大肆吸金!贝莱德旗下比特币现货ETF规模已超百亿,耗时不到两个月

金十Publicado a 2024-03-05Actualizado a 2024-03-05

比特币现货ETF自上市以来大受欢迎,助长了一股市场狂热,并将这种加密货币的价格一度推近历史高点。

自1月11日推出以来,投资者以历史性的速度涌入这些基金,市场上10只美国比特币现货ETF的总资产规模膨胀至近500亿美元。

贝莱德旗下的iShares比特币信托上周四的资产规模超过100亿美元,是有史以来最快达到这一里程碑的新ETF。富达的基金目前拥有超过60亿美元的资产,已经是这家资产管理公司的第三大ETF,占今年ETF净流入的大部分。

VettaFi研究主管Todd Rosenbluth表示:

“这是一波持续的需求浪潮。这些产品一上市就很强劲,而且一直保持强劲。”

这些基金允许日常投资者通过他们直接投资数字资产,而不必去加密货币交易所或通过期货合约对比特币进行投资。

一些分析师预计,这些资金最初的巨大投入将随后放缓,但随着比特币价格接近创纪录水平,近几周资金流入的速度反而加快了。

周一下午,比特币交易价格超过6.7万美元,略低于2021年11月创下的68990.90美元的纪录。截至2023年,比特币才接近4万美元,一年前在2.3万美元左右徘徊。

许多分析师将比特币在去年下半年的上涨归因于对比特币现货ETF将获得批准的预期。他们说,现在投资者对基金的追捧除了创造新的需求外,还推动了更多的看涨情绪。Rosenbluth补充道,“这是基础资产价格与基金挂钩的罕见情况之一,比特币的表现很难量化,但它的表现与人们对其可用性提高的希望息息相关。这是一个循环的好处。”

市场需求还能增加?

贝莱德旗下的这只比特币现货ETF已超越了许多其他ETF,数据显示,在美国上市的3000多只ETF中,资产规模超过100亿美元的只有约4%。

今年1月,有9只比特币基金是新上市的,而灰度的比特币信托在其他基金推出的当天就转换成了一只拥有近300亿美元现有资产的ETF,即GBTC。

自那以来,投资者已从该基金撤资逾80亿美元,因其收取的费用远高于竞争对手。如果GBTC的平均资产保持在目前水平附近,1.5%的年费将为这家资产管理公司带来约4亿美元的年收入。

贝莱德在所谓的“促销期”结束后仅收取0.25%的费用,而大多数规模较小的资产管理公司收取的费用甚至更低。

当然,并非所有资产管理公司都认为这些产品适合个人投资者。先锋集团曾表示,不打算提供一个比特币ETF,不会在其经纪业务平台提供投资加密货币的渠道。这家资产管理巨头在最近的一篇博客文章中称比特币“更像是一种投机,而不是一种投资”。

注册投资顾问在引导资金流向ETF方面具有巨大影响力,但他们目前接触比特币现货ETF基金的机会有限。摩根士丹利、美银美林、瑞银和富国银行的财富管理平台以非请求方式提供比特币基金,即顾问不能主动向客户推销比特币基金,但可以为提出要求的客户购买比特币现货ETF。

如果这种情况发生变化,分析师预计会有更多资金流入比特币现货ETF。CFRA Research ETF数据和分析主管Aniket Ullal表示:

“顾问平台一直没有涉足这一资产类别,现在这种情况可能会改变,我们预计需求会增加。”

市场对比特币ETF的“适应程度”令人惊讶

在吸纳新资金方面,一些新的比特币基金正与其他资产类别的行业重量级基金展开正面交锋。贝莱德的比特币现货ETF 2月份在美国ETF“吸金榜”排名第三,以微弱优势超过标普500指数ETF。

富达的比特币现货ETF排名第八,2月份最受欢迎的基金是先锋集团旗下的标普500指数基金及其信息技术基金。

目前还缺乏有关谁在购买这些基金的数据。在大型投资者在季度披露中报告其基金持仓情况后,华尔街将了解更多情况。

不过,近期比特币现货ETF的交易活动最近有所加速。据外媒称,上周三约有80亿美元的交易量,是迄今为止成交量最大的一天。

投资者接受这些新基金的速度令人惊讶。这是一种非常不寻常的情况,”Ullal表示。他表示,ETF通常需要更长的时间来吸引资产,因为它们需要等待不同的顾问平台将它们上市。

Lecturas Relacionadas

Los sistemas abiertos al final ganarán: ¿Por qué Ethereum es el próximo Linux?

