 내 역할, 포지션 및 외부 활동 특성 등을 종합적으로 고려하여 유사도를 판단하였다. 우승팀 선수에 매칭되는 적절한 선수가 없는 경우 추가로 선수를 추출하여 매칭에 활용하였다. 예를 들어, Malcolm Brogdon 은 Khris Middleton 과 유사하게 주요 시즌 성적에서 균형잡힌 지표를 보이며, 팀 내 2~3옵션으로서 안정적인 기여를 제공한다. 마찬가지로 Marcus Smart는 Andre Iguodala와 유사하게 수비 중심의 역할을 수행하면서 경기 조율 능력을 통해 조력자로서 팀에 기여하며, SNS와 외부 활동에서도 안정된 퍼스널 브랜딩과 리더십 이미지를 유지한다는 점에서 높은 유사성을 보여 대조군으로 적합하다 판단하였다.

종속변수는 NFT의 거래 가격으로 지정하였으며 핵심 독립변수는 처리여부(Treatment Indicator)로 비우승팀은 0, 우승팀은 1로 코딩하였다. 또한 시점 효과를 반영하기 위해 Post Indicator를 도입하여 우승 시점 이후에는 1, 이전에는 0으로 부여하였으며 분석의 정확성을 높이기 위해 다수의 통제변수를 활용하였다. 스포츠 자산 수집가들에게 종류에 따라 차별적으로 매력적을 느낄 수 있는 요소인 게임 내 장면인 플레이 타입(덩크, 블록, 3점 슛 등)을 통제변수로 활용하였으며 NFT가 발행된 세트 종류, NFT의 희귀도(Common, Rare) 등도 포함하였다. 또한 예측에 포함되지 않은 선수별 고유 특성과 특정 시점 특성의 영향을 통제하기 위해 선수 고정효과와 시간 고정효과를 모형에 추가하였다. 이처럼 다양한 특성값에 대한 통제를 통해 우승이라는 이벤트가 가격에 미치는 구조적 영향을 더욱 정밀하게 평가하였다.

3-3 식별 전략

관찰 자료에서 특정 이벤트의 효과를 평가하기 위해 이벤트 전후 단순비교만으로는 시장 전반의 추세나 외부요인을 분리하기 어렵다. 이를 극복하기 위해 본 연구에서는 이중차분(DiD; Difference-in-Differences)기법을 적용하였다. DiD 기법은 특정 사건이나 정책(처리)이 개입된 집단과 개입되지 않은 집단 간의 사전-사후 변화를 비교함으로써 처치효과를 추정하는 통계적 방법론이다. DiD기법은 계량 경제학 분야에서 광범위하게 활용되어 왔으며 대표적인 예로 최저임금 인상이 고용에 미치는 영향을 DiD로 분석하여 그 효용성을 입증한 바 있다[13]. 특히 외생적으로 발생하는 이벤트 전후로 어떠한 경제적 결과변수가 변동하는지를 추적하는 연구에서 DiD 분석은 타 방법론에 비해 효과적이다. 특히 시기적 흐름이나 외부 충격 등 다른 요인을 구분하기 위해 통제집단을 활용해 같은 시점에 같은 외부환경에 놓인 두 집단을 비교 할 수 있다.

본 연구에서는 NBA팀의 이벤트(우승)으로 인한 순수 효과를 추정하기 위하여 우승팀 선수 그룹과 비우승팀 선수 그룹 각각에 대해 우승 이벤트 전후로 NFT 가격이 어떻게 달라졌는지를 DiD 모형을 통해 관측한다. 간략화된 DiD 모형은 식 (1)과 같이 표현 할 수 있다.

식 (1)의 회귀모형은 선수 i의 t일 차 NFT 가격에 대해 우승팀 소속 여부와 우승 시점을 기준으로 한 시간적 변화를 동시에 추정하는 DiD 구조를 취하고 있다.

먼저 α는 모든 설명변수가 0인 기준선 상태, 즉 비우승팀 선수이며 우승 이전 시점에 속하는 경우의 평균 NFT 가격 수준을 나타내는 절편이다. β₀는 우승팀 소속 선수들이 우승 이전에 비우승팀 소속 선수들보다 갖는 평균적인 가격 차이를 포착한다. 다시 말해 우승팀 소속 선수들의 기본 수준 차이를 의미한다. β₁은 우승 시점 이후에 발생하는 시간적 효과로 모든 선수에게 공통적으로 적용되는 우승 이후 시장 환경 변화가 NFT 가격에 미치는 영향을 측정한다.

이 두 가지 효과가 결합된 β₂는 진정한 ‘우승 충격’을 식별하는 핵심 계수로 우승팀이 우승 이후에 추가로 경험하는 가격 변화를 의미한다. 즉 우승팀 소속이라는 조건과 우승 시점 이후라는 시간이 동시에 만족될 때 나타나는 가격 변화를 β₀와 β₁의 단순 합계가 아닌 순수 상호작용 효과로 분리해낸다.

