伦敦面临着再次被华尔街收购的重大IPO风险。TP ICAP关注纽约上市

币界网Publicado a 2024-08-08Actualizado a 2024-08-08

币界网报道:

全球最大的交易商间经纪商TP ICAP Group Plc正在考虑将其Parameta Solutions数据部门在纽约而不是伦敦上市,这表明英国资本市场可能会遭遇挫折。

TP ICAP计划绕过伦敦,在纽约上市数据单元

该公司将批发金融市场的客户联系起来,并引用了更好的流动性。流动性一词是指给定资产或证券转换为现金的过程、速度和容易程度。值得注意的是,流动性推测市场价格会保持不变,流动性最强的资产代表现金。最具流动性的资产是现金本身在经济学中,流动性是指资产在不实质性影响其市场价格的情况下,如何高效、快速地转化为可用现金没有什么比现金更具流动性,而其他资产则代表流动性。流动性一词是指给定资产或证券转换为现金的过程、速度和容易程度。值得注意的是,流动性推测市场价格会保持不变,流动性最强的资产代表现金。最具流动性的资产是现金本身在经济学中,流动性是指资产在不实质性影响其市场价格的情况下,如何高效、快速地转化为可用现金没有什么比现金更具流动性了,而其他资产则代表了Read this Term以及美国更强大的专业投资者和分析师生态系统,这些都是影响这一决定的关键因素。TP ICAP还指出,Parameta 95%的收入以美元计价,使其成为华尔街的一员。列表更能反映该部门的业务运营情况。

Parameta Solutions为机构客户提供场外金融数据和分析,在2024年上半年创造了9700万英镑的收入和3900万英镑的调整后息税前收益。这约占TP ICAP总收入的8%。

在考虑在美国上市的同时,TP ICAP首席执行官尼古拉斯·布雷托强调,尚未做出最终决定。“当然,公开募股或其地点都不确定。我们将在适当的时候更新进展情况。”

强劲的财务业绩

这一消息发布之际,TP ICAP公布了2024年上半年强劲的财务业绩。该公司的税前利润激增32%,达到1.2亿英镑,而收入小幅上升至11.4亿英镑。该公司还宣布了一项3000万英镑的股票回购计划,并将中期股息维持在每股4.8便士。

“我们对多元化的关注正在取得成效,”Breteau对结果发表评论。“以固定汇率计算,集团收入在去年强劲表现的基础上增长了3%。我们上半年实现了创纪录的利润,调整后的息税前利润增长了9%。”

该公司的E&C部门的收入增长了8%。与此同时,全球经纪部门继续保持其作为市场领导者的地位,尽管其收入与上一年持平。

TP ICAP的业务还包括Liquidnet,这是一家私人贸易运营商,在收购后成为集团的一部分。收购意味着收购或占有或保护财产、服务或能力。简单地说,它是获取或获得的行为或过程。你可以获得一件艺术品,你可以获得说另一种语言的能力,你可以收购一家企业或公司的股份,你还可以获得会计师的服务。例如,你可以买一辆新车。从广义上讲,收购可以指拥有或占有某物的行为。收购是指获得或占有或保护财产、服务或能力。简单地说,它是获取或获得的行为或过程。你可以获得一件艺术品,你可以获得说另一种语言的能力,你可以收购一家企业或公司的股份,你还可以获得会计师的服务。例如,你可以买一辆新车。从广义上讲,收购可以指拥有或占有某物的行为。三年前读过这个词。Liquidnet的收入增长了8%,这得益于其在美国和欧洲、中东和非洲市场份额的不断增长。

伦敦IPO输给纽约

TP ICAP考虑将Parameta在纽约上市,这加剧了关于伦敦作为全球金融中心竞争力的持续争论。正如TP ICAP发言人为彭博社评论的那样,美国拥有“庞大的金融数据行业,拥有一个由对该行业有深入了解的专业投资者和分析师组成的生态系统。”

