NFTs, short for Non-Fungible Tokens, are one of the most talked about and controversial technologies to emerge from the crypto landscape. The digital assets, which derive the capabilities of other cryptocurrencies, have paved a new way for artists, musicians and other creators to monetize their works. At the same time, many have argued that the market for these tokens is plagued by overexitement, baseless investing and fraudulent practices. The topic divides different actors and, since the technology is fairly new, there is a lack of information regarding why the market operates the way that it does and if the technology is providing legitimate worth. Our study sets out to help bridge this information gap by investigating one of the potential driving forces of this market, namely the public perception over its safety. A regression analysis was conducted by monitoring Twitter posts regarding NFT safety and using this information to try and predict price movement. By applying several machine learning methods the study produced models that were able to predict the direction of the market with a 56% accuracy, indicating that a weak relation may exist. More research is needed but public perception should not be disregarded as a driving force of the markets.

NFTs, förkortning av Non-fungible Tokens, är en av de mest omtalade och kontroversiella kryptoteknikerna som växt fram under de senaste åren. De digitala verken, som har egenskaper likt kryptovalutor, har skapat en nytt sätt för konstnärer och musiker att tjäna pengar på sitt arbete. Samtidigt har många hävdat att marknaderna associerade med dessa verk präglas av grundlösa investeringar och bedrägliga metoder. Ämnet splittrar olika aktörer och då teknologin är relativt ny finns det en brist på information angående varför marknaderna fungerar som de gör och huruvida de faktiskt tillför värde. Vår studie ämnar att öka förståelsen för tekniken genom att undersöka en av de potentiella drivkrafterna hos marknaderna: Allmänhetens uppfattning av teknikens säkerhet. En regressionsanalys utfördes genom att observera antalet Twitter-inlägg angående NFT-säkerhet och denna informationen användes sedan för att förutspå prisändringar. Genom att applicera flera maskininlärningsmetoder lyckades studien producera modeler som kunde förutspå riktning av prisutveckling med 56% noggranhet, vilket indikerar att en svag relation kan existera. Mer forskning är nödvändigt men allmänhetens säkerhetsuppfattning borde inte åsidosättas som en betydande drivfaktor till marknaden.