데이터

train.csv

test_unlabeled.csv

chunk*.csv

실제 분석의 중심이 되는 행동 데이터셋(behavior dataset)

각 파일은 토큰이 민트된 직후 100개의 블록 내에서 발생한 거래 데이터를 담고 있음

block_time	거래 발생 시각(UTC 기준 타임스탬프)
slot	해당 거래가 발생한 솔라나 슬롯 번호
tx_idx	블록 내에서의 트랜잭션 순번
signing_wallet	거래를 서명한 지갑 주소
direction	거래 방향(`buy` / `sell` )
base_coin	token involved in the swap(= 토큰 교환) 사거나 판 코인의 이름
base_coin_amount
quote_coin_amount	해당 거래에서 교환된 SOL 수량
virtual_token_balance_after	거래 후, 유동성 풀에 남아 있는 토큰의 가상 잔고 높을수록 → 사람들이 토큰을 덜 샀거나, 매도서 토큰이 다시 풀로 들어왔다는 뜻
virtual_sol_balance_after	거래 후, 유동성 풀에 남아 있는 SOL의 가상 잔고 높을수록 → 많은 사람들이 이 토큰을 샀다는 뜻
signature	트랜잭션 서명 트랜잭션의 고유 ID 같은 역할 (지갑 주소가 실제로 서명했는지 인증)
provided_gas_fee	사용자가 제시한 총 gas 비용 트랜잭션을 보낼 때 “이 정도까지는 수수료로 지불하겠다”는 상한선
provided_gas_limit	최대 사용 가능 gas 양 트랜잭션 실행에 허요된 최대 계산량 (계산 복잡도 제한치)
fee	실제로 지불된 수수료 트랜잭션 처리 후 실제로 빠져나간 SOL 수수료 (보통 provided_gas_fee보다 작음)
consumed_gas	실제로 사용된 gas 양 이 트랜잭션을 실행하는 데 소모된 계산량 (실제 연산량)

dune_token_info.csv

Dune Analytics에서 수집된 토큰 메타데이터

token_mint_address	토큰의 민트 주소 (고유 ID)
decimals	토큰이 소수점 이하로 몇 자리까지 표현 가능한지 같은 숫자라도 실제 양은 다를 수 있음 amount / (10^decimals) 로 정상화해서 다뤄야 함
name, symbol	토큰의 이름과 심볼(브랜딩 정보)
token_uri	IPFS에 저장된 메타데이터 링크
created_at	해당 토큰이 민트된 시각
init_tx	초기 민팅 트랜잭션 해시값 (트랜잭션 고유 ID) - 블록체인에서는 모든 거래가 고유한 해시 값을 가짐 - 이 컬럼은 그 중에서도 이 토큰을 생성한 최초의 거래를 가리킴 - solscan 같은 사이트에서 검색하면, 토큰 생성 시점에 무슨 일이 있었는지 볼 수 있음 - httsp://solscan.io/tx/[init_tx] 로 검색하면 생성 내역 조회 가능

token_info_onchain_divers.csv

토큰 메타데이터 + 배포 관련 통계

block_time, slot, tx_idx	해당 토큰이 민트된 시점의 시간/슬록/트랜잭션 인덱스
creator	이 토큰을 만든 지갑 주소(배포자)
mint	토큰 민트 주소
bundle_size	민트 트랜잭션 안에 한 번에 생성된 토큰 수
gas_used	토큰 생성시 사용된 가스량
name, symbol, url	토큰의 이름, 심볼, 메타데이터 URI
amount_of_instructions
curve_address	유동성 풀의 특정 커브(곡선) 로직을 정의한 스마트 컨트랙트 주소 - 유동성 풀이 어떤 가격 결정 로직을 따르는지를 지정한 스마트 컨트랙트 주소 - 곡선이 다르면 가격 반응성, 슬리피지, 수익 모델이 다름

‼ 데이터 row 수가 많아서 모두 merge 하면 csv 가 제대로 저장이 안되는 문제

베이스라인

수치형 데이터 통곗값(mean, std, min, max, sum)으로 모델 학습

실패 logloss: 0.007679

성공 logloss: 2.778895

제외 컬럼

chunk_slot_min
- 첫 거래의 slot은 코인이 생성된 slot 과 같음

dune_decimals

성능 향상 전략

베이스라인 train 데이터 예측 확률로 그룹화

실패 코인은 대부분 예측 확률이 0.0 근처(거의 확신)