因此,该公司加入了越来越多选择在国外上市的英国实体的行列,转而选择在美国上市。Marex Group就是一个例子,该公司于3月宣布有意在纳斯达克上市,股票代码为“MRX”。

2023年,美国完全主导了IPO市场,而同期伦敦的IPO活动下降了36%。在创纪录的2021年,首次公开募股筹集了200亿美元,但在过去两年中,其价值大幅下降。去年,英国IPO市场的市值甚至没有超过10亿美元。

尽管存在这些挑战,TP ICAP证实,它没有计划改变该集团仍在伦敦的主要上市。该公司股价对这一消息反应积极,在周三的伦敦交易中上涨7.8%,至227.5便士。

Lecturas Relacionadas

Informe de Ethereum del primer trimestre de 2026: caen las tarifas, usuarios y volumen de transacciones alcanzan máximos históricos

Resumen del informe del primer trimestre de 2026 sobre Ethereum, por Token Terminal. El reporte destaca una tendencia clave: la cantidad de usuarios activos mensuales (13.2 millones, +53.5%), las transacciones (200.4 millones, +38%) y el rendimiento de la red (25.78 TPS) alcanzaron máximos históricos, mientras que las tarifas de transacción en la capa principal cayeron un 47.9% intertrimestral. Este fenómeno, denominado la "Paradoja de Jevons", sugiere que Ethereum está priorizando deliberadamente la expansión a corto plazo sobre la captura de ingresos inmediatos. La actualización Fusaka, que aumenta la capacidad de datos y reduce el costo del espacio de bloque, es un factor clave. La narrativa central de Ethereum se está desplazando de una cadena de bloques DeFi a una capa de liquidación financiera global. Ethereum mantiene una posición dominante en activos tokenizados, con una capitalización total de $2 billones (-0.7% intertrimestral). Destacan el crecimiento de los fondos tokenizados ($194 mil millones, +4.9%) y las materias primas tokenizadas ($47 mil millones, +60%), reflejando una mayor adopción institucional por parte de entidades como BlackRock y JPMorgan. A pesar de una caída del 30.3% en su capitalización de mercado totalmente diluida, la base de titulares de ETH creció a 292.8 millones. En resumen, Ethereum está sacrificando ingresos a corto plazo para impulsar la adopción, consolidándose como la infraestructura de liquidación preferida para las finanzas tokenizadas, con el objetivo de que una mayor demanda de red compense las tarifas más bajas a largo plazo.

marsbitHace 30 min(s)

Informe de Ethereum del primer trimestre de 2026: caen las tarifas, usuarios y volumen de transacciones alcanzan máximos históricos

marsbitHace 30 min(s)

Entrevista inaugural en podcast del CEO de Intel, Tan Lip Bu: Nuestro objetivo es '10 veces en 5-10 años', apostamos por empaquetado avanzado, sustratos de vidrio y diamantes artificiales

El CEO de Intel, Chen Lifu, expresó en una entrevista en un podcast su objetivo de multiplicar por diez el valor de la empresa en un plazo de 5 a 10 años. Para lograrlo, está centrando la estrategia en la superación de los límites físicos de la miniaturización de los semiconductores, invirtiendo en tres áreas clave: tecnologías avanzadas de empaquetado como EMIB, nuevos materiales como el nitruro de galio (GaN), carburo de silicio (SiC), fosfuro de indio (InP) y diamante sintético, y sustratos innovadores como el de vidrio. Destacó que la explosión de la IA, especialmente los agentes autónomos y la inferencia, está impulsando una fuerte demanda de CPUs, cambiando la proporción CPU/GPU en servidores. Chen Lifu también defendió la apuesta de Intel por el negocio de fundición (foundry), subrayando que es crucial para la seguridad de la cadena de suministro en EE.UU. y que se basa en generar confianza a través de altos rendimientos y fiabilidad. Reveló detalles de la colaboración Terafab con Elon Musk para construir fábricas de chips y abordar la escasez de capacidad. Reconoció que Intel aún está en una fase de transformación ("gatear"), reconstruyendo equipos y capacidades fundamentales, pero proyecta que su verdadero potencial en mercados como la informática de borde, la IA física y la de agentes comenzará a materializarse hacia 2030-2032. Con una mentalidad de capitalista de riesgo, su meta clara es entregar un retorno de 10x a los accionistas en la próxima década.

