Forbes: How Did Sam Bankman-Fried’s Alameda Research Lose So Much Money?

ForbesPublicado a 2022-11-21Actualizado a 2022-11-22

Resumen

If Alameda started with bad accounting systems, Pack says it’s “not inconceivable” that they could have ended up with much more debt than they realized, as Bankman-Fried has claimed.

A week after the dramatic collapse of Sam Bankman-Fried’s tangled web of crypto companies, countless unanswered questions remain. One of the biggest: How did his trading firm, Alameda Research, apparently lose billions of dollars? Those losses appear to have prompted someone in Bankman-Fried’s operation to improperly transfer customer funds from trading platform FTX to Alameda, a decision that left FTX vulnerable to a withdrawal run that precipitated the sudden bankruptcy.

Many details remain unknown, but a blurry picture is forming of the possible causes behind Alameda’s steep losses. We spoke with a half-dozen crypto traders and investors familiar with Alameda to understand the leading theories. A spokesperson for Sam Bankman-Fried and Alameda’s former co-CEOs Caroline Ellison and Sam Trabucco didn’t respond to Forbes’ requests for comment. We sent Bankman-Fried questions on messaging app Signal, but he hasn’t yet answered them.

Moving From Arbitrage to High-Risk Bets

The first theory is that the young traders at Alameda, which was once one of the largest crypto trading firms in the world, weren’t as sophisticated as their reputation suggested. Bankman-Fried was regarded as an excellent trader when he started Alameda in 2018, and he focused on arbitraging price differences in cryptocurrencies in different markets. But the next year, he shifted his primary focus to launching his trading platform FTX. He brought with him to FTX his Alameda colleagues Gary Wang and Nishad Singh, who had been some of the most talented people at the trading firm, according to Doug Colkitt, a veteran high frequency stock trader turned crypto trader.

After bitcoin started to rise sharply in the fall of 2020, Alameda moved away from its initial focus on making high-speed, market-neutral bets that didn’t depend on predicting if cryptocurrencies would rise or fall. Some traders believe Alameda changed its strategy because it lost its competitive edge as more experienced firms like Jump Capital ramped up their crypto trading business.

In March 2021, then 26-year-old Caroline Ellison, one of Alameda’s co-CEOs, seemed to acknowledge this pivot when she tweeted, “Also relatable is the point where he realizes he's been wasting time trying to trade back and forth for a few points of edge and the way to really make money is figure out when the market is going to go up and get balls long before that.” Going long means betting that prices will rise.

A month later, Sam Trabucco, Alameda’s other co-CEO, tweeted, “we got ... uh, really long in winter 2020.” As a rationale for why, he added, “it’s where the money is.” Both Ellison and Trabucco had just a couple of years of trading experience in conventional markets before joining Bankman-Fried to deal in crypto. That’s a shallow pool of knowledge and experience to draw on.

According to several traders, many of Alameda’s long bets probably suffered big losses beginning in May 2022, after the dramatic collapse of the stable coin terraUSD and its sister cryptocurrency luna sharpened the decline in the crypto market. “What makes you a hero in bull markets kills you in bear markets,” says Marina Gurevich, chief operating officer of London-based Wintermute, one of the most active crypto trading firms in the world. Indeed, Bankman-Fried acknowledged in a Twitter conversation with a Vox reporter that it was around the time of luna’s crash when a lot of risky leverage built up in his business.

Layering Leverage on Top of Big Bets

On top of making big bets, Alameda was likely taking on too much leverage–that is, debt that can amplify wins and losses. One way the firm’s executives apparently did that was by using largely illiquid cryptocurrencies–including FTX’s own token, FTT, and a related one, serum–as collateral to take out loans.

For example, Bankman-Fried helped incubate the creation of serum, which was released in 2020. Serum has a low circulating supply of coins–initially, only 10% of it was freely tradeable, while the other 90% was locked up for years. But technically, he could extrapolate and assume that, if the circulating supply of serum was worth $1 billion, then the market value of all the coins in existence was $10 billion. Then he could get loans based on that higher valuation. Bankman-Fried ran this playbook with other digital assets too, which became known as “Sam coins” to industry insiders, crypto investor Jason Choi has written.