**El sistema abierto prevalece: por qué Ethereum es el próximo Linux** Históricamente, la infraestructura abierta y descentralizada tiende a superar a los sistemas cerrados y propietarios a largo plazo. Esto lo demuestran casos como Internet frente a las redes privadas corporativas, y Linux frente a los sistemas Unix patentados. El ensayo "La catedral y el bazar" de Eric Raymond explica la lógica: los sistemas de "bazar" sin permisos fomentan una innovación más rápida y una colaboración masiva, superando a las "catedrales" centralizadas. Ethereum encarna este modelo. Su naturaleza abierta y su **neutralidad creíble** (reglas transparentes, iguales, difíciles de cambiar y accesibles) atraen a desarrolladores e innovadores globales. Ejemplos como los estándares ERC-20, ERC-721 o Uniswap surgieron sin necesidad de permiso central. Esto contrasta con las cadenas privadas o de consorcio (como Canton, Tempo), que carecen de esta neutralidad y, a menudo, fracasan debido a conflictos de intereses y la falta de efectos de red abiertos. La **independencia soberana** de Ethereum, lograda a través de una descentralización profunda y un historial sin interrupciones, es su ventaja fundamental. Instituciones como BlackRock, JPMorgan, Coinbase y Robinhood están construyendo sobre su ecosistema, que ya alberga la mayor parte de la actividad DeFi, de stablecoins y de activos tokenizados. Aunque los sistemas cerrados pueden parecer inicialmente más controlados, la capa de aplicación en Ethereum puede integrar cumplimiento normativo (como el estándar ERC-3643 para KYC) y privacidad. La evolución de Internet, desde ser considerado inseguro hasta la base del comercio global, sirve como precedente. La estrategia ganadora no es competir con la infraestructura abierta, sino construir sobre ella.

Foresight NewsHace 5 min(s)

Los sistemas abiertos al final ganarán: ¿Por qué Ethereum es el próximo Linux?

Foresight NewsHace 5 min(s)

El desafío de la potencia de cálculo en el ajedrez de la IA entre China y Estados Unidos

La carrera por la inteligencia artificial entre China y EE.UU. enfrenta un desafío fundamental: la enorme brecha en capacidad de computación (computing power). Mientras empresas estadounidenses como Meta, Google y xAI despliegan cientos de miles de GPUs de alta gama (como las de Nvidia) para entrenar modelos con billones de parámetros, China depende en gran medida de chips de inferencia nacionales para tareas menos exigentes. El artículo destaca que la escasez de chips de entrenamiento de última generación, debido a las restricciones de exportación estadounidenses, es la raíz de la diferencia entre los modelos de IA de ambos países. Según estimaciones, EE.UU. posee el doble de capacidad de computación que China, y un solo gigante tecnológico estadounidense puede superar la suma de todas las empresas chinas. Esto permite a EE.UU. iterar modelos mucho más rápido y entrenar sistemas con parámetros significativamente mayores. Aunque líderes tecnológicos como Huang Jen-hsun (Nvidia) o Elon Musk elogian el progreso chino, la realidad muestra un rezago. El modelo chino más avanzado, DeepSeek V4 Pro, tiene 1.6 billones de parámetros, muy por detrás de los 10 billones de modelos estadounidenses como Mythos de Anthropic. Además, se estima que China está entre 8 y 15 meses atrás en la frontera de la IA. El ascenso de fabricantes nacionales chinos como Huawei (Ascend 910B), Moore Thread o Cambricon representa un camino esperanzador. Aunque su rendimiento absoluto y ecosistema de software (similar al CUDA de Nvidia) aún están en desarrollo, ya logran avances en inferencia y comienzan a adaptarse para entrenamiento básico. El éxito a largo plazo requerirá paciencia, inversión sostenida y un esfuerzo colectivo similar al que llevó a Corea del Sur a dominar la industria de chips de memoria. En este duelo geopolítico por la IA, China avanza con determinación, pero el camino por recorrer es extenso.

marsbitHace 11 min(s)

El desafío de la potencia de cálculo en el ajedrez de la IA entre China y Estados Unidos

marsbitHace 11 min(s)

Se agotan las ventajas del canal: ¿En qué pueden confiar los protocolos DeFi para resistir la recolección de los gigantes?

