Cálculos de capitalización de mercado y tamaño de posición

Curiosidad

1. Si existen mil millones de unidades de un token, ¿por qué su capitalización de mercado puede superar con creces lo que sus holders podrían obtener realmente al vender?
2. ¿Cómo determina una fórmula de producto constante exactamente cuánto capital devuelve una venta cuando las reservas son escasas?
3. ¿Cuál es la diferencia entre el valor que muestra un exchange y lo que el pool realmente puede pagar?

Explorar

Parte IMatemáticas del valor de mercado

1. La capitalización de mercado multiplica el precio actual por la oferta en circulación; la valoración totalmente diluida (FDV) utiliza la oferta total. En el caso de Bitcoin, ambas cifras son cercanas: circulan unos 20 millones de monedas de un límite máximo de 21 millones. En launchpads de Solana como pump.fun, los tokens se lanzan con mil millones de unidades acuñadas de inmediato en la bonding curve. La capitalización de mercado que muestran estas plataformas utiliza los mil millones completos, aunque la mayor parte siga en poder de la curva.
2. La bonding curve funciona mediante matemáticas de producto constante sobre reservas virtuales de SOL y de tokens. A medida que los compradores depositan SOL, la reserva de tokens de la curva disminuye, lo que eleva el precio. Este mecanismo genera una cotización sin proveedores de liquidez externos. La capitalización de mercado en la curva equivale al precio spot multiplicado por la oferta. Sin embargo, esta cifra representa una valoración, no liquidez; supone que todas las unidades se pueden vender en ese momento, lo cual rara vez ocurre en pools con poca liquidez.
3. En un pool de producto constante donde x · y = k, vender Δx tokens devuelve y · Δx / (x + Δx). Esta fórmula revela el deslizamiento: cuanto mayor sea la venta en relación con las reservas, menor será el precio promedio de ejecución. Para un pool que contiene 100 SOL y 100 millones de tokens, el precio implícito es de 1 SOL por millón de tokens. Si la oferta total es de mil millones, el valor de mercado es de 1,000 SOL. Sin embargo, vender 10 millones de tokens solo genera unos 9.09 SOL debido a este efecto.
4. Vender 100 millones de tokens de ese mismo pool devuelve exactamente 50 SOL antes de comisiones, no los 100 SOL que sugiere la valoración teórica. Esta discrepancia surge porque la propia venta agota la reserva de cotización y hace bajar el precio en mitad de la transacción. El valor teórico de una tenencia grande puede ser muchas veces lo que el pool contiene realmente. Esta brecha entre la FDV y la liquidez ejecutable es el perfil de riesgo característico de las memecoins con poca liquidez.
5. La misma aritmética funciona al alza. Como la oferta es fija, todo cambio en la capitalización de mercado es un cambio de precio, y en un pool con poca liquidez las operaciones pequeñas mueven mucho el precio. Comprar con 10 SOL en el pool del ejemplo deja 110 SOL y unos 90,9 millones de tokens, así que el precio sube aproximadamente un 21 % y la capitalización de mercado mostrada salta de 1.000 a unos 1.210 SOL, con una compra de 10 SOL.
6. Para verificar esta aritmética, abre un explorador de Solana y localiza el pool de un token graduado. Compara la reserva actual de SOL con la reserva de tokens para obtener el precio spot. Multiplícalo por la oferta total para obtener la capitalización de mercado. Luego usa la fórmula de producto constante para calcular cuánto devolvería vender el 1 % de la oferta total. La diferencia entre el pago calculado y el valor teórico cuantifica la restricción de liquidez inherente a ese pool concreto.

