Un estudio del BCE advierte que las stablecoins podrían reducir los depósitos bancarios y alterar la transmisión de la política monetaria

ambcryptoPublicado a 2026-03-03Actualizado a 2026-03-03

Resumen

Un estudio del Banco Central Europeo (BCE) advierte que la adopción generalizada de stablecoins podría reducir los depósitos bancarios, limitar la capacidad crediticia de los bancos y alterar la transmisión de la política monetaria en la zona del euro. El documento identifica un "efecto de sustitución de depósitos" donde las stablecoins compiten directamente con los depósitos minoristas, lo que podría forzar a los bancos a depender más de financiación mayorista, volviéndolos más vulnerables a condiciones de mercado volátiles. La investigación también señala que el 99% de las stablecoins globales están denominadas en dólares estadounidenses, lo que podría exponer a la eurozona a shocks de la política monetaria de EE.UU. y afectar su soberanía monetaria. Si bien el impacto actual es limitado, el documento enfatiza que una adopción a gran escala podría amplificar los ciclos de ajuste monetario y hacer que la transmisión de política sea menos predecible, especialmente en periodos de estrés financiero.

Un nuevo documento de trabajo del Banco Central Europeo [BCE] advierte que la adopción de stablecoins a gran escala podría reducir los depósitos bancarios, restringir los préstamos y complicar la transmisión de la política monetaria en la zona del euro.

El estudio argumenta que, a medida que los hogares y las empresas trasladan fondos de los depósitos bancarios tradicionales a las stablecoins, los bancos podrían enfrentar presiones de financiación que alteren la forma en que los cambios en las tasas de interés se propagan por el sistema financiero.

Los autores advierten que los efectos podrían volverse materialmente más fuertes si el uso de stablecoins se expande significativamente.

Stablecoins como sustitutos de los depósitos

El documento identifica un "efecto de sustitución de depósitos", en el que las stablecoins compiten directamente con los depósitos bancarios minoristas. A medida que los depósitos disminuyen, los bancos podrían depender más de fuentes de financiación mayorista. Estas suelen ser más volátiles y sensibles a las condiciones del mercado.

Utilizando datos macroeconómicos y a nivel bancario, los autores encuentran que una mayor proporción de dinero digital no bancario está asociada con una base de depósitos minoristas más pequeña y una reducción de los préstamos a empresas.

La adopción a pequeña escala tiene un impacto modesto, pero un uso generalizado podría debilitar significativamente la capacidad crediticia de los bancos.

En términos prácticos, las stablecoins podrían remodelar el modelo de financiación bancaria tradicional si la adopción va más allá del uso criptográfico de nicho y se adentra en una actividad financiera más amplia.

La transmisión de la política monetaria podría cambiar

El documento del BCE también sugiere que las stablecoins pueden cambiar cómo funciona la política monetaria.

En la zona del euro, las decisiones sobre tasas afectan principalmente a la economía a través de los bancos. Si los bancos dependen más de la financiación mayorista debido a las salidas de depósitos, los aumentos en las tasas de política podrían transmitirse a las tasas de préstamo más rápidamente, lo que podría amplificar los ciclos de ajuste.

Al mismo tiempo, las stablecoins podrían debilitar el canal de depósitos, ya que la competencia de los tokens digitales vinculados al dólar podría limitar la capacidad de los bancos para ajustar las tasas de depósito sin arriesgarse a más salidas de fondos.

El efecto combinado, según los autores, podría hacer que la transmisión de la política monetaria sea menos predecible, particularmente durante períodos de estrés.

Dominancia del dólar y soberanía monetaria

El estudio destaca que aproximadamente el 99% de la capitalización de mercado global de las stablecoins está denominada en dólares estadounidenses. Si las stablecoins respaldadas por el dólar ganan tracción dentro de la zona del euro, los choques de la política monetaria de EE.UU. podrían afectar indirectamente a las condiciones de liquidez del euro.

En tal escenario, las decisiones de política exterior y el sentimiento de riesgo global podrían influir en las condiciones financieras domésticas, lo que genera preocupaciones sobre la soberanía monetaria.

