💰 quantitative finance

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

이 연구는 832,941개의 솔라나 pump.fun 토큰 출시를 분석하여 2025년 하반기와 2026년 중반 사이 졸업률이 3.18배 급격히 감소했음을 밝혀냈으며, 이러한 하락의 주요 원인을 제로 셀프 바잉(zero-self-buy) 토큰으로의 변화로 돌리는 한편, 소셜 채널의 존재감(특히 텔레그램)이 성공 확률을 유의미하게 높인다는 점을 입증했다.

원저자: Arati Uday Kamat

게시일 2026-07-07

📖 3 분 읽기☕ 가벼운 읽기

CC BY 4.0

원저자: Arati Uday Kamat

원본 논문은 CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/) 라이선스로 제공됩니다. ✨ 이것은 아래 논문에 대한 AI 생성 설명입니다. 저자가 작성하거나 승인한 것이 아닙니다. 기술적 정확성을 위해서는 원본 논문을 참조하세요. 전체 면책 조항 읽기

pump.fun을 솔라나 블록체인 위에서 펼쳐지는 거대하고 혼란스러운 오디션 프로그램이라고 상상해 보세요. 매일 수천 명의 새로운 "출연자"(암호화폐 토큰)들이 무대에 오릅니다. 이들의 목표는 단순합니다. 충분한 사람들의 표(구매)를 얻어 위험한 "본딩 커브(bonding curve)" 단계를 졸업하고, 거대하고 유명한 "PumpSwap" 경기장으로 진출하는 것입니다.

대부분의 출연자는 실패합니다. 그들은 시간이나 자금이 바닥나 결국 경기장에 입성하지 못한 채 무대를 떠납니다. 이 논문은 2026년 5월부터 6월 사이에 발생한 832,941개의 이러한 오디션 사례를 심층 연구한 방대한 보고서입니다. 연구진은 두 가지 큰 질문에 답하고자 했습니다.

실제로 성공할 확률은 얼마인가?
어떤 구체적인 요소들이 토큰의 성공 가능성을 높이는가?

다음은 이들의 연구 결과를 쉬운 비유를 사용하여 정리한 내용입니다.

1. 확률이 떨어졌다 (The "Graduation Rate")

2025년 말에는 약 **0.63%**의 토큰이 졸업에 성공했습니다. 이는 1,000명의 출연자 중 6명이 기립 박수를 받으며 큰 경기장으로 이동하는 것과 같습니다.

2026년 중반에 이르러 이 수치는 **0.198%**로 크게 떨어졌습니다. 이는 대략 1,000명 중 2명 꼴입니다.

비유: 마치 오디션의 난이도가 훨씬 높아진 것과 같습니다. "성공률"은 전년도와 비교했을 때 3배 이상 하락했습니다.

2. 왜 확률이 떨어졌는가? (The "Self-Buy" Mystery)

연구진은 성공률이 떨어진 이유를 파고들었습니다. 그들은 "좋은" 토큰들이 갑자기 공연을 못 하게 된 것이 아님을 발견했습니다. 대신, **출연자들의 구성(mix)**이 변했습니다.

"셀프 바이(Self-Buy)" 토큰: 일부 제작자들은 자신감을 보여주기 위해 시작 단계에서 직접 자신의 토큰을 삽니다(마치 가수가 자신을 위해 앞좌석 티켓을 구매하는 것과 같습니다). 이 토큰들은 훨씬 높은 성공률(약 0.63%)을 보입니다.
"제로 셀프 바이(Zero-Self-Buy)" 토큰: 2026년의 대부분의 신규 토큰은 자신의 토큰을 먼저 구매하지 않은 사람들에 의해 만들어졌습니다. 이 토킨들의 성공률은 매우 낮습니다(약 0.05%).

결론: 전체적인 성공률이 떨어진 이유는 무대가 "제로 셀프 바이" 토큰들로 넘쳐났기 때문입니다. 만약 제작자가 자신의 티켓을 구매한 토큰들만 따로 본다면, 성공률은 사실 2025년과 동일합니다. 즉, "불운"이라기보다는 이제는 훨씬 더 많은 "위험한" 토큰들이 존재하게 된 것입니다.

3. "소셜 미디어"라는 초능력

연구진은 트위터(X) 계정, 웹사이트, 또는 텔레그램 그룹을 보유하는 것이 도움이 되는지 조사했습니다. 결과는 충격적이었습니다.

텔레그램이 왕이다: 텔레그램 채널을 홍보한 토큰은 그렇지 않은 토큰보다 졸업할 확률이 거의 9배 더 높았습니다.
"풀 스택(Full Stack)" 효과: 트위터, 웹사이트, 텔레그램 세 가지를 모두 홍서한 토큰은 아무것도 없는 토큰보다 성공률이 17배 더 높았습니다.
비유: 퍼포머가 문 밖에 팬클럽을 대기시켜 놓은(텔레그램) 오디션에서는 거의 확실하게 기립 박수를 받는 것과 같습니다. 반면, 팬층 없이 기타 하나만 들고 나타난 이들은 보통 야유를 받으며 퇴장하게 됩니다.

