Las plataformas de lanzamiento de los exchanges promedian ganancias de 10 veces, pero se enfrentan al escrutinio por valoraciones elevadas y modelos opacos
Los tokens lanzados a través de plataformas de lanzamiento de exchanges generaron rendimientos de dos dígitos en 202, pero el canal de recaudación de fondos sigue siendo una carga para los usuarios minoristas con valoraciones elevadas y asignaciones opacas, dijo MEXC Research en un informe del 15 de julio.
El informe revisó docenas de ofertas en plataformas de exchanges centralizados (CEX) y descentralizados (DEX). MEXC registró cinco listados en la primera mitad del año con un rendimiento máximo promedio de 10.83 veces el precio de venta, encabezando el campo por número de acuerdos.
Bybit obtuvo el mejor resultado individual, logrado por Xterio, con un retorno de 14,71 veces la inversión inicial. Sin embargo, requería que los usuarios bloquearan los tokens de la plataforma a través de un sistema escalonado.
Al mismo tiempo, Gate.io redujo el costo de entrada a 1 USDT, aunque la mayor parte de la asignación aún se destinó a los stakers que cumplían con las reglas de instantáneas.
Los lugares DEX, como Pump.fun coincidían con los rendimientos de CEX en ocasiones y ofrecían acceso sin restricciones, pero los participantes se enfrentaron a oscilaciones extremas de precios y una mayor incidencia de tirones de alfombra porque los listados se saltaron las revisiones de diligencia debida.
Los defectos estructurales dificultan el rendimiento posventa
El informe identificó varios mecanismos que diluyen el valor a largo plazo. Muchas plataformas de lanzamiento enumeran tokens a valoraciones infladas y totalmente diluidas, mientras que liberan solo un pequeño suministro circulante. Esta combinación anima a los primeros titulares y plataformas a vender en la primera ola de demanda del mercado secundario.
Las caídas inmediatas erosionan la confianza y dejan a los compradores minoristas con activos depreciados a pesar de las cifras principales de retorno de la inversión.
El diseño de acceso también sesga los beneficios a favor de los iniciados. Los programas CEX a menudo favorecen a los grandes tenedores de saldo a través de niveles VIP o umbrales de participación aumentados, mientras que las curvas de vinculación DEX pueden ser manipuladas por bots que se adelantan a los compradores manuales.
Ambas vías socavan la narrativa de la "oferta democrática" que originalmente distinguía las ventas de tokens de las rondas de riesgo tradicionales.
Límites máximos de valoración y asignación basada en contribuciones
En el informe se esbozan los nuevos modelos diseñados para abordar estas deficiencias.
Los marcos de lanzamiento justos con precios dinámicos tienen como objetivo ampliar la distribución sin sobrevalorar los tokens, mientras que los sistemas basados en contribuciones, como Virtuals Genesis, asignan espacios a los usuarios que prueban redes o tienen NFT del ecosistema, en lugar de a aquellos que apuestan capital.
Además, los programas de incubación de ciclo completo prometen liquidez, marketing y supervisión posterior a la cotización para alinear los proyectos con los inversores. El informe recomendaba límites máximos para las valoraciones totalmente diluidas, ratios de ronda pública más altos y criterios de calificación flexibles que se amplían con la madurez del proyecto.
También pidieron métricas de responsabilidad posteriores al lanzamiento, para que las plataformas puedan rastrear si los listados cumplen con los hitos de desarrollo después de la venta inicial.
El estudio concluyó que las plataformas de lanzamiento continuarán dominando la distribución en etapa inicial durante el próximo repunte del mercado. Sin embargo, solo los modelos que equilibran el potencial de rentabilidad con una asignación transparente y precios realistas pueden mantener la confianza de los usuarios.
The post Las plataformas de lanzamiento administradas por los exchanges promedian ganancias de 10 veces, pero enfrentan el escrutinio por valoraciones pronunciadas y modelos opacos appeared first on CryptoSlate.