Choi concluded recently in a tweet, “This is likely how Alameda/FTX incurred the multi-billion-dollar hole: Alameda pledging illiquid collateral to borrow money to finance bets, which got margin called as markets went down this year.”

Investing Borrowed Money in Other Crypto Players

Another capital drain was venture investments. According to PitchBook, Alameda made more than 150 investments across the crypto industry, including in bitcoin miner Genesis Digital Mining and now-bankrupt crypto broker Voyager Digital. Alameda apparently took out loans to fund those bets. As the crypto market crashed, lenders reportedly attempted to recall those funds that were tied up in these illiquid investments. FTX’s and Alameda’s executives then took the questionable step of trying to pay back some of those Alameda loans using FTX customer funds, the Wall Street Journal has reported.

Borrowing for Other Big Spending

The finances of Bankman-Fried’s cluster of companies are so complex and entangled that huge chunks of it remain a mystery–even to the lawyers, financial investigators and bankruptcy veterans who have taken charge. But according to bankruptcy court filings, FTX executives also took out billions of dollars in loans from Alameda to fund everything from political contributions to Bankman-Fried’s purchase for $650 million of a 7.6% stake in Robinhood. It’s unclear how these loans may have also added to Alameda’s losses on top of everything else. Alameda itself has outstanding liabilities of $5.1 billion according to a filing Thursday in the Chapter 11 bankruptcy case in Delaware.

Shoddy Record-Keeping and Accounting Controls

A final–and perhaps substantial–contributor to Alameda’s losses: Bankman-Fried’s companies had terrible record-keeping and accounting systems. FTX customer deposits were not tracked, according to a bankruptcy filing, leaving it unclear in the bankruptcy proceedings what’s owed to customers. An example of this confusion: the leaked FTX balance sheet shows $8.8 billion in liabilities, while the Thursday filing in the Delaware bankruptcy case shows only $6.4 billion. It’s not clear what accounts for the discrepancy, but regardless, the numbers are still in flux. “This balance sheet was produced while the Debtors were controlled by Mr. Bankman-Fried, I do not have confidence in it,” workout veteran John J. Ray III, the new CEO of FTX overseeing the bankruptcy wrote in the filing. Bankman-Fried has tried to chalk up nearly the entire problem to “messy accounting + margin.”

Bankman-Fried’s careless accounting habits appear to date back to the earliest days of Alameda. When crypto venture capitalist Alex Pack was considering investing in Alameda in early 2019 and conducting due diligence, he saw they had lost $10 million in a single month–a hefty sum for such a small firm. When Pack asked about it, Bankman-Fried said it was due to “trade errors,’’ Pack recalls.

Pack says he kept probing, but he could never figure out what happened. “At one point, they just said, ‘Sorry, we didn't have great record keeping back then. We can’t answer all these questions.’” Pack passed on the deal. He thought they seemed like smart traders but walked away due to what he saw as “significant recklessness around risk taking and extremely poor infrastructure and accounting.”

Today, Pack says tracking positions in crypto can be particularly hard because you have to build your own trading systems, and the task gets “exponentially more difficult” as your book of business grows. And if Alameda started with bad accounting systems, Pack says it’s “not inconceivable” that they could have ended up with much more debt than they realized, as Bankman-Fried has claimed.

Lecturas Relacionadas

Informe de Investigación: Morgan Stanley analiza a SanDisk SNDK, la verdad sobre el poder de fijación de precios en centros de datos en la nube y el dividendo del razonamiento de IA