4. "첫 5분"의 법칙

연구진은 토큰이 졸업하기까지 정확히 얼마나 걸리는지를 추적했습니다.

발견 사항: 토큰이 졸업할 예정이라면, 그것은 매우 빠르게 일어납니다.
비유: 이것은 단거리 경주와 같습니다. 성공하는 토큰의 **90%**는 경주 시작 후 2분 이내에 결승선을 통과합니다. 만약 5분이 지날 때까지 결승선을 통과하지 못했다다면, 그 토큰은 거의 확실히 실패할 운명입니다. 토큰의 "생존"은 거의 즉각적으로 결정됩니다.

5. 그들은 실제로 무엇을 공개했는가?

이 논문은 단순히 숫자만을 다루는 것이 아니라, 다른 사람들이 수학적 검증을 할 수 있도록 문을 열어줍니다.

데이터셋: 그들은 관찰한 모든 토큰(86만 개 이상)에 대해 성공 여부를 라벨링한 방대한 리스트를 공개했습니다. 이를 RED-PUMP-2026-v1이라고 부릅니다.
프레임워크: 그들은 시간의 흐름에 따른 이러한 추세를 측정하는 새로운 방법인 **졸업 체제 윈도우(Graduation Regime Windows, GRW)**를 만들었습니다. 이는 마치 오디션의 서로 다른 "시즌"(예: 2025년의 "Marino 시즌" vs 2026년의 "Red Pump 시즌")을 명명하여, 누구나 사과와 사과를 비교하듯(동일한 기준으로) 비교할 수 있게 하는 것과 같습니다.

요약

이 논문은 "pump.fun" 오디션이 여전히 매우 위험하다는 것(500개 중 1개 미만이 성공)을 알려줍니다. 하지만 다음과 같은 조건을 갖춘 토큰에게는 확률이 유리하게 작용합니다:

제작자가 자신의 티켓을 직접 구매함 (Self-Buy).
강력한 소셜 미디어 존재감, 특히 텔레그램 그룹을 보유함.
매우 빠르게 움직임 (첫 몇 분 이내에).

전체적인 성공률의 하락은 "승자"들이 더 못해졌기 때문이 아니라, 이러한 장점들을 전혀 갖추지 못한 훨씬 더 많은 수의 토큰들이 무대를 가득 채웠기 때문입니다.

기술 요약: Pump.fun 졸업 체제 윈도우 (Graduation Regime Windows)

문제 정의
솔라나 기반 플랫폼인 pump.fun은 밈코인 출시를 촉진하며, 토큰의 본딩 커브(bonding-curve) 예비금이 특정 임계값(약 85 SOL)에 도달하면 PumpSwap DEX로 이전되는 "졸업(graduation)" 과정을 거친다. 졸업은 매우 드문 이벤트이다. 산업 대시보드와 기존 학술 연구(예: Marino et al., 2026)가 집계된 졸업률을 제공해 왔으나, 문헌상에는 다음과 같은 공백이 존재한다: (1) 방법론적 재현을 위한 공개적인 레코드 수준의 벤치마크 데이터셋의 부재, (2) 졸업 역학을 모델링하기 위한 생존 분석 방법(Kaplan-Meier, Cox 비례 위험 모델)의 적용 미비, (3) 오프체인 소셜 프레젠스 특징(Twitter, 웹사이트, Telegram)의 졸업 예측 인자로서의 정량적 평가 부재. 또한, 졸업률은 시간 경과에 따라 크게 변화해 왔으므로(2024년 4분기 <2%에서 2025년 후반 0.63%로), 이러한 서로 다른 시기적 "체제(regimes)"를 비교하기 위한 프레임워크가 필요하다.

방법론
저자들은 2026년 5월 8일부터 2026년 6월 10일 사이에 지속적으로 관찰된 832,941개의 고유 토큰 런칭에 대한 생존 분석을 제시한다 (이 단계를 "RED-PUMP-2026-v1" 체제로 명명).

