💰 quantitative finance

Pump.fun Graduation Regime Windows: Survival Analysis of 832,941 Token Launches and the Social-Presence Effect

Este estudio analiza 832.941 lanzamientos de tokens en pump.fun de Solana para revelar una drástica disminución de 3,18x en las tasas de graduación entre finales de 2025 y mediados de 2026, atribuyendo la caída principalmente a un cambio hacia tokens de compra cero (zero-self-buy), mientras demuestra que la presencia en canales sociales (particularmente Telegram) aumenta significativamente las probabilidades de éxito.

Autores originales: Arati Uday Kamat

Publicado 2026-07-07

📖 5 min de lectura🧠 Análisis profundo

CC BY 4.0

Autores originales: Arati Uday Kamat

Artículo original bajo licencia CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). ✨ Esta es una explicación generada por IA del artículo a continuación. No ha sido escrita ni avalada por los autores. Para mayor precisión técnica, consulte el artículo original. Leer descargo de responsabilidad completo

Imagina pump.fun como un concurso de talentos masivo y caótico que ocurre en la blockchain de Solana. Cada día, miles de nuevos "artistas" (tokens criptográficos) suben al escenario. Su objetivo es simple: conseguir que suficientes personas compren su entrada para que puedan graduarse de la pequeña y arriesgada etapa de la "curva de vinculación" (bonding curve) y mudarse al gran estadio de "PumpSwap".

La mayoría de los artistas fracasan. Se quedan sin tiempo o sin dinero y nunca llegan al estadio. Este documento es un estudio masivo de 832.941 de estos concursos de talentos que ocurrieron entre mayo y junio de 2026. Los investigadores querían responder dos grandes preguntas:

¿Cuáles son las probabilidades reales de lograrlo?
¿Qué cosas específicas hacen que un token tenga más probabilidades de tener éxito?

Aquí está el desglose de sus hallazgos, utilizando analogías sencillas.

1. Las probabilidades han caído (La "Tasa de Graduación")

A finales de 2025, aproximadamente el 0,63% de los tokens lograban graduarse. Piensa en esto como 6 de cada 1.000 artistas recibiendo una ovación de pie y mudándose al gran estadio.

Para mediados de 2026, ese número cayó significamente al 0,198%. Eso es aproximadamente 2 de cada 1.000.

La Analogía: Es como si el concurso de talentos se hubiera vuelto mucho más difícil. La "tasa de éxito" cayó más de 3 veces en comparación con el año anterior.

2. ¿Por qué cayeron las probabilidades? (El misterio de la "Autocompra")

Los investigadores investigaron por qué cayó la tasa de éxito. Descubrieron que no fue porque los "buenos" tokens se volvieran repentinamente peores interpretando. En cambio, lo que cambió fue la mezcla de artistas.

Los tokens de "Autocompra" (Self-Buy): Algunos creadores compran sus propios tokens justo al principio para mostrar confianza (como un cantante comprando un boleto en primera fila para sí mismo). Estos tokens tienen una tasa de éxito mucho mayor (aproximadamente 0,63%).
Los tokens de "Cero Autocompra" (Zero-Self-Buy): La mayoría de los nuevos tokens en 2026 fueron creados por personas que no compraron sus propios tokens primero. Estos tokens tienen una tasa de éxito muy baja (aproximadamente 0,05%).

La Conclusión: La tasa de éxito general cayó porque el escenario se inundó de tokens de "Cero Autocompra". Si solo miras los tokens donde el creador compró su propio boleto, la tasa de éxito es en realidad la misma que en 2025. La "mala suerte" es simplemente que ahora hay muchos más tokens "riesgosos".

3. El superpoder de las "Redes Sociales"

El estudio analizó si tener una cuenta de Twitter (X), un sitio web o un grupo de Telegram ayudaba. Los resultados fueron impactantes:

Telegram es el Rey: Los tokens que anunciaban un canal de Telegram tenían casi 9 veces más probabilidades de graduarse que aquellos que no lo tenían.
El efecto de la "Plataforma Completa" (Full Stack): Los tokens que anunciaban los tres (Twitter, Sitio Web y Telegram) tenían una tasa de éxito 17 veces mayor que los que no tenían ninguno de ellos.
La Analogía: Imagina un concurso de talentos donde los artistas que tienen un club de fans esperando afuera de la puerta (Telegram) tienen casi garantizada una ovación de pie. Aquellos que solo aparecen con una guitarra y sin base de fans suelen ser abucheados fuera del escenario.