**Resumen: Análisis de Morgan Stanley sobre SNDK - Poder de fijación de precios en centros de datos en la nube y oportunidades en inferencia de IA** Morgan Stanley actualizó su informe sobre SanDisk (SNDK) el 22 de junio, elevando el precio objetivo de 1100 a 1750 dólares y manteniendo la recomendación de "sobreponderar". La lógica central se basa en que la demanda de **inferencia de IA** está reescribiendo las reglas del mercado NAND. Los clientes de centros de datos en la nube, que buscan almacenamiento de alto rendimiento para cargas de trabajo como KV Cache, muestran poca sensibilidad al precio, otorgando a SNDK un sólido poder de fijación. Un pilar clave es el nuevo modelo de negocio (NBM) de SNDK, que ya ha asegurado más de un tercio de sus envíos en bits para el año fiscal 2027. Estos contratos a largo plazo (3-5 años) con precios fijos o con límites garantizan márgenes brutos de alrededor del **80% incluso en escenarios de precios bajos**, proporcionando una resiliencia significativa frente a los ciclos del sector. Se prevé que la escasez de oferta de NAND persista, impulsada por la expansión acelerada de centros de datos para IA. Morgan Stanley espera que los precios promedio (ASP) continúen subiendo hasta mediados de 2027. Los ingresos de SNDK se proyectan que crezcan de 7.355 mil millones de dólares en FY25 a 48.826 mil millones en FY27, impulsados por el negocio en la nube de alto margen, con un EPS que pasaría de 2.74 a 14.73 dólares. Los riesgos incluyen un crecimiento del sector menor al esperado, una mayor competencia y posibles pérdidas de cuota de mercado. Sin embargo, el marco de inversión se sostiene en el cambio estructural de demanda por la IA, la protección de márgenes vía contratos NBM y un entorno de oferta ajustada.

marsbitHace 5 min(s)

Informe de Investigación: Morgan Stanley analiza a SanDisk SNDK, la verdad sobre el poder de fijación de precios en centros de datos en la nube y el dividendo del razonamiento de IA

marsbitHace 5 min(s)

¡Triplicando el rendimiento! NEAR alcanza el límite físico de 200ms en generación de bloques con SPICE

NEAR One, el equipo central de desarrollo de NEAR, ha anunciado dos importantes actualizaciones del protocolo NEAR: fragmentación dinámica (para escalabilidad) y la implementación de un esquema de firma cuántica (para seguridad post-cuántica). Este artículo detalla el próximo plan central de la hoja de ruta tecnológica: SPICE (Separación de Consenso y Ejecución), un componente clave antes de Nightshade 3.0. SPICE, al desacoplar el proceso de consenso de la ejecución de transacciones, permitirá a NEAR reducir el tiempo de creación de bloques de 600 ms a 200 ms, triplicando el rendimiento y alcanzando un límite físico teórico. Esto se traduce en una confirmación de transacción más rápida (~0.4s), menor latencia y soporte para transacciones complejas de larga duración. La arquitectura separada permite que el consenso (ordenación de transacciones) funcione a máxima velocidad sin esperar a que se complete la ejecución del estado. Además de la velocidad, SPICE sienta las bases para Nightshade 3.0, permitiendo una mayor paralelización, una mejor distribución de la carga entre fragmentos y allanando el camino para transacciones atómicas entre fragmentos en el futuro. Esta mejora es crucial para casos de uso como pagos instantáneos y la economía de agentes de IA, donde la velocidad y la ejecución confiable son esenciales. El equipo de Near One está avanzando en el desarrollo de SPICE para su lanzamiento en los próximos meses.

Foresight NewsHace 1 hora(s)

¡Triplicando el rendimiento! NEAR alcanza el límite físico de 200ms en generación de bloques con SPICE

Foresight NewsHace 1 hora(s)

TechFlow Agencia de Inteligencia: AMD restaura función de cifrado de memoria en CPU para consumidores, acciones de chips coreanas se desploman un 10% causando conmoción en el mercado

