Los ETF de Criptomonedas Registran la Mayor Salida Desde Noviembre – ¡Evaluando el Drenaje de $1,700 Millones!

ambcryptoPublicado a 2026-02-01Actualizado a 2026-02-01

Resumen

Los fondos cotizados de criptomonedas (ETF) registraron una salida neta semanal de 1.700 millones de dólares, la mayor desde noviembre, lo que provocó un shock de liquidez a corto plazo. Bitcoin ETFs representaron 1.100 millones en reembolsos, mientras que Ethereum registró 630 millones. Los flujos reflejan una reasignación de capital entre plataformas en lugar de una aversión general al riesgo. La liquidez del mercado se ha debilitado, con una fuerte contracción en la capitalización de USDT. Los tenedores a corto plazo absorbieron la mayor presión, realizando ventas forzadas, mientras que los inversores a largo plazo se mantuvieron inactivos. Este episodio sugiere un reajuste de posiciones impulsado por la liquidez, no una pérdida de convicción estructural a largo plazo.

Los mercados de criptomonedas absorbieron una notable salida semanal de $1,700 millones de ETF, creando un shock de liquidez a corto plazo y poniendo a prueba la convicción de los inversores.

Los Flujos Netos de ETF reflejaron una reubicación en lugar de una aversión general al riesgo, ya que el capital se ajustó entre plataformas mientras que la demanda subyacente se mantuvo estructuralmente intacta.

Los fondos de criptomonedas experimentaron una pronunciada contracción de liquidez, ya que las salidas semanales alcanzaron los $1,700 millones, la mayor desde mediados de noviembre.

Este episodio marcó la segunda mayor retirada en más de un año, subrayando la mayor cautela de los inversores.

En los últimos tres meses, las salidas acumuladas totalizaron $2,600 millones, reforzando el tono predominante de aversión al riesgo.

Los ETF de Bitcoin [BTC] representaron la mayoría, registrando aproximadamente $1,100 millones en reembolsos a medida que los inversores redujeron su exposición.

Ethereum [ETH] le siguió con $630 millones en salidas, mientras que Ripple [XRP] experimentó una salida comparativamente modesta de $18 millones.

En conjunto, estos flujos indican una rotación medida del capital en lugar de una dislocación generalizada del mercado.

El drenaje de liquidez señala una debilidad continua del mercado

La liquidez del mercado en los activos digitales continuó debilitándose.

El Cambio a 60 Días en la Capitalización de Mercado de USDT ha caído bruscamente desde aproximadamente $15,900 millones a finales de octubre de 2025 a menos de $1,000 millones, niveles previamente asociados con condiciones tardías de mercado bajista.

Esta contracción reflejó un apetito de riesgo reducido, ya que el capital se reasignó lejos de activos especulativos hacia exposiciones defensivas como los metales preciosos.

En paralelo, los flujos de ETF de Bitcoin confirman la presión, con aproximadamente $817 millones en salidas el 29 de enero y otros $510 millones al día siguiente, marcando cuatro días consecutivos de reembolsos netos.

Al mismo tiempo, la relación histórica entre la emisión de USDT y los avances del precio de Bitcoin se ha debilitado, subrayando la disminución del compromiso de los inversores y reforzando la necesidad de paciencia antes de cualquier recuperación sostenida.

Los Titulares a Corto Plazo soportan la mayor parte del estrés de liquidez

La supresión sostenida en el comportamiento de los titulares implica que las manos débiles continuaron realizando pérdidas, mientras que las manos fuertes se mantuvieron en gran medida inactivas.

Los Titulares a Corto Plazo (STH) absorbieron la mayor parte de la presión, a menudo vendiendo por debajo del costo a medida que la liquidez se ajustaba y la volatilidad aumentaba.

Este patrón apuntó a ventas forzadas en lugar de salidas estratégicas, impulsadas por desapalancamientos, reembolsos de ETF y posicionamientos de aversión al riesgo.

Las salidas de pánico parecieron episódicas, no sistémicas, moldeadas por la incertidumbre macroeconómica y los fuertes movimientos de precios en lugar de un colapso en la convicción a largo plazo.

Mientras tanto, los titulares a largo plazo mostraron moderación, permitiendo que la oferta se transfiriera gradualmente. En general, esto se asemeja a purgas impulsadas por la liquidez que reinician el posicionamiento sin desencadenar una capitulación generalizada.


Reflexiones Finales

  • La salida de $1,700 millones refleja un evento de reubicación impulsado por la liquidez, no una ruptura en la demanda estructural o la convicción a largo plazo.
  • El estrés de liquidez forzó a los titulares a corto plazo a realizar pérdidas, mientras que los titulares a largo plazo permanecieron inactivos, lo que apunta a un reinicio de posicionamiento en lugar de una capitulación.

Preguntas relacionadas

Q¿Cuál fue el monto total de las salidas semanales de los ETF de criptomonedas mencionadas en el artículo?

ALas salidas semanales de los ETF de criptomonedas totalizaron 1700 millones de dólares.