성공 코인 은 두 극단(0.0 근처 / 1.0 근처) 모두 존재
- → 혼동되는 성공 코인이 분명히 있음

→ 예측 확률 기반으로 3개 그룹으로 나눠서 접근

그룹	조건	설명
성공 확신 코인(TP)	실제로 성공 & 예측 확률 > 0.9	모델이 “성공이라고 본” 실패 코인
성공 혼동 코인(FN) ⭐️	실제로 성공 & 예측 확률 ≤ 0.1	모델이 “거의 실패라고 본” 성공 코인
실패 코인(TN)	실제로 실패 & 예측 확률 < 0.1	모델이 “실패라고 본” 실패 코인

예측 확률 기반으로 3개 그룹 나누는 코드

def assign_prediction_group(row):
    if row['has_graduated'] == False and row['predicted_probability'] < 0.1:
        return '실패 코인(TN)'
    elif row['has_graduated'] == True and row['predicted_probability'] > 0.9:
        return '성공 확신 코인(TP)'
    elif row['has_graduated'] == True and row['predicted_probability'] <= 0.1:
        return '성공 혼동 코인(FN)'

df['prediction_group'] = df.apply(assign_prediction_group, axis=1)

python

성공 혼동 코인(FN)을 위한 미니 모델 학습

성공 혼동 코인(FN) 과 실패 코인(TN) 만 모델을 돌리면 잘 예측할까?

→ 구분을 거의 못 함.

TN 언더샘플링 미니 모델

tn 언더샘플링 후, fn tn으로만 학습했을 때 feature importance

베이스라인의 Logloss가 낮은 이유는 코인 실패 데이터의 수가 워낙 많고 실패를 잘 예측하기 때문.

TN을 언더샘플링 해버리면 TN의 개수가 많이 없어져서 logloss가 커질 수 밖에 없음

class weights 적용 미니 모델

undersampling vs class_weights 모델의 feature importances

어떤 모델의 feature importances가 더 의미 있을까?

tn 언더샘플링 후, fn tn으로만 학습했을 때 feature importance

class_weights 적용 후 fn tn 학습

undersampling	class_weights
데이터가 균형이기 때문에 FN을 잘 맞추는 특징이 무엇인지에만 집중된 모델 - 단점: TN 쪽 정보는 대부분 버려짐	FN을 잘 맞추는 특성과 전체 예측에 도움이 되는 변수가 혼합됨 TN 예측 성능을 유지하면서도 FN도 어느정도 고려하는 균형 잡힌 모델

두 모델에서 Top 20 중요 변수 교집합 → 모델 학습

공통적으로 중요한 변수는 FN 예측에 유효할 가능성 있음

변수 목록

✅ Top 20 교집합 Feature 수: 15
🔗 공통 Feature 목록:
- chunk_consumed_gas_mean
- chunk_consumed_gas_min
- chunk_provided_gas_fee_mean
- chunk_provided_gas_limit_mean
- chunk_provided_gas_limit_std
- chunk_slot_std
- chunk_tx_idx_max
- chunk_tx_idx_mean
- chunk_tx_idx_min
- chunk_virtual_sol_balance_after_mean
- chunk_virtual_sol_balance_after_min
- gp_amount
- onchain_dev_balance
- onchain_tx_idx
- pump_created_timestamp

→ 성공 logloss, 실패 logloss 모두 악화됨

Top20 중요 변수 합집합 → 모델 학습

각 모델에서 중요하게 생각하는 변수를 좀 더 추가

변수 목록

✅ Top 20 합집합 Feature 수: 25
🔗 공통 Feature 목록:
- b2
- chunk_base_coin_amount_mean
- chunk_consumed_gas_mean
- chunk_consumed_gas_min
- chunk_fee_max
- chunk_fee_mean
- chunk_provided_gas_fee_mean
- chunk_provided_gas_limit_mean
- chunk_provided_gas_limit_std
- chunk_slot_std
- chunk_tx_idx_max
- chunk_tx_idx_mean
- chunk_tx_idx_min
- chunk_tx_idx_std
- chunk_tx_idx_sum
- chunk_virtual_sol_balance_after_mean
- chunk_virtual_sol_balance_after_min
- chunk_virtual_token_balance_after_max
- chunk_virtual_token_balance_after_mean
- gp_amount
- onchain_dev_balance
- onchain_gas_used
- onchain_pf_program_index
- onchain_tx_idx
- pump_created_timestamp