Resumen de TechFlow Intelligence: **IA y Software:** OpenAI lanza DayBreak, modelo enfocado en seguridad. Usuarios critican a Cursor por caída en calidad y velocidad, cuestionando su valor. El cliente de ChatGPT para Mac reporta frecuentes caídas. La comunidad china espera con expectativas el lanzamiento de DeepSeek V4.1. **Web3/Cripto:** Polymarket es acusado de usar creadores pagados para videos engañosos. Los exchanges coreanos Upbit y Bithumb listan nuevas monedas (ARX y CC). **Chips/Hardware:** AMD restaura la función de cifrado de memoria en sus CPUs tras protestas. ASML impulsa la fabricación con máquinas de litografía de 400M$. Los precios de alquiler de GPUs de Nvidia caen. Las ventas de memoria HBM4 de Samsung superan los 1000M$ en un mes. **Empresas Tecnológicas:** Huawei promete responsabilidad por su sistema de conducción autónoma y sube su precio. Prueba de autonomía del Xiaomi SU7 genera debate. Lei Jun (Xiaomi) habla sobre su apuesta con Dong Mingzhu (Gree). Google invierte 75M$ en A24 para herramientas de cine con IA. Apple parchea una vulnerabilidad de escucha en sus Beats Studio Buds. **Mercados y Finanzas:** Acciones de chips coreanos se hunden casi un 10%, arrastrando al índice KOSPI. Micron cae un 10% en premercado. Las acciones de SpaceX caen más de un 16%. Los bajistas predicen que la burbuja de la IA podría estallar en Q3, con posibles caídas del mercado. El oro y la plata bajan, mientras que las exportaciones de petróleo de Irán alcanzan un máximo en tiempos de guerra, presionando a la baja los precios del crudo. **Productos/Tendencias:** Se lanza Steam Machine a un precio alto de 1049$. Red Magic anuncia su tablet gaming 5 Pro con soporte para 185Hz. **Línea Subyacente del Día:** Una corrección en el mercado: las acciones de chips caen, los precios de alquiler de GPUs disminuyen, lo que señala un enfriamiento en la infraestructura de IA. Paralelamente, las quejas sobre herramientas de IA como Cursor y ChatGPT sugieren una fase de "desencanto" en la capa de aplicación. El mercado se pregunta si la IA es un nuevo paradigma o una burbuja más, mientras la narrativa pasa de "posibilidades infinitas" a un momento clave de "demostrar valor".

marsbitHace 1 hora(s)

TechFlow Agencia de Inteligencia: AMD restaura función de cifrado de memoria en CPU para consumidores, acciones de chips coreanas se desploman un 10% causando conmoción en el mercado

marsbitHace 1 hora(s)

Visión Profunda: La Inferencia Descentralizada no es Hype, es el Campo Clave para Romper el Monopolio Centralizado de la IA

**Análisis profundo: El razonamiento descentralizado no es exageración, es clave para romper el monopolio centralizado de la IA** Ante un hipotético escenario donde un modelo de IA puntero es prohibido en 2026, el artículo argumenta que el **razonamiento descentralizado** es fundamental como protección contra la censura, ya que los modelos de código abierto serían imposibles de eliminar por completo. Sin embargo, construir redes de inferencia descentralizadas viables implica superar **cuatro desafíos principales**: 1. **Escalabilidad:** Ejecutar modelos enormes dividiéndolos en múltiples GPUs (swarm), luchando contra la latencia de red con técnicas como decodificación especulativa. 2. **Verificación:** Probar que el nodo ejecutó el modelo correcto y no una versión más barata. Se analizan opciones como ZKML (lento), pruebas de fraude o huellas estadísticas, todas con concesiones entre integridad, coste y velocidad. 3. **Privacidad:** Proteger el "prompt" del usuario. El sharding por sí solo no garantiza privacidad; se requieren soluciones como Entornos de Ejecución Confiables (TEE) o cifrado totalmente homomórfico (FHE), aunque este último es aún costoso. 4. **Mercado viable:** Identificar clientes reales dispuestos a pagar (empresas, agentes de IA) y crear un mercado sostenible más allá de la especulación con tokens. El artículo revisa proyectos como **Dolphin Network** (pruebas de pesos en vivo), **Inference.net** (verificación estadística), **Morpheus** (TEE) o **Darkbloom** (para Macs), destacando que cada uno aborda los problemas de forma distinta. La **ventaja competitiva** de la inferencia descentralizada no está en la baja latencia (donde lo centralizado gana), sino en tareas por lotes que priorizan el rendimiento agregado y el coste marginal bajo, como la generación de datos sintéticos. Un **valor oculto** a largo plazo es el ciclo de datos: las redes de inferencia pueden generar datos valiosos (por ejemplo, de interacciones con agentes) para entrenar mejores modelos de código abierto, creando un círculo virtuoso con el entrenamiento descentralizado. Finalmente, ofrece una **lista de verificación** para evaluar proyectos, enfatizando la necesidad de una propuesta de valor clara para usuarios no cripto, un equipo con sólidas capacidades técnicas en IA y una comprensión realista de su mercado objetivo.

Foresight NewsHace 1 hora(s)

Visión Profunda: La Inferencia Descentralizada no es Hype, es el Campo Clave para Romper el Monopolio Centralizado de la IA

Foresight NewsHace 1 hora(s)

Trading

Spot
Futuros
活动图片