Si bien el documento no argumenta que las stablecoins actualmente amenacen la estabilidad financiera, enfatiza que la escala importa. Las proyecciones citadas en el estudio sugieren que la capitalización de mercado de las stablecoins podría expandirse significativamente durante la próxima década.

Una cuestión de escala y estructura

Las conclusiones del documento dependen en gran medida de los niveles de adopción y los patrones de uso. Muchas stablecoins hoy en día se utilizan principalmente para el comercio de criptomonedas y mantienen reservas en depósitos bancarios o valores gubernamentales a corto plazo, lo que puede limitar los efectos inmediatos en la economía real.

En ese sentido, el impacto potencial del BCE es condicional más que inminente. Sin embargo, los autores dejan claro que si las stablecoins evolucionan hacia instrumentos de pago o ahorro ampliamente utilizados, su interacción con los balances bancarios podría volverse más consecuente.

A medida que los responsables políticos continúan debatiendo las propuestas del euro digital y la regulación de las stablecoins, el documento enmarca a las stablecoins no meramente como una innovación del mercado criptográfico, sino como una variable estructural dentro del sistema bancario en general.


Resumen Final

  • El estudio del BCE sugiere que la adopción de stablecoins a gran escala podría reducir los depósitos bancarios y alterar la transmisión de la política monetaria si su uso se expande significativamente.
  • Si bien los efectos actuales parecen limitados, el documento argumenta que la escala y la dominancia del dólar determinarán si las stablecoins remodelan la dinámica bancaria de la zona del euro.

Criptos en tendencia

Preguntas relacionadas

Q¿Qué advertencia principal emite el estudio del BCE sobre los stablecoins?

AEl estudio advierte que la adopción a gran escala de stablecoins podría reducir los depósitos bancarios, restringir el crédito y complicar la transmisión de la política monetaria en la zona del euro.

Q¿Cómo podrían los stablecoins afectar el modelo tradicional de financiación bancaria?

AAl competir directamente con los depósitos minoristas, los stablecoins podrían forzar a los bancos a depender más de fuentes mayoristas de financiación, que son más volátiles y sensibles a las condiciones del mercado.

Q¿Por qué el estudio sugiere que la política monetaria podría volverse menos predecible?

APorque los stablecoins podrían debilitar el canal de depósitos y hacer que los aumentos de tasas de política se transmitan a las tasas de préstamo más rápidamente, especialmente durante períodos de estrés.

Q¿Qué preocupación genera el dominio del dólar estadounidense en el mercado de stablecoins?

AQue las decisiones de política monetaria de EE.UU. y el sentimiento de riesgo global podrían afectar indirectamente las condiciones de liquidez en la zona del euro, planteando preocupaciones sobre la soberanía monetaria.

Q¿De qué depende el impacto real de los stablecoins según el estudio del BCE?

AEl impacto depende críticamente de los niveles de adopción y los patrones de uso. Si evolucionan hacia instrumentos de pago o ahorro ampliamente utilizados, su interacción con los balances bancarios sería más consequential.

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 1 hora(s)

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

marsbitHace 1 hora(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 1 hora(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 1 hora(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 1 hora(s)

Acaba de recaudar 2.700 millones, y Li Feifei también invirtió

marsbitHace 1 hora(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 3 hora(s)

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

marsbitHace 3 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 3 hora(s)

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

marsbitHace 3 hora(s)

