6月二级市场报告:买方市场迹象明显,资产购买需求超报价75%

Odaily星球日报Publié le 2024-07-20Dernière mise à jour le 2024-07-20

Résumé

6 月 70% 的交易集中在五个领域:区块链服务、DeFi、基础设施、技术开发、GameFi。

原文作者:SecondLane

原文编译:深潮 TechFlow

  • 六月份是今年第一个明显表现出买方市场的月份,买入请求比卖出报价多出 75% !

  • 同一资产的买卖报价之间的估值差距从上个月的 88% 下降到 36% 

6月二级市场报告:买方市场迹象明显,资产购买需求超报价75%

  • 2024 年 6 月的订单簿总价值为 8.83 亿美元

  • 平均报价金额为 450 万美元,比上个月的 390 万美元大幅上升

  • 平均溢价为上一轮完全稀释估值的 55% 

  • 主要项目:Circle、Solana、Scroll、Kraken、Celestia、TON、Pyth、Gunzilla、OpenAI

6月二级市场报告:买方市场迹象明显,资产购买需求超报价75%

  • 57% 的交易为 SAFT, 44% 的交易为股权交易

  • 73% 的交易为(早期)种子轮, 27% 的交易为 A 至 D 轮

  • 70% 的交易集中在五个领域:区块链服务、DeFi、基础设施、技术开发、GameFi

6月二级市场报告:买方市场迹象明显,资产购买需求超报价75%

  • 具有上一轮溢价的交易减少了 2% 

  • 与上一轮持平的交易增长了 10% 

  • 46% 的交易在六月以折扣进行, 25% 持平, 29% 具有上一轮溢价

  • 六月所有交易的中位折扣为上一轮的 15% 

  • 前 10% 的交易提供了上一轮 200% 或更高的溢价

  • 后 25% 的交易提供了上一轮 40% 或更大的折扣

6月二级市场报告:买方市场迹象明显,资产购买需求超报价75%

  • 在 VC 基金、CEX、L1s、钱包、GameFi、区块链基础设施和服务中的 LP 位置享有最大折扣

      (深潮注:文中“折扣”指交易中的折扣,这意味着某些资产的交易价格比其上一轮融资或市场价格低。例如,某些交易以低于上一轮融资的价格进行,这种情况被称为“折扣”)

  • 区块链分析和质押项目享有最高溢价

  • A 轮项目享有最高溢价,种子轮项目享有最大折扣

6月二级市场报告:买方市场迹象明显,资产购买需求超报价75%

  • 13% 的交易在没有公开曝光的情况下流通,估值较低(非公开报价的完全稀释估值为 41 亿美元,而公开报价为 74 亿美元)

  • 大多数私募交易为 SAFT(76% ),在(早期)种子轮阶段(83% ),针对 DEXes、EVM 和跨链解决方案

6月二级市场报告:买方市场迹象明显,资产购买需求超报价75%

  • 交易平均到期时间增长到买入请求的 4 个月和卖出报价的 4.4 个月,直到到期或交易完成

  • 60% 的交易活跃超过 1 个月

  • 最长的到期时间为:

  • 早期 vs 晚期轮次:早期种子轮为 6.4 个月;种子轮和 A 轮约为 4 个月,B、C、D 轮为 1 个月以上

  • CeFi、钱包、CEX 项目、VC、NFT、区块链基础设施

6月二级市场报告:买方市场迹象明显,资产购买需求超报价75%

  • 中位买入请求为 20 万美元,平均估值为 90 亿美元

  • 2/3 的买入请求以折扣进行(平均折扣为上一轮或现货价格的 40% );6% 持平;25% 要求平均溢价 80% 以上

6月二级市场报告:买方市场迹象明显,资产购买需求超报价75%

  • 中位卖出报价为 200 万美元,平均估值为 65 亿美元

  • 40% 的交易以折扣进行(平均折扣为 45% );32% 持平;29% 要求溢价(平均 270% 以上)

Lectures associées

Les modèles du monde évoluent de la prédiction vers la planification : HWM et le défi du contrôle à long terme

Le modèle mondial évolue de la prédiction vers la planification, avec HWM (modèle mondial hiérarchique) abordant le défi du contrôle à long terme. Alors que des modèles comme V-JEPA 2 se concentrent sur l'apprentissage de représentations et la prédiction future via l'entraînement sur de vastes données vidéo, ils peinent dans les tâches de contrôle multi-étapes en raison de l'accumulation d'erreurs de prédiction et de l'explosion de l'espace de recherche d'actions. HWM introduit une structure de planification hiérarchique à deux niveaux. Un niveau supérieur planifie le cheminement par étapes sur une échelle de temps longue, tandis qu'un niveau inférieur exécute les actions locales sur une échelle courte. Cette approche décompose les longues tâches en segments plus courts, réduisant ainsi la complexité de la planification et contenant la propagation des erreurs. Les résultats expérimentaux sont significatifs : Dans une tâche de saisie et placement en monde réel, HWM atteint un taux de réussite de 70%, contre 0% pour un modèle monocouche. Il réduit également considérablement le coût computationnel de la planification. Ce progrès s'inscrit dans une convergence plus large avec V-JEPA (représentation du monde) et WAV (vérification et correction des prédictions). L'objectif est de transformer la capacité prédictive en un système exécutable, vérifiable et capable de planification à long terme, une avancée cruciale pour les robots et les agents IA devant gérer des tâches complexes et séquentielles.

marsbitIl y a 2 h

Les modèles du monde évoluent de la prédiction vers la planification : HWM et le défi du contrôle à long terme

marsbitIl y a 2 h

Trading

Spot
Futures
活动图片