marsbitHace 32 min(s)

Entrevista inaugural en podcast del CEO de Intel, Tan Lip Bu: Nuestro objetivo es '10 veces en 5-10 años', apostamos por empaquetado avanzado, sustratos de vidrio y diamantes artificiales

marsbitHace 32 min(s)

Acaba de recaudar 2.700 millones, y Li Feifei también invirtió

En la actualidad, el mercado de inversión está obsesionado con los "Modelos del Mundo". Sin embargo, Pete Florence, ex científico de DeepMind y co-creador de la arquitectura Vision-Language-Action (VLA), fundó Generalist AI y rechaza esta etiqueta. Para él, el objetivo concreto es más importante: crear robots que realicen cualquier tarea con alta tasa de éxito sin datos específicos. Recientemente, Generalist AI recaudó 400 millones de dólares (unos 2.700 millones de RMB) en una ronda de financiación, alcanzando una valoración de 2.000 millones de dólares. Inversores incluyen NVentures de Nvidia, Bezos Expeditions, NFDG, y figuras como el cofundador de Xiaomi Lin Bin, el fundador de Zoom Eric Yuan, y la renombrada científica Fei-Fei Li. Florence, influenciado por su mentor en el MIT Russ Tedrake, prioriza comprender el mundo físico. Su enfoque comienza estableciendo una meta clara, luego diseña la ruta técnica. Tras dejar Google, lanzó Generalist AI en 2025. La compañía presentó su primer modelo de IA incorporada, GEN-0, en noviembre de 2025, demostrando que las leyes de escalado de los LLMs también se aplican al movimiento físico. En abril de 2026, presentaron GEN-1, entrenado con más de 50.000 horas de datos de interacción física recogidos por un dispositivo portátil. GEN-1 logra un 99% de éxito en tareas como plegar cajas y empaquetar teléfonos, siendo tres veces más rápido que GEN-0. Este avance acerca el modelo a un punto de inflexión similar al GPT-3, mostrando un rendimiento apto para despliegues comerciales en ciertas tareas. La inversión récord respalda la visión de Florence: robots universales que sean lo suficientemente expertos en tareas reales como para ser útiles, avanzando hacia la reducción del coste marginal del trabajo físico a cero. La etiqueta "Modelo del Mundo" queda así en segundo plano frente a los resultados tangibles.

marsbitHace 39 min(s)

Acaba de recaudar 2.700 millones, y Li Feifei también invirtió

marsbitHace 39 min(s)

Perdiendo a dos leyendas en tres días: ¿Se está resquebrajando el dique de talento de IA de Google?