→ 성공 logloss, 실패 logloss 모두 악화됨

이중 기반의 하이브리드 모델 설계

class_weights 기반으로 전체 모델 구성 후, FN 예측만 별도 모델로 언더샘플링 기반 보조 모델 사용

실패 logloss: 0.170811

성공 logloss: 1.009139

성공 코인은 개선됨. FN(성공 혼동 코인)을 개선한 대신, TN을 희생함

💡

class_weights 사용하면 안 될 듯

class_weights를 사용하면 소수 클래스(FN, 성공)에 집중하도록 유도

하지만, 데이터에서 실패(0)의 개수가 지나치게 많고, 실패를 성공으로 잘못 예측하면 logloss에 큰 패널티가 있기 때문에, 실패를 조금이라도 성공으로 예측하면 성능이 심각하게 악화됨

거래 수 비교

실패 코인이 거래 수가 확실히 적은 편

100개 블록 동안 거래 수가 총 1개인 코인의 개수

거래 수가 1개인 코인들을 어떻게 성공이라고 판단했을까?

잔고 관련 지표
- 성공으로 확신한 코인들은 토큰 잔액이 적고, 솔라나 잔액이 많음

거래 수가 1개인 코인들은 대부분 creator가 구매한 것

creator가 안 산 경우를 파보다가, 특정 사람이 여러 코인을 사는 경우를 확인

niggerd597QYedtvjQDVHZTCCGyJrwHNm2i49dkm5zS

→ 이 사람이 산 코인은 대부분 성공

wallet_success_rate

→ 파생변수로 추가하여 모델 돌려봄

wallet_success_rate

각 거래 내역에서 거래를 한 지갑(사람)이 투자한 코인의 성공률을 계산하여 wallet_success_rate 라는 feature를 만들고, 각 코인 별로 갖고 있는 wallet_success_rate 값을 mean, std, min, max, sum 으로 집계를 내려서 최종 feature 로 추가

실패 logloss: 0.001683

성공 logloss: 0.610846

😱 문제점

train set에 없는 wallet이 test set에 등장하는 경우가 많아 test logloss는 더 안 좋아짐

test 에 있는 코인 478832개 중 56988개에서 wallet_success_rate 가 결측치

test prediction 기반 wallet success rate 보강한다면?
1. train 기반 wallet_success_rate 계산(기존 방식)
1. test 에서 predicted_probability ≥ threshold(e.g 0.95)인 코인에서 참여한 wallet을 success로 간주
1. 이 wallet들을 포함해 전체 wallet_success_rate를 재계산
1. 그걸 다시 test에 집계 특성(mean, std, min, max, sum)으로 넣기

test prediction 기반 wallet success rate 보강하기 전
test logloss: 0.2399

보강 후
test logloss: 0.1684

→ 보강 후로 0근처로 확률이 늘어나면서 negative 예측이 확신을 가지게 된 것으로 보임

→ FP(실패인데 성공으로 예측)이 줄어들은 것 같음.

wallet 정보를 보강하기 위한 API 들을 알아봄 → 내용 정리하기

creator_success_rate

토큰 발행자가 발행한 코인 중 성공한 코인의 비율

실패 logloss: 0.001566

성공 logloss: 0.473295

wallet_success_rate 과 마찬가지로 testset 에는 학습 시킬 때는 몰랐던, test 데이터에서 처음 등장하는 토큰 발행자가 있다는 문제점이 있다.. 처음 등장하는 지갑(거래자)보다 처음 등장하는 토큰 발행자가 더 많다 🥲

creator 가 몇 번째로 발행한 코인인지?

코인 발행자들은 대부분 1-2개 정도 발행했다. (대부분의 토큰이 각 크리에이터의 첫 번째 토큰임)

평균적인 순서는 TP > FN > TN
- 표준편차도 TP가 가장 높음 → TP 그룹은 경험이 적은 크리에이터부터 많은 크리에이터까지 다양하게 분포

최댓값을 봤을 때는, 실패 코인이라도 토큰을 많이 발행한 사람은 존재하지만 평균은 낮은 편

거래가 1건이면서 성공한 코인들은 경력자인 크리에이터가 발행한 코인일까?