여기서 더미 변수 Treatment_i는 선수 i가 우승팀에 속하는 경우 1, 그렇지 않은 경우 0을 취하며 Post_i는 거래일 t가 우승 시점 이후이면 1, 그 이전이면 0을 취한다.

δ_i는 선수(Player) 고정효과로 개인별 불변 특성(예를 들어 기본 인기, 과거 성과 등)을 통제하여 선수 간 이질성을 제거한다. γ_t는 날짜(Date) 고정효과로 특정 일자에 전체 시장에 동시다발적으로 영향을 주는 요인(예를 들어 전체 NFT 시장의 유동성 변화, 주요 이벤트 등)을 보정한다.

추가적으로 θ₀, θ₁, θ₂는 각각 플레이 유형(PlayType), NFT 세트(Set), 희귀도(Rarity)라는 범주형 통제변수가 각 범주별로 가지는 평균적 가격 차이를 반영하는 계수들이다. 예를 들어 서로 다른 희귀도 수준이 가격에 미치는 체계적 차이를 별도로 추정해 줌으로써 주요 관심사인 β₂의 추정치가 다른 품목 특성에 의해 편향되지 않도록 한다.

마지막으로 ϵ_i,t는 위 모형에 포함되지 않은 각 선수 및 각 일자별 개별 충격이나 측정 오류 등을 포괄하는 오차항으로 설명변수로는 포착할 수 없는 잔여 변동성을 나타낸다. 이처럼 α부터 ϵ까지 모든 계수와 항은 우승 효과를 엄밀히 분리해내고 통제변수 및 고정효과를 통해 잠재적 혼란요인을 제거하는 데 필수적인 역할을 수행한다.

Callaway and Sant’Anna는 two-way fixed effects 기반의 DiD 분석이 처치 시점이 다양하거나, 처치 효과가 집단마다 이질적인 경우, 추정치가 왜곡된 가중 평균으로 나타날 수 있음을 지적하였다. 본 연구는 우승이라는 단일 이벤트를 기준으로 분석을 설계하여 이러한 구조적 왜곡 문제에서는 상대적으로 자유로우나 분석에 다수의 시즌과 선수들을 포함하고 있는 만큼. 유사한 편향 가능성을 배제할 수 없다. 이에 이러한 점을 고려하여 본 연구는 NFT 가격에 영향을 줄 수 있는 주요 변수를 통제 변수로 포함하고 이질성 통제의 필요성에 부합하는 분석 설계를 적용하였다[14].

4-1 Relative Time Model

DiD 분석의 타당성을 확보하기 위해서는 평행추세(Parallel Trends) 가정이 충족되어야 한다. 처치군과 비교군 사이에 이벤트가 발생하지 않았더라면 유사한 추세를 따랐을 것이라는 조건이 성립해야 하며, DiD의 타당성을 확보하기 위해서는 사전 기간의 추세 비교를 통해 해당 가정이 실증적으로 뒷받침되는지를 확인해야 한다[15]. 본 연구는 이러한 기준에 따라 NBA Topshot 내에서 발행된 NFT 중 우승 여부만이 주요한 차별점이 되는 집단을 구성하였고, 비교군 선수 선정 시에도, 우승이라는 이벤트가 없었더라도 두 집단(우승팀 선수와 비우승팀 선수)의 가격 추세가 동일했을 것이라는 전제가 성립되도록 하기 위해 사전에 매칭 과정을 통해 SNS 팔로워 수 등을 활용한 인기 수준과 포지션, 성적 지표 등을 고려하여 유사한 통제집단을 선택하였다. 이에 따라 본 연구에서는 NFT 가격의 우승 직전 기간에 대한 평균 추세를 검토하였고 두 그룹 간 큰 차이를 보이지 않는지를 시각적으로 확인함으로서 가정위배 가능성을 낮추었다.

그리고 평행 추세 가정을 검토하기 위하여 식 (2)를 활용하여 우승 전후의 상대적 시간 효과를 분석하였다. 이 분석에서는 식 (1)에서 활용한 Post 더미 대신 주간 더미 변수 벡터 Pre를 도입하였으며, 우승 직전 주(week –1)을 베이스라인으로 설정하고 제외하였다. 모형은 아래와 같다.

식 (2)는 선수 i의 t주차 NFT 평균 가격에 대해 우승팀 소속 여부와 우승 이전 시점별 차이를 동시에 추정함으로써 평행 추세 가정을 검정하는 모형이다.