Trading

Spot
Futuros

Artículos destacados

Qué es $BANK

Bank AI: Un Paso Revolucionario en el Futuro de la Banca Introducción En una era marcada por avances rápidos en tecnología, Bank AI se encuentra en la intersección de la inteligencia artificial (IA) y los servicios bancarios. Este proyecto innovador busca redefinir el panorama financiero, mejorando la eficiencia operativa, las medidas de seguridad y las experiencias del cliente a través del poder de la IA. A medida que iniciamos esta exploración de Bank AI, profundizaremos en lo que implica el proyecto, sus dinámicas operativas, su contexto histórico y los hitos significativos. ¿Qué es Bank AI? En su esencia, Bank AI representa una iniciativa transformadora destinada a integrar la inteligencia artificial en diversas operaciones bancarias. Este proyecto aprovecha las capacidades de la IA para automatizar procesos, mejorar los protocolos de gestión de riesgos y mejorar la interacción con el cliente a través de servicios personalizados. Los objetivos principales de Bank AI incluyen: Automatización de Funciones Bancarias: Al aprovechar las tecnologías de IA, Bank AI tiene como objetivo automatizar tareas rutinarias, reduciendo la carga sobre los recursos humanos y mejorando la eficiencia. Mejora en la Gestión de Riesgos: El proyecto utiliza algoritmos de IA para predecir e identificar riesgos, fortaleciendo las medidas de seguridad contra el fraude y otras amenazas. Personalización de Servicios Bancarios: Bank AI se centra en ofrecer productos y servicios financieros a medida al analizar datos y comportamientos de los clientes. Mejora de la Experiencia del Cliente: La implementación de soluciones impulsadas por IA, como chatbots y asistentes virtuales, tiene como objetivo proporcionar a los usuarios interacciones más humanas, revolucionando la forma en que los clientes se relacionan con los bancos. Con estos objetivos, Bank AI se posiciona como un jugador crucial para hacer que la banca sea más eficiente, segura y centrada en el usuario. ¿Quién es el Creador de Bank AI? Los detalles sobre el creador de Bank AI siguen siendo desconocidos. Como tal, no se ha identificado a ninguna persona u organización específica en la información disponible. El anonimato que rodea el inicio del proyecto plantea preguntas, pero no resta valor a su ambiciosa visión y objetivos. ¿Quiénes son los Inversores de Bank AI? Al igual que con el creador del proyecto, no se ha divulgado información específica sobre los inversores u organizaciones de apoyo de Bank AI. Sin esta información, es difícil delinear el respaldo financiero y el apoyo institucional que podrían estar impulsando el proyecto hacia adelante. No obstante, la importancia de tener una base de inversión sólida es fundamental para sostener el desarrollo en un campo tan innovador. ¿Cómo Funciona Bank AI? Bank AI opera en varios frentes innovadores, centrándose en factores únicos que lo diferencian de los marcos bancarios tradicionales. A continuación se presentan las características operativas clave: Automatización: Al aplicar algoritmos de aprendizaje automático, Bank AI automatiza varios procesos manuales dentro de los bancos. Esto resulta en la reducción de costos operativos y permite a los trabajadores humanos redirigir sus esfuerzos hacia actividades más estratégicas. Gestión Avanzada de Riesgos: La integración de la IA en las prácticas de gestión de riesgos proporciona a los bancos herramientas para predecir con precisión posibles amenazas como el fraude, asegurando que la información y los activos de los clientes permanezcan seguros. Recomendaciones Financieras Personalizadas: A través del aprendizaje continuo a partir de las interacciones con los clientes, los sistemas de IA desarrollan una comprensión matizada de las necesidades del usuario, lo que les permite ofrecer asesoramiento personalizado sobre decisiones financieras. Interacciones Mejoradas con el Cliente: Utilizando chatbots y asistentes virtuales impulsados por IA, Bank AI permite una experiencia más atractiva para el cliente, permitiendo que los usuarios obtengan respuestas a sus consultas rápidamente, reduciendo así los tiempos de espera y mejorando los niveles de satisfacción. En conjunto, estas características operativas posicionan a Bank AI como un pionero en el sector bancario, estableciendo nuevos estándares para la entrega de servicios y la excelencia operativa. Cronología de Bank AI Entender la trayectoria de Bank AI requiere un vistazo a su contexto histórico. A continuación se muestra una cronología que destaca hitos y desarrollos importantes: Principios de 2010: La conceptualización de la integración de la IA en los servicios bancarios comenzó a ganar atención a medida que las instituciones bancarias reconocían los beneficios potenciales. 2018: Se produjo un aumento notable en la implementación de tecnologías de IA cuando los bancos comenzaron a utilizar herramientas de IA como chatbots para el servicio al cliente básico y sistemas de gestión de riesgos para mejorar la seguridad. 2023: La sofisticación de la IA siguió avanzando, con la introducción de la IA generativa para tareas más complejas como el procesamiento de documentos y el análisis de inversiones en tiempo real. Este año marcó un salto significativo en las capacidades que la tecnología de IA proporcionó a los bancos. 2024-Estado Actual: A partir de este año, Bank AI está en una trayectoria ascendente, con investigaciones y desarrollos en curso que están listos para mejorar aún más las capacidades en las operaciones bancarias. La continua exploración de aplicaciones de IA sugiere desarrollos emocionantes que aún están por venir. Puntos Clave Sobre Bank AI Integración de la IA en la Banca: Bank AI se centra en adoptar la inteligencia artificial para agilizar los procesos bancarios y mejorar las experiencias de los usuarios. Enfoque en Automatización y Gestión de Riesgos: El proyecto enfatiza fuertemente estas áreas, con el objetivo de cambiar la carga de tareas rutinarias mientras se mejoran los marcos de seguridad a través de análisis predictivos. Soluciones Bancarias Personalizadas: Al aprovechar los datos de los clientes, Bank AI permite servicios bancarios a medida que satisfacen las necesidades individuales de los usuarios. Compromiso con el Desarrollo: Bank AI sigue comprometido con los esfuerzos de investigación y desarrollo continuo, asegurando su adaptabilidad y relevancia continua a medida que la tecnología sigue evolucionando. Conclusión En resumen, Bank AI ejemplifica un paso crucial hacia adelante en la industria bancaria, aprovechando la inteligencia artificial para remodelar los paradigmas operativos, mejorar la seguridad y promover la satisfacción del cliente. A pesar de las lagunas en la información sobre el creador y los inversores, los objetivos claros y los mecanismos funcionales de Bank AI proporcionan una sólida base para su evolución continua. A medida que la tecnología de IA sigue avanzando y fusionándose con el sector bancario, Bank AI está bien posicionado para impactar significativamente en el futuro de los servicios financieros, mejorando la forma en que entendemos e interactuamos con la banca.

