Построили дата-риг и прогнали Monte-Carlo на документированных base-rates Solana/pump.fun под честными (adversarial) издержками. Вот ответ — до того, как трогать деньги.
До DEX доходят 0.63%. 62.5% трейдеров — в минусе. Round-trip издержки на ранней кривой 15–20%: чтобы просто выйти в ноль, нужен 2x. Розница входит после соцсигнала — она exit liquidity для снайпер-ботов и инсайдеров (same-block snipe физически недоступен: latency 500мс > slot 400мс).
Даже при реалистичных издержках и стратегии «дать победителям бежать» фильтр должен угадывать graduation в 44 случаях из 100. Лучшие известные фильтры поднимают graduation до ~5%. При 5% матожидание сделки = −72%. Разрыв — ×9. Поэтому реальных денег: $0.
| Сценарий издержек | Break-even точность | EV при 5% |
|---|---|---|
| Оптимистичный (round-trip ~5%) | 39–47% | −68…−77% |
| Реалистичный (~15%) | 44–52% | −72…−81% |
| Худший (~50%+) | 75–85% | −85…−91% |
Диапазон в строке = две стратегии выхода (трейлинг 50% ↔ 30% «runners»). Во ВСЕХ сценариях требуемая точность в 8–13 раз выше достижимых 5%.
■ EV < 0 (минус) · ■ EV > 0 (плюс). Каждая ячейка — точность фильтра. EV переходит в плюс только около 53% точности: 0.6%→−0.88, 5%→−0.81, 35%→−0.28, 55%→+0.06, 100%→+0.84.
Ты получил не казино-кнопку, а машину правды: она построена, протестирована (59 тестов зелёных), считает честно и стоила $0. И она сэкономила тебе банк — данные говорят, что наивный занос = матожидание −72…−88%.
Следующий заход вернёт измеренную precision твоего фильтра против планки 44% — единственное число, которое решает всё.
Это синтетический Monte-Carlo на research base-rates (N=20 000/точку), а НЕ бэктест на реальной истории токенов. Реальные данные сдвинут числа — но разрыв ×9 слишком велик, чтобы быть артефактом синтетики.
Base-rates взяты из 6 research-отчётов (источники ниже). Модель НЕ учитывает инсайдерский/copy-trading edge (alpha-кошельки, V2) и не моделит «продажу на самом дне/пике». Exit-стратегия — рычаг: «дать победителям бежать» сдвигает планку с 52% к 44%, но не к 5%.