여기서 절편 α는 기준선 상태, 즉 비우승팀 선수면서 기준주차(Pre_-1 = 0)에 해당하는 경우의 평균 가격 수준을 나타내며 β₀는 기준주차에 우승팀 선수들이 비우승팀 선수들보다 갖는 평균적 가격 차이를 포착한다.

더미변수 Pre_k는 우승 시점 기준으로 -k주 전에 해당하는 경우 1, 그렇지 않은 경우 0을 취하며 After_t는 거래주차 t가 우승 시점 이후이면 1, 그 이전이면 0을 취한다. Treatment_i는 식 (1)과 동일하다.

β_k(k = -13, ... , -2)는 우승 시점으로부터 k주 전(Pre_k = 1) 시점에서 우승팀과 비우승팀 간의 추가적 평균 가격 차이를 의미한다. 이들 β_k 계수가 통계적으로 유의하지 않으면, 즉 0에 근접하다면 처치군과 대조군이 비교기간 전후로 유사한 가격 추세를 보였음을 뜻하므로 평행추세 가정이 성립함을 확인할 수 있다. 반면 처치 시점 이후 변화 효과를 포착하는 (Treatment_t × After_t) 계수 β_A는 통계적으로 유의해야 DiD 추정치에 의미 있는 처치 효과가 존재함을 보여준다. 요컨대 β_k가 처치 이전 모든 주차에서 유의하지 않다가 β_A만 처치 이후 구간에서 유의하게 나타나는 패턴은 처치 이전에는 두 그룹의 가격 흐름이 유사하게 유지되다가 처치 시점 이후에만 처리집단에 특유한 변화가 발생했다는 인과 추론의 근거를 제공한다.

식 (1)과 마찬가지로 선수 고정효과 δ_i는 각 선수의 불변 특성을, 주별 고정효과 γ_t는 시간에 따른 전반적 시장 변동을 통제하며 θ₀, θ₁, θ₂는 각각 플레이 유형, 발행 세트, 희소성별 평균 가격 차이를 보정한다. 마지막으로 ϵ_i,t​는 기타 설명되지 않은 오차항이다.

이와 같은 동적 모형을 통해 우승 전후의 변화가 두 집단 간 유사한지를 검증하여 평행추세 가정이 충족되는지를 확인하였다. 이 가정이 충족된다는 것은 우승 전후로 처리집단과 대조군 간 유의한 차이가 없다는 것이다.

본 연구의 경우 20-21시즌부터 22-23시즌까지를 대상으로 진행하였기에 총 3시즌에 대해 각각 평행추세 검정을 시행하였다.

Fig. 1.

2021 pretreatment period coefficient plot

Fig. 2.

2022 pretreatment period coefficient plot

Fig. 3.

2023 pretreatment period coefficient plot

표 3에 따르면 우승 전 기간(week –13부터 week -2까지의)의 더미 값들의 계수들은 2022시즌의 한 주차(week -3)를 제외하고는 모든 주차동안 통계적으로 유의하지 않았다. 이는 우승이라는 이벤트 이전에 처리집단과 대조군의 가격추이는 유사한 추세로 진행되었음을 유추할 수 있어 해당 기간 동안의 데이터는 DiD분석을 적용하기 적합한 대상임을 확인할 수 있다.

Table 3.

Relative time model

4-2 분석 결과

평행추세가정을 만족하였음을 확인하였기에 본 연구에서는 우승이라는 이벤트가 실제 가격 상승을 이끌었는지에 대한 분석을 실시하였다. 표 4를 확인해보면 DiD분석 결과, 총 3시즌 동안 우승팀 선수와 비우승팀 선수의 NFT 거래가격 추이를 비교한 모형에서 모두 우승효과가 p<0.01 수준에서 유의미하게 양의 방향으로 나타났다. 구체적으로, 처리집단(우승팀)과 사후 기간(post) 여부의 상호작용인(Treatment_i × Post_t)의 회귀계수가 시즌별로 일관되게 양(+)의 값을 띠었으며 통계적으로 유의미함을 확인할 수 있다. 이는 우승팀 소속 선수의 NFT 가격이 우승 이후에 비우승팀 선수 대비 추가적으로 상승했음을 의미한다. NFT 모멘트의 플레이타입, 희귀도, 세트 종류 등 잠재적으로 NFT 가격에 영향을 줄 수 있는 요인들을 통제변수로 포함하였고 선수 및 시간의 고정효과를 도입하여 분석하였음에도 결과가 동일한 방향성을 유지했다는 점은 우승이라는 이벤트가 가격형성에 미치는 효과가 상당히 견고함을 시사한다. 특히 3시즌 내내 같은 방향의 회귀 계수가 관측됨으로써 우승에 따른 가격 상승이 단발적 현상이 아니라 반복적이고 합리적인 시장 반응이라는 점을 확인할 수 있었다.

Table 4.

Effects of NBA championship on NFT price