4. La regla de los "Primeros 5 Minutos"

Los investigadores rastrearon exactamente cuánto tiempo le tomó a un token graduarse.

El Hallazgo: Si un token va a graduarse, sucede rápido.
La Analogía: Es como una carrera de velocidad. El 90% de los tokens que tienen éxito lo hacen dentro de los primeros 2 minutos de la carrera. Si un token no ha cruzado la línea de meta para el minuto 5, es casi seguro que perderá. La "supervivencia" de un token se decide casi instantáneamente.

5. ¿Qué publicaron realmente?

Este documento no es solo sobre números; se trata de abrir la puerta para que otros puedan verificar las matemáticas.

El Conjunto de Datos: Publicaron una lista masiva (más de 860.000 entradas) de cada token que observaron, etiqulada con si tuvo éxito o falló. Lo llaman RED-PUMP-2026-v1.
El Marco de Trabajo (Framework): Crearon una nueva forma de medir estas tendencias a lo largo del tiempo, llamada Ventanas de Régimen de Graduación (GRW). Piensa en esto como nombrar diferentes "temporadas" del show (por ejemplo, la "Temporada de Marino" de 2025 frente a la "Temporada de Red Pump" de 2026) para que todos puedan comparar manzanas con manzanas.

Resumen

El documento nos dice que el concurso de talentos "pump.fun" sigue siendo increíblemente arriesgado (menos de 1 de cada 500 tokens tiene éxito). Sin embargo, las probabilidades están fuertemente a favor de los tokens que:

Tienen un creador que compra su propio boleto (Autocompra).
Tienen una fuerte presencia en redes sociales, especialmente un grupo de Telegram.
Se ponen en marcha increíblemente rápido (dentro de los primeros minutos).

La caída en las tasas de éxito generales no es porque los "ganadores" se volvieran peores; es porque el escenario está ahora lleno de un número mucho mayor de tokens que no poseen ninguna de estas ventajas.

Resumen Técnico: Ventanas de Régimen de Graduación de Pump.fun

Planteamiento del Problema
La plataforma basada en Solana, pump.fun, facilita el lanzamiento de memecoins, donde un token "se gradúa" cuando la reserva de su curva de vinculación (bonding-curve) alcanza un umbral (aproximadamente 85 SOL), migrando al DEX PumpSwap. La graduación es un evento poco común. Si bien los tableros de la industria y trabajos académicos previos (por ejemplo, Marino et al., 2026) han proporcionado tasas de graduación agregadas, la literatura carece de: (1) un conjunto de datos de referencia de nivel de registro público para la replicación metodológica; (2) la aplicación de métodos de análisis de supervivencia (Kaplan-Meier, riesgos proporcionales de Cox) para modelar la dinámica de graduación; y (3) una evaluación cuantitativa de las características de presencia social fuera de la cadena (Twitter, sitio web, Telegram) como predictores de graduación. Además, las tasas de graduación han cambiado significativamente con el tiempo (del <2% en el cuarto trimestre de 2024 al 0.63% a finales de 2025), lo que requiere un marco para comparar estos distintos "regímenes" temporales.

Metodología
Los autores presentan un análisis de supervivencia de 832,941 lanzamientos de tokens únicos observados continuamente entre el 8 de mayo de 2026 y el 10 de junio de 2026 (el régimen "RED-PUMP-2026-v1").