151 Vistas totalesPublicado en 2024.04.06Actualizado en 2024.12.03

Qué es $BANK

Cómo comprar BANK

¡Bienvenido a HTX.com! Hemos hecho que comprar Lorenzo Protocol (BANK) sea simple y conveniente. Sigue nuestra guía paso a paso para iniciar tu viaje de criptos.Paso 1: crea tu cuenta HTXUtiliza tu correo electrónico o número de teléfono para registrarte y obtener una cuenta gratuita en HTX. Experimenta un proceso de registro sin complicaciones y desbloquea todas las funciones.Obtener mi cuentaPaso 2: ve a Comprar cripto y elige tu método de pagoTarjeta de crédito/débito: usa tu Visa o Mastercard para comprar Lorenzo Protocol (BANK) al instante.Saldo: utiliza fondos del saldo de tu cuenta HTX para tradear sin problemas.Terceros: hemos agregado métodos de pago populares como Google Pay y Apple Pay para mejorar la comodidad.P2P: tradear directamente con otros usuarios en HTX.Over-the-Counter (OTC): ofrecemos servicios personalizados y tipos de cambio competitivos para los traders.Paso 3: guarda tu Lorenzo Protocol (BANK)Después de comprar tu Lorenzo Protocol (BANK), guárdalo en tu cuenta HTX. Alternativamente, puedes enviarlo a otro lugar mediante transferencia blockchain o utilizarlo para tradear otras criptomonedas.Paso 4: tradear Lorenzo Protocol (BANK)Tradear fácilmente con Lorenzo Protocol (BANK) en HTX's mercado spot. Simplemente accede a tu cuenta, selecciona tu par de trading, ejecuta tus trades y monitorea en tiempo real. Ofrecemos una experiencia fácil de usar tanto para principiantes como para traders experimentados.

581 Vistas totalesPublicado en 2025.05.09Actualizado en 2026.06.02

Cómo comprar BANK

Discusiones

Bienvenido a la comunidad de HTX. Aquí puedes mantenerte informado sobre los últimos desarrollos de la plataforma y acceder a análisis profesionales del mercado. A continuación se presentan las opiniones de los usuarios sobre el precio de BANK (BANK).

活动图片