거래가 1건밖에 없는 코인이라 정보가 적지만,

성공 확신 코인일수록 초기에 성공한 케이스가 많음

일관된 성공 전략을 가진 크리에이터는 일부 존재하지만, 대부분은 한두 번 성공한 후 다시 실패하거나, 초기 실패 후 성공한 뒤 다시 실패하는 등, 성공/실패가 반복되는 양상

→ 성공 경험이 반복적인 성공으로 이어지는 보장은 없음

거래 수에 따른 예측 그룹 분포

실패 코인 중에서 총 거래수가 490인 코인을 살펴보면
- 거래 내역
  매수 488건, 매도 2건
- unique wallet 수 221개
  한 지갑이 최대로 많이 참여한 거래는 3건

wallet_tx_ratio

계산식

# mint별로 wallet 거래 횟수 비율 계산
wallet_mint_tx_ratio = (
    df.groupby(['mint', 'chunk_signing_wallet']).size()
    .div(df.groupby('mint').size(), level='mint')
    .rename('wallet_tx_ratio')
    .reset_index()
)

python

거래한 지갑이 해당 토큰의 거래에 얼마나 비중을 차지하는지 나타내는 변수

→ 이와 비슷하게 거래량 편중도 지수(거래 편중도, transaction concentration index)를 만들 수 있음

최초 거래를 누가 했는지

크리에이터가 아닌 외부인이 최초로 거래를 시작했을 때, 실패할 확률이 높음

code

예측 그룹	구성 비율
실패 코인(TN)	61.52%
성공 혼동 코인(FN)	20.07%
성공 확신 코인(TP)	18.40%

솔라나 비율

유동성 풀에서 솔라나가 차지하는 비율

SOL 비율이 높음

낮은 초기 SOL 비율 가짐

• cretor_success_rate가 높은 크리에이터들의 공통적인 토큰 설계 특성 비교

초기 거래 패턴 차이
- FN 코인은 초기에 빠르게 거래가 몰리는 구조?
- 예: 첫 10개 블록 내 거래 수, unique wallet 수 등

가격 정보가 있다면 가격 변화 속도
- FN은 가격 펌핑이 있고 TN은 그렇지 않은 패턴이 있을 수 있음

구매/판매 지표의 변형
- buy_minus_sell_ratio의 시계열 변화 (초기엔 매수 많고 이후 매도 몰리는 등)

지갑의 행위 유형 분석
- 같은 지갑이 여러 코인에서 반복적으로 활동 → rug 가능성?
- 반복해서 실패한 지갑이 포함된 경우

시간 기반 집중도
- FN은 특정 시간대에 거래가 몰려있는지, TN은 흩어져 있는지

펌핑 속도 - 얼마나 빨리 사람들을 모았는가?

code

chunk_df = df.copy()  # 전체 df 기준

# time_to_first_10_tx, avg_time_per_tx_early
def calc_time_features(group):
    group = group.sort_values('chunk_block_time')
    if len(group) < 10:
        return pd.Series({
            'time_to_first_10_tx': None,
            'avg_time_per_tx_early': None
        })
    times = pd.to_datetime(group['chunk_block_time'].iloc[:10])
    
    # 총 1~10번째 시간차
    time_diff = (times.iloc[9] - times.iloc[0]).total_seconds()

    # 평균 간격 계산
    avg_time = times.diff().dt.total_seconds().dropna().mean()
    return pd.Series({
        'time_to_first_10_tx': time_diff,
        'avg_time_per_tx_early': avg_time
    })

LAMPORTS_PER_SOL = 1e9
# slot_to_first_10_SOL
def calc_slot_10_SOL(group):
    if len(group) < 10:
        return None

    group = group[group['chunk_direction'] == 'buy']
    if group.empty:
        return None

    group = group.sort_values('chunk_slot')

    # ✅ Lamports → SOL 변환
    group['cum_SOL'] = group['chunk_quote_coin_amount'] / LAMPORTS_PER_SOL
    group['cum_SOL'] = group['cum_SOL'].cumsum()

    # ✅ 10 SOL 기준
    if (group['cum_SOL'] >= 10).any():
        first_slot = group['slot_min'].iloc[0]
        target_slot = group.loc[group['cum_SOL'] >= 10, 'chunk_slot'].iloc[0]
        return target_slot - first_slot

    return None

# initial_burst_ratio
def calc_burst_ratio(group):
    if len(group) < 10:
        return None
    total = len(group)
    return 10 / total if total > 0 else None