데이터 수집: 퍼블릭 블록체인 옵저버가 pump.fun 프로그램-계정 업데이트 스트림을 구독하였다. 각 런칭에 대해 시스템은 민트 주소(mint address), 타임스탬프(seenAt, created_timestamp), 초기 시장 가치(SOL 단위), 그리고 런칭 메타데이터 내 Twitter, 웹사이트, 또는 Telegram URL 존재 여부를 나타내는 세 가지 불리언(Boolean) 지표를 기록하였다.
이벤트 정의: 연구는 토큰을 24시간 동안 추적한다. 최종 결과는 GRADUATED(본딩 커브 통과) 또는 TIMEOUT(24시간 경과 후 졸업 실패)이다. TIMEOUT은 우측 검열(right-censored) 이벤트로 처리된다.
통계적 프레임워크:
- Kaplan-Meier 추정량: 누적 졸업 확률 $F(t) = 1 - S(t)$ 를 추정하고 생존 곡선을 생성하는 데 사용되었다.
- 층화(Stratification): 분석은 소셜 채널 지표(개별 및 결합 카운트)와 초기 시장 가치 사분위수에 따라 층화되었다.
- Cox 비례 위험 모델: 다변량 준모수적 모델을 적합시켜 위험비( $\lambda_i(t|x_i) = \lambda_0(t) \exp(\beta^\top x_i)$ )를 추정하였다. 공변량으로는 소셜 지표, 로그 변환된 초기 시장 가치, 로그 변환된 설명 길이(description length)가 포함되었다. 추정치를 안정화하기 위해 L2 페널티( $10^{-3}$ )를 적용하였다.
- 체제 비교: 저자들은 현재의 34일 윈도우를 이전 기간(2024년 4분기 및 Marino et al., 2026 윈도우)과 비교하기 위해 "졸업 체제 윈도우(Graduation Regime Windows, GRW)" 프레임워크를 공식화하였다.

주요 결과

전체 졸업률: RED-PUMP-2026-v1 윈도우의 통합 졸업률은 0.198% (Wilson 95% CI [0.189%, 0.208%])이다. 이는 Marino et al. (2026)이 보고한 2025년 9월~10월의 0.63% 비율로부터 3.18배 감소한 수치이다.
소셜 프레젠스 효과: 오프체인 소셜 지표는 매우 높은 예측력을 보인다.
- Telegram 채널이 있는 런칭은 없는 경우(0.166%)에 비해 **1.485%**의 졸업률을 보였다 (8.94배 상승). Telegram에 대한 다변량 Cox 위험비는 5.40 (95% CI [4.73, 6.17], $p=6.6 \times 10^{-138}$ )이다.
- 세 가지 소셜 채널을 모두 광고하는 런칭은 하나도 없는 경우(0.110%)에 비해 **1.919%**의 졸업률을 보였다 (17.4배 상승).
시장 가치 및 셀프 바잉(Self-Buying):
- 초기 시장 가치 분포는 플랫폼 기본값인 30 SOL에서 큰 질량을 형성한다.
- 상위 사분위수(초기 mcap > 31 SOL, 창작자의 셀프 바잉으로 해석됨)는 **0.634%**의 졸업률을 기록했으며, 이는 Marino et al. (2026) 연구의 통합 비율인 0.63%와 거의 정확히 일치한다.
- 하위 세 사분위수(셀프 바잉이 거의 없는 런칭이 지배적)는 단 **0.053%**의 졸업률만을 보였다.
모델 성능: Cox 모델은 Harrell's concordance index 0.858을 달성하였다.
시간적 역학: 관찰 윈도우의 첫 4일 동안은 옵저버 인프라의 웜업 지연으로 인해 인위적으로 낮은 비율(0.015%–0.043%)을 보였다. 이 기간을 제외하면 정상 상태(steady-state) 비율은 **0.207%**이다.

의의 및 주장
본 논문은 네 가지 주요 기여를 주장한다:

RED-PUMP-2026-v1: 고정된 스키마를 가진, 최초로 공개된 pump.fun의 레코드 수준 벤치마크 데이터셋(860,213개 런칭)을 Zenodo에 CC-BY-4.0 라이선스로 공개하였다.
방법론적 최초 사례: pump.fun 졸업 이벤트에 Kaplan-Meier 생존 곡선 및 Cox 비례 위험 모델링을 적용한 최초의 공개 연구이다.
종단적 분해(Longitudinal Decomposition): 졸업률의 체제 간 감소가 셀프 바잉 런칭의 성공률 감소보다는, 셀프 바잉 런칭(약 0.63%로 안정적임)이 적은 **구성적 변화(compositional shift)**에 상당 부분 기인한다는 경험적 분해를 제시한다.
표준화: 향후 비교 연구를 위한 표준화된 메트릭으로서 졸업 체제 윈도우(GRW) 프레임워크와 **Pump.fun 졸업 지수(PGI)**를 도입하였다.

저자들은 소셜 채널과 관련하여 인과관계를 주장하지 않으며, 노력의 대리 지표(proxy), 발견 가능성(discoverability), 선택 편향(selection) 등을 배타적이지 않은 해석으로 제시한다. 또한, 24시간 관찰 제한 및 탐지 지연을 한계점으로 명시하며, 보고된 졸업률 상승은 트레이딩 신호로서의 실행 가능한 도구가 아니라 필터 설계를 위한 예측 지표임을 밝힌다.

1. 확률이 떨어졌다 (The "Graduation Rate")

2. 왜 확률이 떨어졌는가? (The "Self-Buy" Mystery)

3. "소셜 미디어"라는 초능력

4. "첫 5분"의 법칙

5. 그들은 실제로 무엇을 공개했는가?

요약

유사한 논문