Q¿Qué criptomoneda experimentó la mayor cantidad de salidas de su ETF, con aproximadamente 1100 millones de dólares?

ALos ETF de Bitcoin [BTC] representaron la mayoría, con aproximadamente 1100 millones de dólares en reembolsos.

QSegún el artículo, ¿a qué se atribuyen principalmente estas salidas masivas: a una aversión general al riesgo o a una reubicación de capital?

ALos flujos netos de los ETF reflejaron una reubicación en lugar de una aversión general al riesgo, ya que el capital se ajustó entre venues mientras la demanda subyacente se mantuvo estructuralmente intacta.

Q¿Qué grupo de inversores, según el análisis, absorbió la mayor presión de la contracción de liquidez y se vio forzado a vender?

ALos Titulares a Corto Plazo (STHs) absorbieron la mayor parte de la presión, a menudo vendiendo por debajo del costo a medida que la liquidez se tensaba y la volatilidad aumentaba.

QEl artículo menciona que la capitalización de mercado de USDT ha caído drásticamente. ¿Desde qué nivel a finales de octubre de 2025 cayó hasta por debajo de 1000 millones de dólares?

AEl cambio de 60 días en la Capitalización de Mercado de USDT cayó bruscamente desde aproximadamente 15.900 millones de dólares a finales de octubre de 2025 hasta por debajo de 1000 millones de dólares.

Lecturas Relacionadas

a16z: La 'amnesia' de la IA, ¿puede curarla el aprendizaje continuo?

En el artículo de a16z, se explora la "amnesia" de la IA, comparándola con el personaje de "Memento" que no puede formar nuevos recuerdos. Los modelos de lenguaje actuales, tras su entrenamiento, congelan el conocimiento en sus parámetros, sin poder actualizarse con nueva información. Para compensar, se usan contextos externos como historiales de chat o sistemas de recuperación, pero estos no internalizan realmente el conocimiento. El aprendizaje contextual (ICL) es útil, pero tiene limitaciones: no maneja bien problemas que requieren descubrimiento genuino, adaptación adversarial o conocimiento implícito. La solución propuesta es el "aprendizaje continuo", donde los modelos actualizan sus parámetros después del despliegue, comprimiendo nueva información en lugar de solo recuperarla. Se discuten tres enfoques: 1. **Contexto**: Mejora de ventanas de contexto y sistemas de recuperación. 2. **Módulos**: Uso de adaptadores o memorias externas para especializar modelos. 3. **Pesos**: Actualización directa de parámetros mediante técnicas como metaaprendizaje o auto-mejora. Aunque el aprendizaje contextual es efectivo y escalable, el artículo argumenta que la compresión en los parámetros es crucial para problemas complejos. Sin embargo, actualizar pesos conlleva riesgos como olvido catastrófico o problemas de seguridad. El futuro probablemente combine contextos, módulos y actualizaciones de pesos para lograr IA que aprenda de verdad, no solo recuerde.

marsbitHace 1 hora(s)

a16z: La 'amnesia' de la IA, ¿puede curarla el aprendizaje continuo?

marsbitHace 1 hora(s)

¿Ganar 34.000 dólares con un secador de pelo? Desentrañando la paradoja de la reflexividad en los mercados de predicción

Un hombre ganó 34.000 dólares calentando un sensor meteorológico en el aeropuerto de París, lo que influyó en el resultado de un mercado de predicción de Polymarket. Este caso ilustra la paradoja central de los mercados de predicción: están diseñados para reflejar la realidad, pero su existencia incentiva a los participantes a manipularla. El artículo analiza cuatro tipos de mercados especialmente vulnerables: 1. **Datos físicos puntuales:** Como estaciones meteorológicas, fáciles de manipular físicamente. 2. **Información privilegiada:** Donde personas con conocimiento previo (ej. equipo de MrBeast o militares israelíes) aprovechan su ventaja. 3. **El sujeto del evento:** Cuando el propio actor (ej. Andrew Tate) puede alterar el resultado para beneficiarse. 4. **Acciones individuales:** Donde una persona puede provocar el evento apostado (ej. lanzar un objeto en un partido). La actitud de las plataformas varía. Kalshi, con verificación de identidad (KYC), aplica sanciones públicas y reporta a reguladores. Polymarket, más anónima, ha mostrado cierta tolerancia, argumentando que la información privilegiada hace que los precios sean más precisos, aunque colabora con las autoridades en casos graves. La paradoja final es que estos mercados, al financiarizar la realidad, dejan de ser espejos pasivos y se convierten en motores que pueden distorsionar los eventos que pretenden predecir. Cuanto más exitoso es un mercado, mayor es el incentivo para manipular la realidad que refleja.

marsbitHace 3 hora(s)

¿Ganar 34.000 dólares con un secador de pelo? Desentrañando la paradoja de la reflexividad en los mercados de predicción

marsbitHace 3 hora(s)

Trading

Spot
Futuros
活动图片