# 실행
features_df = chunk_df.groupby('mint').apply(lambda g: pd.concat([
    calc_time_features(g),
    pd.Series({'slot_to_first_10_SOL': calc_slot_10_SOL(g)}),
    pd.Series({'initial_burst_ratio': calc_burst_ratio(g)})
], axis=0)).reset_index()

python

time_to_first_10_tx : 첫 거래 ~ 10번째 거래까지 걸린 시간

계산식: chunk_block_time 기준 정렬 후 상위 10개 간 시간 차

slot_to_first_10_SOL: 10 SOL 채우는 데 걸린 slot 차

계산식: chunk_slot 정렬 후 누적 매수 거래량이 10 SOL 넘는 시점까지의 솔롯 차(chunk_direction = buy일 때, chunk_quote_coin_amount 의 합)

avg_time_per_tx_early: 초기 10건의 평균 거래 간격

계산식: 첫 10개 chunk_block_time 간격 평균

initial_burst_ratio: 처음 10건이 전체 거래에서 차지하는 비중

계산식: mint별 총 거래 수 대비 상위 10개 비중

참여의 다양성 - 다양한 지갑들이 참여했는가?

unique_wallet_per_10_tx: 처음 10건에 참여한 지갑 수

creator_tx_ratio: crator가 거래한 비중(지갑 하나가 다 사면 사기 가능성)

wallet_entropy: 지갑별 거래 비율의 Shannon entropy(높을수록 다양함)

구매/판매 균형

buy_sell_ratio: 매수 수 / 매도 수

quote_coin_growth_rate: 시간에 따른 구매량 증가 속도

sell_delay_avg: 처음 매수한 지갑이 처음 파는 데까지 걸린 평균 시간

본딩 커브 진척도 추정 - 실제 졸업 기준 접근 여부

est_total_SOL_input: 현재까지 들어온 SOL의 누적합

curve_coverage_ratio: est_SOL_input / expected_total_SOL

시도해봤던 것들

데이터 불균형 해소

SMOTE

실패 logloss: 0.007515

성공 logloss: 2.685945

실패 logloss: 0.016788

성공 logloss: 2.533374

TN, FN, TP 모두 줄었음

FN을 줄이고 싶은데, 오버샘플링을 사용하면 FP가 늘어나면서 실패 logloss가 급상승함

특히 실패 클래스가 훨씬 많아, 실패 예측의 정확도가 logloss에 더 큰 영향을 줌

mint	토큰의 민트 주소(고유 ID)
slot_min	토큰이 생성된 솔라나 슬롯번호
slot_graduated	85 SOL 유동성을 달성한 슬롯 번호(if applicable)
has_graduated	졸업 여부 True / False

밈코인 성공 예측 분석1

데이터

베이스라인

제외 컬럼

성능 향상 전략

베이스라인 train 데이터 예측 확률로 그룹화

성공 혼동 코인(FN)을 위한 미니 모델 학습

TN 언더샘플링 미니 모델

class weights 적용 미니 모델

undersampling vs class_weights 모델의 feature importances

거래 수 비교

거래 수가 1개인 코인들을 어떻게 성공이라고 판단했을까?

wallet_success_rate

😱 문제점

creator_success_rate

creator 가 몇 번째로 발행한 코인인지?

거래가 1건이면서 성공한 코인들은 경력자인 크리에이터가 발행한 코인일까?

거래 수에 따른 예측 그룹 분포

wallet_tx_ratio

최초 거래를 누가 했는지

솔라나 비율

펌핑 속도 - 얼마나 빨리 사람들을 모았는가?

참여의 다양성 - 다양한 지갑들이 참여했는가?

구매/판매 균형

본딩 커브 진척도 추정 - 실제 졸업 기준 접근 여부

시도해봤던 것들

데이터 불균형 해소

SMOTE

Tags

sol’s blog

밈코인 성공 예측 분석1

데이터

베이스라인

제외 컬럼

성능 향상 전략

베이스라인 train 데이터 예측 확률로 그룹화

성공 혼동 코인(FN)을 위한 미니 모델 학습

TN 언더샘플링 미니 모델

class weights 적용 미니 모델

undersampling vs class_weights 모델의 feature importances

거래 수 비교

거래 수가 1개인 코인들을 어떻게 성공이라고 판단했을까?

wallet_success_rate

😱 문제점

creator_success_rate

creator 가 몇 번째로 발행한 코인인지?

거래가 1건이면서 성공한 코인들은 경력자인 크리에이터가 발행한 코인일까?

거래 수에 따른 예측 그룹 분포

wallet_tx_ratio

최초 거래를 누가 했는지

솔라나 비율

펌핑 속도 - 얼마나 빨리 사람들을 모았는가?

참여의 다양성 - 다양한 지갑들이 참여했는가?

구매/판매 균형

본딩 커브 진척도 추정 - 실제 졸업 기준 접근 여부

시도해봤던 것들

데이터 불균형 해소

SMOTE

Tags