Parte IIGestión de riesgos y tamaño de posición

7. Las tasas base definen el panorama general. Los datos on-chain de launchpads como pump.fun muestran que la mayoría de los tokens lanzados a través de bonding curves nunca llegan a un pool AMM, y muchos de aquellos que sí lo hacen también acaban desapareciendo. Por cada token que multiplica su valor, hay muchos más que se reducen a cero. La gestión del riesgo, tal como la describen los traders experimentados, prioriza la supervivencia sobre las predicciones: ninguna pérdida individual debería ser capaz de poner fin a su actividad comercial.
8. El tamaño de las posiciones aborda esta asimetría. Muchos operadores asignan a cada posición una pequeña parte del capital total; generalmente se trata de una cantidad que pueden permitirse perder por completo sin afectar su estabilidad financiera. Una regla práctica que se suele mencionar es no arriesgar más del uno o dos por ciento del capital en ninguna operación; dado que un token puede llegar a valer cero, la cantidad en riesgo es toda la posición. Al determinar el tamaño de las posiciones de esta manera, incluso una serie prolongada de pérdidas totales mantiene la mayor parte del capital intacto.
9. Las mecánicas de ejecución suelen hacer que las salidas teóricas resulten ineficaces. En las cadenas Solana y EVM, los memecoins a menudo se negocian en pools con poca liquidez. Una orden de venta repentina puede hacer que el precio cambie drásticamente (slippage) o no ejecutarse del todo si no hay contraparte. Las órdenes de stop-loss, que dependen de que las órdenes de mercado se activen a precios específicos, pueden ejecutarse con pérdidas mucho mayores de lo esperado durante un crash. Muchos operadores consideran el slippage y las comisiones como costos que disminuyen el valor esperado incluso antes de que el precio cambie.
10. El apalancamiento amplifica tanto las ganancias como el riesgo de liquidación. Una posición con un apalancamiento de diez veces pierde el cincuenta por ciento de su margen ante una caída del precio del cinco por ciento. En modo aislado, la pérdida está limitada al colateral asignado; en modo cruzado, todo el saldo de la cuenta sirve como respaldo, lo que permite que una sola operación liquide todas las posiciones simultáneamente. Muchos traders evitan el apalancamiento con los volátiles memecoins porque el umbral para una pérdida permanente de capital está demasiado cerca del ruido normal del mercado, haciendo que la supervivencia dependa de la dirección a corto plazo de los precios en lugar de de la tesis a largo plazo.
11. Los sesgos cognitivos erosionan sistemáticamente la disciplina. La teoría de las perspectivas de Kahneman y Tversky (1979) demostró que las pérdidas se perciben como más grandes que las ganancias del mismo monto, y que las personas asumen riesgos adicionales para evitar una pérdida segura; la costumbre resultante de mantener posiciones perdedoras por demasiado tiempo se denomina efecto de disposición. La falacia del costo hundido (dejar que el dinero ya gastado influya en la decisión siguiente) y el miedo a perderse algo también contribuyen en la misma dirección. El valor esperado combina la probabilidad de cada resultado con su magnitud: una probabilidad del 10% de obtener un retorno cinco veces mayor y una probabilidad del 90% de perder todo da como resultado 0,1 × 4 − 0,9 × 1 = −0,5, es decir, una pérdida esperada equivalente a la mitad de la inversión. Cuando un operador aumenta su posición perdedora con la esperanza de que mejore, a menudo está incrementando su exposición contra la tasa base en lugar de seguir una estrategia predefinida.
12. Decidir las condiciones de salida con antelación es una práctica común para eliminar la influencia emocional en la ejecución. Esto implica definir criterios de entrada y objetivos de precio específicos o fechas límite para salir antes de abrir una operación. Sin embargo, en los activos ilíquidos, estos planes se enfrentan a limitaciones reales: si desaparece la liquidez, la orden podría no ejecutarse al precio planeado. El equilibrio entre una disciplina estricta y la realidad del mercado se gestiona reconociendo que algunas pérdidas son inevitables debido a factores estructurales como los rug pulls o la eliminación de la liquidez, algo que ninguna cantidad de análisis técnico puede prevenir.

Datos clave

Ejercicio nueve, seis, tres, uno

Verificación de hechos

Fechas, cifras y afirmaciones verificadas con las fuentes publicadas que se enumeran a continuación.

• H. Adams, N. Zinsmeister & D. Robinson, 'Uniswap v2 Core' (2020)
• Raydium documentation (constant-product pools)
• pump.fun documentation and FAQ
• D. Kahneman & A. Tversky, Prospect Theory: An Analysis of Decision under Risk (1979)
• On-chain launchpad statistics from Dune dashboards
• General portfolio risk literature on position sizing