Миллиардер Говард Лутник отнёс биткоин к товарам наряду с золотом

investing.ruPublié le 2024-09-29Dernière mise à jour le 2024-09-29

Happycoin.club - Миллиардер Говард Лутник, возглавляющий финансовую компанию Cantor Fitzgerald, отнёс биткоин к товарам, в список которых входят, например, золото и нефть.

Во время интервью на телеканале Fox Business Лутнику задали вопрос о том, что он думает по поводу индустрии цифровых активов. В ответ он призвал американское правительство принять более чёткие меры регулирования оборота криптовалют и однозначно решить, каким статусом обладает биткоин.

Биткоин — это товар. К нему стоит относиться точно так же, как к золоту и нефти. Это просто товар. Пока признать, что они [американские чиновники] не знают, что делать с криптовалютами в частности и цифровой индустрией в общем. Они всё ещё не понимают, насколько важно не допустить ошибок в этой сфере, — заявил Лутник.

Лутник неспроста радеет за включение биткоина в перечень товаров и поддерживает прокриптовалютного кандидата в президенты США республиканца Дональда Трампа. Его фирма Cantor Fitzgerald планирует запустить кредитную программу для владельцев BTC. В рамках предоставления нового сервиса компания собирается выдать предпринимателям займы на $2 млрд под залог биткоинов.

Говард оказался ярым противником демократа Камалы Харрис и утверждает, что её победа на выборах будет означать остановку роста американской экономики. Он объясняет этот мрачный прогноз тем, что Харрис хочет ввести 25% налог на нереализованный прирост капитала, полученного, например, в ходе привлечения инвестиций.

Часть интервью с Лутником

Читайте оригинальную статью на сайте Happycoin.club

Lectures associées

Tirer parti de la fusion entre fonds traditionnels et DeFi : qui pourra saisir les opportunités de la décennie à venir des RWA ?

L’article explore la convergence entre les fonds traditionnels et la finance décentralisée (DeFi) à travers la tokenisation des actifs réels (RWA), un marché en pleine expansion dépassant 330 milliards de dollars. Il souligne les défis majeurs de cette fusion : la gestion des prix entre les mises à jour quotidiennes de la valeur nette d’inventaire (VNI), la conformité réglementaire (KYC, listes blanches) et la coordination inter-chaînes pour les transferts d’actifs. Pour résoudre ces conflits, des infrastructures comme Centrifuge (avec son cadre deRWA) et LayerZero proposent des solutions techniques. Centrifuge adopte une architecture en « hub and spokes », où une chaîne centrale gère la comptabilité et la conformité, tandis que les chaînes secondaires permettent la composabilité avec la DeFi. LayerZero assure la synchronisation inter-chaînes des données. Cette couche intermédiaire est cruciale pour permettre une liquidité et une circulation rapides des actifs tokenisés, tout en respectant les contraintes réglementaires des fonds traditionnels (comme les plafonds de rachat ou les horaires de règlement). L’avantage principal de ces fonds tokenisés réside dans leur capacité à générer des rendements supplémentaires via des stratégies de prêt/re-collatéralisation dans l’écosystème DeFi, tout en offrant liquidité et rapidité. Cependant, des risques persistent, comme les conflits de rachat ou les pannes de communication inter-chaînes. L’article conclut que les acteurs qui construiront et maîtriseront cette couche d’infrastructure intermédiaire essentielle, à l’image de ce qu’ont fait SWIFT ou Visa dans la finance traditionnelle, captureront une valeur considérable dans le paysage financier des dix prochaines années.

Foresight NewsIl y a 20 mins

Tirer parti de la fusion entre fonds traditionnels et DeFi : qui pourra saisir les opportunités de la décennie à venir des RWA ?

Foresight NewsIl y a 20 mins

La CFTC accuse une entreprise de Caroline du Nord d'une fraude de 14 millions de dollars via un pool de matières premières sur cryptos et contrats à terme

La Commodity Futures Trading Commission (CFTC) américaine a engagé une action civile contre Trevor Vernon et la société Argent Capital Management LLC, basée en Caroline du Nord. Les régulateurs accusent les défendeurs d'avoir exploité un pool de matières premières illégal, recueillant près de 14 millions de dollars d'environ 60 investisseurs pour trader des cryptomonnaies, des contrats à terme et des options. La plainte affirme que Vernon se présentait comme un trader expérimenté grâce à des communications trompeuses sur la performance. En réalité, le pool aurait subi des pertes importantes et constantes, s'élevant à au moins 8,6 millions de dollars, contrairement aux affirmations de rentabilité. De plus, Argent Capital Management n'était pas enregistrée auprès de la CFTC, et Vernon aurait faussement présenté l'entité comme régulée. Les autorités l'accusent également d'avoir fait des déclarations mensongères sous serment durant l'enquête. La CFTC demande des sanctions pénales civiles, la restitution des fonds aux investisseurs, le remboursement des profits illégaux, ainsi que des interdictions permanentes de trading et d'enregistrement pour Vernon. Cette action, en cours devant le tribunal fédéral du district occidental de Caroline du Nord, souligne la vigilance continue des régulateurs concernant les programmes d'investissement non enregistrés impliquant des cryptomonnaies et des produits dérivés.

TheNewsCryptoIl y a 46 mins

La CFTC accuse une entreprise de Caroline du Nord d'une fraude de 14 millions de dollars via un pool de matières premières sur cryptos et contrats à terme

TheNewsCryptoIl y a 46 mins

Génération d'images par IA accélérée de 1000% sans entraînement, méthode : le « pipeline en trois étapes » le plus simple

Le modèle de génération d’images par IA MrFlow (Multi-Resolution Flow Matching), développé par une équipe de recherche de l’Université de Beihang, de NTU et de l’ETH, propose une accélération significative sans entraînement supplémentaire. Basé sur un pipeline en trois étapes simples, il permet de réduire le temps de génération d’images de haute résolution tout en préservant la qualité. L’approche repose sur trois phases : 1. Génération de structure à basse résolution (12 étapes) pour capturer la composition globale, les couleurs et la sémantique. 2. Sur-échantillonnage dans l’espace pixel à l’aide d’un modèle pré-entraîné comme Real-ESRGAN pour obtenir une image haute définition tout en conservant la clarté structurelle. 3. Raffinement haute résolution en une seule étape, après ajout d’un faible bruit, pour corriger les détails et assurer la cohérence sémantique avec l’invite. Cette méthode atteint une accélération de 10,35× sur des modèles comme Qwen-Image, réduisant le temps de génération de 49,32 s à 4,77 s, avec une perte de qualité inférieure à 1 %. Contrairement aux autres méthodes d’accélération sans entraînement, MrFlow évite les artefacts flous ou les déformations locales grâce au sur-échantillonnage en espace pixel. Elle est compatible avec plusieurs modèles avancés (FLUX.1-dev, SD3, etc.) et peut être combinée à des techniques de distillation pour une accélération supplémentaire. Le code est open source, incluant un plugin ComfyUI pour une utilisation facile.

marsbitIl y a 1 h

Génération d'images par IA accélérée de 1000% sans entraînement, méthode : le « pipeline en trois étapes » le plus simple

marsbitIl y a 1 h

Trading

Spot
活动图片