En solo tres días, Google ha perdido a dos leyendas de la IA. El 18 de junio, Noam Shazeer, coautor del seminal trabajo "Attention is All You Need" y copresponsable de Gemini, anunció su salida para unirse a OpenAI. Dos días después, John Jumper, ganador del Nobel de Química 2024 y líder de AlphaFold, dejó Google DeepMind para incorporarse a Anthropic. Estas partidas no son incidentes aislados, sino parte de una tendencia clara de fuga de talento de Google hacia OpenAI y Anthropic, como lo confirma también la reciente incorporación a Anthropic del exmiembro fundador de OpenAI, Andrej Karpathy. El trasfondo de este éxodo es fundamentalmente una cuestión de misión y enfoque. El modelo de negocio central de Google, basado en la publicidad, impone una lógica orientada a productos y métricas comerciales que, en última instancia, restringe la investigación pura. En contraste, tanto OpenAI (con su misión de AGI) como Anthropic (centrada en la seguridad y la ciencia) ofrecen un entorno de trabajo enfocado únicamente en empujar los límites de las capacidades de los modelos. A esto se suma la fuerte atracción financiera: OpenAI y Anthropic están en camino a una OPI, lo que promete una recompensa económica masiva a través de capital para sus empleados, algo que la ya gigantesca Google difícilmente puede igualar. La fusión de Google Brain y DeepMind en 2023, destinada a consolidar esfuerzos, ha generado en cambio tensiones culturales y ha hecho más evidente la presión por alinear la investigación con los objetivos de los equipos de productos. El resultado es una reorganización estructural del mapa del talento en IA. Google, a pesar de sus vastos recursos en computación y datos, está perdiendo a las personas que definen el futuro del campo. La verdadera ventaja competitiva en IA reside en retener a las mentes más brillantes, y Google está descubriendo que esa es quizás su batalla más difícil.

marsbitHace 2 hora(s)

Perdiendo a dos leyendas en tres días: ¿Se está resquebrajando el dique de talento de IA de Google?

marsbitHace 2 hora(s)

Tras las notas de la IA, se esconde un "creador de exámenes" chino

Cada vez que se lanza un modelo de IA de vanguardia, la comunidad fija su atención en ciertas "hojas de resultados" familiares: MMLU-Pro, MMMU, MMMU-Pro. Estos puntos de referencia se han convertido en exámenes estándar para evaluar y comparar modelos como GPT, Claude, Gemini, Llama, Qwen y DeepSeek. Detrás de estas influyentes evaluaciones está el investigador chino Wenhu Chen, profesor asistente en la Universidad de Waterloo y fundador del TIGERLab (apodado "虎头帮"). Su trabajo surge de una necesidad crítica: a medida que los modelos avanzaban, las pruebas antiguas como MMLU se saturaban con puntuaciones casi perfectas, dejando de ser útiles para discernir diferencias reales. En 2024, Chen y su equipo presentaron MMLU-Pro, una renovación exhaustiva del original. Con 12,032 preguntas de 14 disciplinas, aumenta las opciones de respuesta de 4 a 10 para reducir las conjeturas e incorpora problemas más complejos que requieren razonamiento. El resultado fue una caída del 16% al 33% en la precisión de los modelos y una evaluación más estable y discriminatoria, rápidamente adoptada por la industria. Su contribución se extiende al ámbito multimodal con MMMU, un conjunto de 11,500 preguntas que combinan imágenes (gráficos, mapas, fórmulas) con conocimientos académicos para probar una comprensión integrada. Incluso los mejores modelos como GPT-4V inicialmente solo alcanzaron un 56% de precisión, revelando un largo camino por recorrer. Su sucesor, MMMU-Pro, cierra aún más las brechas, obligando a los modelos a utilizar la información visual y no solo el texto. La experiencia de Chen, que incluye investigación doctoral en preguntas complejas y una etapa en Google DeepMind trabajando en Gemini, le permite anticipar cómo los modelos pueden "aparentar" competencia. Su laboratorio no solo diseña evaluaciones, sino que también desarrolla modelos (como UniVideo para video o MoCha para avatares), asegurando que sus "exámenes" reflejen desafíos reales y los límites actuales de la tecnología. Actualmente, Chen continúa este trabajo en el laboratorio de superinteligencia de Meta, enfocado en datos y evaluación multimodal. Su historia destaca el papel fundamental, aunque a menudo menos visible, de los investigadores que construyen las herramientas para medir el verdadero progreso de la IA.

marsbitHace 2 hora(s)

Tras las notas de la IA, se esconde un "creador de exámenes" chino

marsbitHace 2 hora(s)

Trading

Spot
Futuros
活动图片