"La ventaja de los canales se agota: ¿Cómo pueden los protocolos DeFi resistir la cosecha de los gigantes? Cuando los gigantes tecnológicos como Coinbase, Stripe y Kraken consolidan su control sobre los canales de distribución y la infraestructura, los protocolos DeFi abiertos enfrentan una presión extrema. Coinbase gana millones en tarifas de secuenciación de su blockchain Base, donde Morpho opera, mientras que Stripe adquirió Bridge para capturar los ingresos por intereses de sus stablecoins, y Kraken compró NinjaTrader por sus licencias. Estos movimientos exponen una batalla fría por las ganancias. La supervivencia de los protocolos abiertos depende de dos estrategias clave: la expansión multichain y la integración profunda. Proyectos como Morpho y Uniswap no dependen de una sola cadena; al diversificarse, mitigan el riesgo de que un gigante los desplace en su propio ecosistema. Además, cuando su tecnología se integra tan profundamente en los productos de una empresa (como el producto de préstamo de Bitcoin de Coinbase en Morpho), el costo y el riesgo de reemplazarlos se vuelven prohibitivamente altos. El futuro del sector podría inclinarse hacia un oligopolio de grandes empresas que controlen toda la pila tecnológica, relegando el código abierto a nichos. Sin embargo, la agilidad de los protocolos para desplegarse en múltiples cadenas y la complejidad técnica que ofrecen crean una interdependencia. La carrera entre la velocidad de expansión de las instituciones y la de los protocolos abiertos decidirá el panorama final. Por ahora, la infraestructura crítica de estos gigantes aún se basa en código abierto."

marsbitHace 11 min(s)

Se agotan las ventajas del canal: ¿En qué pueden confiar los protocolos DeFi para resistir la recolección de los gigantes?

marsbitHace 11 min(s)

Nuevo trabajo del equipo de Kaiming He: Eliminando VAE y datos privados, la generación de texto a imagen resulta ser más potente

El equipo de investigación de He Kaiming presenta MiniT2I, un modelo de generación de imagen a partir de texto (text-to-image, T2I) minimalista y directo en el espacio de píxeles, que desafía la complejidad de los enfoques dominantes. El modelo elimina componentes estándar como el VAE para codificación, mecanismos de inyección condicional complejos (AdaLN), funciones de pérdida auxiliares, datos privados y etapas de alineación RL/DPO. Utiliza un objetivo de "flow matching" entrenado directamente sobre píxeles RGB. Con solo 258M de parámetros (versión B/16), supera a modelos de espacio de píxeles mucho más grandes en benchmarks como GenEval (0.87) y DPG-Bench (84.2). Su arquitectura, MM-JiT, simplifica el Transformer estándar: añade dos adaptadores ligeros para las características de texto de T5 (congelado) y elimina la rama AdaLN, confiando en que la imagen ruidosa ya contiene información temporal. Esto reduce parámetros y permite más capas, mejorando el FID a 13.7. El entrenamiento, de bajo costo (~3 días en 8 H100 para el modelo de ablación), se realiza en dos fases con datos completamente públicos: preentrenamiento en CC12M reetiquetado y ajuste fino en ~120K pares de alta calidad. Esto demuestra que un modelo pequeño puede igualar o superar en ciertos aspectos a gigantes como SD3-Medium en escenas imaginativas, aunque muestra limitaciones en renderizado de texto y entidades nombradas debido a los datos públicos. MiniT2I señala un cambio de paradigma hacia la simplificación y eficiencia en la generación de imágenes, haciendo que la tecnología T2I sea más accesible fuera de los laboratorios industriales líderes.

marsbitHace 16 min(s)

Nuevo trabajo del equipo de Kaiming He: Eliminando VAE y datos privados, la generación de texto a imagen resulta ser más potente

marsbitHace 16 min(s)

¿La industria de los seguros se enfrenta a su mayor competidor? ¿Son los mercados de predicción los "bárbaros a las puertas"?

El sector asegurador, tradicionalmente un pilar estable de la economía, podría enfrentar un cambio disruptivo con el auge de los mercados de predicción. Plataformas como Kalshi y Polymarket están demostrando su utilidad para la cobertura de riesgos, invadiendo progresivamente dominios tradicionales de las aseguradoras. Ejemplos concretos ilustran esta tendencia: Kalshi se asoció con Game Point Capital para ofrecer cobertura más barata y transparente sobre bonos por desempeño deportivo en la NBA. Polymarket, en colaboración con Parcl, permite apostar sobre índices de precios de la vivienda, funcionando como una herramienta de cobertura para propietarios o compradores. Un bar de Nueva York usó Kalshi para cubrir el costo de una promoción de bebidas gratuitas vinculada al resultado de un partido de baloncesto, mostrando el potencial para pequeñas empresas. El valor de estos mercados reside en su transparencia, liquidez y el rol neutral de la plataforma, a diferencia de las apuestas deportivas tradicionales. Transforman la información en un activo negociable y permiten una gestión de riesgos más flexible y accesible. Aunque enfrentan desafíos como la liquidez insuficiente y la incertidumbre regulatoria, estos ejemplos marcan un primer paso significativo. Los mercados de predicción se presentan no solo como una alternativa a las casas de apuestas, sino como un competidor emergente para segmentos clave del negocio tradicional de seguros.

marsbitHace 18 min(s)

¿La industria de los seguros se enfrenta a su mayor competidor? ¿Son los mercados de predicción los "bárbaros a las puertas"?

marsbitHace 18 min(s)

Trading

Spot
Futuros
活动图片