Recolección de Datos: Un observador de la blockchain pública se suscribió al flujo de actualización de la cuenta-programa de pump.fun. Para cada lanzamiento, el sistema registró la dirección de acuñación (mint address), marcas de tiempo (seenAt, created_timestamp), capitalización de mercado inicial (en SOL) y tres indicadores booleanos para la presencia de una URL de Twitter, sitio web o Telegram en los metadatos de lanzamiento.
Definición del Evento: El estudio rastrea los tokens durante 24 horas. Los resultados terminales son GRADUADO (la curva de vinculación se cruzó) o TIEMPO AGOTADO (TIMEOUT: transcurrieron 24 horas sin graduación). El TIMEOUT se trata como un evento censurado por la derecha.
Marco Estadístico:
- Estimador de Kaplan-Meier: Utilizado para estimar la probabilidad de graduación acumulada $F(t) = 1 - S(t)$ y generar curvas de supervivencia.
- Estratificación: El análisis se estratificó por indicadores de canales sociales (conteo individual y combinado) y cuartiles de capitalización de mercado inicial.
- Modelo de Riesgos Proporcionales de Cox: Se ajustó un modelo semiparamétrico multivariante para estimar las razones de riesgo ( $\lambda_i(t|x_i) = \lambda_0(t) \exp(\beta^\top x_i)$ ). Las covariables incluyeron indicadores sociales, capitalización de mercado inicial logarítmica y longitud de descripción logarítmica. Se aplicó una penalización L2 ( $10^{-3}$ ) para estabilizar las estimaciones.
- Comparación de Regímenes: Los autores formalizan el marco de "Ventanas de Régimen de Graduación" (GRW) para comparar la ventana actual de 34 días contra períodos anteriores (Q4 2024 y la ventana de Marino et al., 2026).

Resultados Clave

Tasa de Graduación General: La tasa de graduación agrupada para la ventana RED-PUMP-2026-v1 es del 0.198% (IC del 95% de Wilson [0.189%, 0.208%]). Esto representa una disminución de 3.18× respecto a la tasa del 0.63% reportada por Marino et al. (2026) para septiembre–octubre de 2025.
Efectos de la Presencia Social: Los indicadores sociales fuera de la cadena son altamente predictivos.
- Los lanzamientos con un canal de Telegram se gradúan al 1.485% frente al 0.166% sin él (un aumento de 8.94×). La razón de riesgo de Cox multivariante para Telegram es 5.40 (IC 95% [4.73, 6.17], $p=6.6 \times 10^{-138}$ ).
- Los lanzamientos que anuncian los tres canales sociales se gradúan al 1.919% frente al 0.110% de aquellos que no tienen ninguno (un aumento de 17.4×).
Capitalización de Mercado y Autocompra (Self-Buying):
- La distribución de la capitalización de mercado inicial muestra una gran masa en el valor predeterminado de la plataforma de 30 SOL.
- El cuartil superior (capitalización inicial > 31 SOL, interpretada como autocompra del creador) se gradúa al 0.634%, lo cual coincide casi exactamente con la tasa agrupada del 0.63% del estudio de Marino et al. (2026).
- Los tres cuartiles inferiores (dominados por lanzamientos con cero autocompra) se gradúan con solo un 0.053%.
Desempeño del Modelo: El modelo de Cox logra un índice de concordancia de Harrell de 0.858.
Dinámicas Temporales: Los primeros cuatro días de la ventana de observación mostraron tasas artificialmente bajas (0.015%–0.043%) debido a la latencia de calentamiento de la infraestructura del observador. Excluyendo este período, la tasa de estado estacionario es del 0.207%.

Significancia y Reivindicaciones
El artículo reivindica cuatro contribuciones primarias:

RED-PUMP-2026-v1: El primer conjunto de datos de referencia de nivel de registro de pump.fun (860,213 lanzamientos) con un esquema congelado, publicado bajo CC-BY-4.0 en Zenodo.
Primeros Metodológicos: La primera aplicación publicada de curvas de supervivencia de Kaplan-Meier y modelos de riesgos proporcionales de Cox a eventos de graduación de pump.fun.
Descomposición Longitudinal: Una descomposición empírica que sugiere que la disminución de las tasas de graduación entre regímenes se atribuye sustancialmente a un cambio composicional hacia lanzamientos de cero autocompra (que tienen bajas tasas de éxito), en lugar de una disminución en la tasa de éxito de los lanzamientos con autocompra (que permanecen estables en ~0.63%).
Estandarización: La introducción del marco de Ventanas de Régimen de Graduación (GRW) y el Índice de Graduación de Pump.fun (PGI) como métricas estandarizadas para futuros trabajos comparativos.

Los autores declaran explícitamente que no reclaman causalidad respecto a los canales sociales, ofreciendo esfuerzo, capacidad de descubrimiento y selección como interpretaciones no excluyentes. También señalan que el límite de observación de 24 horas y los retrasos de detección son limitaciones, y que las elevaciones reportadas en la tasa de graduación son métricas predictivas para el diseño de filtros más que señales de trading accionables sin validación adicional.