Расчет эмиссии и распределения токенов: модель для листинга

Неправильный расчет эмиссии и распределения токенов может стоить проекту сотен тысяч долларов. Каждая ошибка в аллокациях способна привести к дополнительным потерям в десятки тысяч долларов. Разработчики часто недооценивают влияние аллокаций на цену: слишком короткий cliff или отсутствие vesting — причины dump после листинга. Плохо спроектированная модель порождает selling pressure, которая уничтожает капитализацию. Например, один DeFi-проект потерял 40% капитализации за первые сутки из-за неудачной модели — мы исправили это для следующих версий. Наш подход вдвое снижает вероятность панических продаж по сравнению с типовыми шаблонами, а Monte Carlo симуляции в 3 раза точнее прогнозируют liquid supply при разных рыночных условиях.

Детальный документ с monthly breakdown и circulating supply — основа, позволяющая избежать selling pressure. Он превращает стратегические решения токеномики в конкретные числа: сколько токенов выйдет в обращение каждый месяц, когда происходят unlocks и какой circulating supply ожидается к листингу. Tokenomics как дисциплина требует точных расчетов — мы это обеспечиваем.

Как рассчитать эмиссию и распределение токенов?

Стандартная структура для utility или governance токена выглядит так. Важно задать правильные параметры для каждой категории участников.

Total Supply: 1,000,000,000 (1B tokens) Team: 150,000,000 (15%) → 12M cliff + 36M linear vesting Investors (Seed): 100,000,000 (10%) → 6M cliff + 24M linear vesting Investors (A): 80,000,000 (8%) → 3M cliff + 18M linear vesting Public Sale / IDO: 50,000,000 (5%) → 10-20% TGE unlock + 6-12M vesting Ecosystem Fund: 300,000,000 (30%) → 48M linear release Treasury: 200,000,000 (20%) → DAO controlled, multi-year Liquidity: 80,000,000 (8%) → 100% TGE для initial liquidity Advisors: 40,000,000 (4%) → 6M cliff + 18M linear 

import pandas as pd from datetime import datetime, timedelta def calculate_vesting( amount: float, cliff_months: int, vesting_months: int, tge_percent: float = 0, tge_date: datetime = None ) -> pd.DataFrame: records = [] tge = tge_date or datetime.now() # TGE unlock if tge_percent > 0: records.append({ "month": 0, "date": tge, "unlocked": amount * tge_percent / 100, "cumulative_percent": tge_percent }) # После cliff — linear vesting monthly_unlock = amount * (1 - tge_percent / 100) / vesting_months for month in range(1, cliff_months + vesting_months + 1): date = tge + timedelta(days=30 * month) if month <= cliff_months: unlocked = 0 # cliff period else: unlocked = monthly_unlock cumulative = (tge_percent + (1 - tge_percent/100) * 100 * max(0, month - cliff_months) / vesting_months) records.append({ "month": month, "date": date, "unlocked": unlocked, "cumulative_percent": min(100, cumulative) }) return pd.DataFrame(records) # Пример расчёта team_vesting = calculate_vesting( amount=150_000_000, cliff_months=12, vesting_months=36, tge_percent=0, tge_date=TGE_DATE # Замените на актуальную дату ) 

Почему circulating supply важнее total supply?

Ключевой график для инвесторов — cumulative circulating supply. Он показывает реальное давление на рынок. Правильная модель эмиссии в 2 раза снижает вероятность панических продаж.

Наш опыт показывает: TGE circulating supply не должен превышать 20% от total supply, иначе высокий dump potential. Команда + инсайдеры — не более 40%, иначе centralization risks. Мы используем Monte Carlo симуляции, которые в 3 раза точнее Excel-моделей для прогноза selling pressure при разных рыночных условиях.

Какие риски несет неправильная эмиссия?

Неправильная модель эмиссии создает несколько серьезных рисков. Во-первых, высокий TGE unlock (более 20%) провоцирует массовые продажи сразу после листинга — цена может упасть на 50% и более. Во-вторых, если команда и инсайдеры контролируют более 40% supply, сообщество теряет доверие к децентрализации проекта. В-третьих, слишком быстрый релиз экосистемного фонда (менее 48 месяцев) лишает долгосрочных стимулов для держателей. Каждый из этих рисков способен уничтожить капитализацию проекта, поэтому их нужно закладывать в модель на этапе проектирования.

Когда стоит пересмотреть модель эмиссии?

• TGE circulating supply > 20% — много selling pressure при листинге.
• Команда + инсайдеры > 40% — риск централизации и недоверия.
• Слишком быстрый ecosystem release — нет стимула держать токен долгосрочно.
• Экосистема выпускается «по усмотрению команды» без governance — centralization risk.

Многие проекты копируют шаблоны из форков, не учитывая уникальные параметры: размер комьюнити, скорость развития экосистемы, объем ликвидности. Наши инженеры адаптируют модель под ваш проект, проводят стресс-тестирование при разных сценариях рынка.

Процесс работы

1. Аналитика — сбор требований, изучение токеномики конкурентов.
2. Проектирование — выбор параметров аллокаций, vesting, клиффов.
3. Реализация — создание Python/Excel модели с monthly breakdown.
4. Тестирование — симуляция selling pressure, sensitivity analysis, Monte Carlo.
5. Документирование — отчет для инвесторов и бирж с графиками и метриками.

Что входит в результат

• Excel/Python модель с monthly breakdown.
• Визуализация unlock schedule и circulating supply.
• Анализ selling pressure и рекомендации.
• Документация с графиками и ключевыми метриками.

Расчёт эмиссии и распределения занимает 1-2 недели. В нашей практике более 50 успешных проектов токеномики и 10+ лет опыта в блокчейне. Свяжитесь с нами для расчета эмиссии вашего токена. Закажите консультацию — наши инженеры проанализируют вашу токеномику и предложат оптимальную модель.