【重磅解读】BTC长期投资者抛售减少90%,CHZ主力大量清仓

火币资讯Publié le 2022-08-25Dernière mise à jour le 2022-08-26

Résumé

BTC横盘整理,CHZ大量流入交易所,持币前10主力大量清仓。

1、 BTC横盘整理

BTC在日K线图中表现相对平稳,价格横盘运行阶段,更多的交易量真正积累。这说明,

价格在8月19日快速回撤以后,并未明显跌破近期抄底投资者的成本价,因此行情还有更多弹性空间。交易量方面,日K线中BTC交易量相对稳定,并未持续显著缩量,投资者买卖活跃度非常平稳,活跃度高对价格上涨的帮助是正面的。

2、长期投资者抛压较小

随着BTC调整的延续,代表了长期投资者交易动向的币天销毁数数据维持低水平,该指标持续回撤,意味着长期投资者的抛售很低。币天销毁数数据峰值从6月17日的7400万下降到了4100万以后,近期币天销毁数已经维持在816万以下的低水平。8月24日,币天销毁数仅为393万。这说明,在价格横盘运行期间,长期投资者持币稳定,抛压下降90%以上,意味着短线进一步回落的可能性在下降。

3、 CHZ强势飙升超过180%

CHZ的强势上涨阶段,其涨幅最高达到了180%以上,同时交易量放大至前期低位的4倍以上。据此判断,CHZ的价格上涨已经引发了投资者的热情交易,同时换手率也大幅度提升。图中显示的连续4个交易日的成交量维持稳定回升,并且波动空间很小。这个时候,多空双方换手率较多,抛压自然也处在高位运行。

趋势方面,CHZ价格靠近布林线上轨,短线抛压可关注前期高0.3美元附近。而周线级别上,可关注2021年年初以来的0.24美元压力位下方,因此迹象上涨的不确定性较大。

4、CHZ主力持币显著降低

在CHZ价格显著回升期间,主力持币数量的变化最值得投资者关注。从持币前10、前20、前50和前100的主力持币数量来看,从8月21日到8月22日出现了较大变化。持币前10的主力持有的CHZ数量从占比68.71%大幅度下降到了0.67%。相应的,持币前20、前50和前100的主力中,持币数量从下降到了76%、81%和86%下降到了0.77%、6.57%和10.92%。近乎清仓方式的持币减少以后,CHZ的上涨潜力或已经打了很大折扣。

5、CHZ交易所抛压大幅提升

CHZ的价格上涨推动因素或归结为世界杯预期,作为粉丝代币,CHZ的做的事比较多,比如签约近50个俱乐部,与世界上最大的足球俱乐部之一巴塞罗那足球俱乐部达成协议,以1亿美元的价格出售巴萨工作室24.5%的股份。热度升温有事件推动因素,关注需要关注交易所抛售压力的变化趋势。从等待交易的CHZ交易所数量来看,近期数值维持在高位运行。同时录入交易所的峰值出现在了8月22日,抛售压力最大,这与主力持币减少的日期相似。据此判断,短期应该关注价格走向注意回调风险。

Lectures associées

Aave grimpe face au Bitcoin alors que le récit institutionnel de la DeFi se renforce

AAVE affiche une performance remarquable face à un marché crypto affaibli, résistant à la pression générale exercée par la faiblesse du Bitcoin. Ce mouvement est attribué au renforcement du récit de la finance décentralisée (DeFi) institutionnelle et des actifs du monde réel (RWA), relancé par l'attention récente de Standard Chartered sur le protocole. La banque a mis en avant le rôle d'AAVE en tant que marché de prêt décentralisé majeur et mature, traduisant son potentiel en termes de revenus, de demande de crédit et de marché adressable pour un public institutionnel. Cette résistance suggère que les traders pourraient commencer à différencier les infrastructures DeFi solides, dotées de cas d'utilisation crédibles, du reste du marché des altcoins. La persistance de cette force relative sera un test clé. Si elle se maintient malgré la volatilité, cela pourrait indiquer une rotation du capital vers des protocoles aux fondamentaux robustes, même dans un contexte de pression sur le Bitcoin. Cette évolution s'inscrit dans des tendances de fond du marché : une régulation plus précise, un rapprochement des produits institutionnels avec les rails financiers traditionnels et une réaction rapide des traders à la liquidité réduite. Ainsi, l'épisode Aave est moins un catalyseur de prix isolé qu'un indicateur de l'évolution des infrastructures, des flux de capitaux et de la prochaine étape d'adoption de la cryptomonnaie.

bitcoinistIl y a 3 mins

Aave grimpe face au Bitcoin alors que le récit institutionnel de la DeFi se renforce

bitcoinistIl y a 3 mins

Huang Renxun : Les prompts sont en train de devenir obsolètes, les loops sont le nouveau paradigme

Prompt passe, place aux loops. Tel est le nouveau paradigme souligné par des figures comme Jensen Huang. Le concept de "loop" (boucle) désigne la conception de systèmes où l'IA exécute des tâches de manière autonome : elle définit ses propres instructions, vérifie les résultats, et réitère jusqu'à réussite ou épuisement du budget, sans intervention humaine constante. Contrairement à un agent simple qui nécessite une instruction à chaque étape, un système avec loop fonctionne en continu. Des produits comme Claude Code et OpenAI Codex l'ont déjà implémenté via des fonctionnalités comme `/goal` ou des automations, où un modèle écrit le code et un autre, indépendant, le valide. Pour construire une loop efficace, il faut : 1) s'assurer que la tâche est répétitive, automatisable et dans les limites budgétaires ; 2) commencer par une loop simple avec un déclencheur, une compétence, un fichier d'état et un contrôle ; 3) séparer clairement l'écriture et la validation du code ; 4) éviter les pièges comme l'absence de conditions d'arrêt ou la gestion de tâches nécessitant un jugement humain. Cette évolution s'inscrit dans une progression : après l'ingénierie des prompts (2023-2024), puis du contexte (2024-2025) et du "harnais" (environnement d'exécution, 2025-2026), l'ingénierie des loops représente la dernière étape, où le contrôle humain passe de la micro-gestion à la conception de systèmes autonomes. Des travaux académiques comme ReAct (2022) ont jeté les bases de ce principe de boucle réflexive. Bien que prometteuse, cette approche nécessite prudence quant aux coûts et à la préservation d'une compréhension humaine des systèmes automatisés.

marsbitIl y a 1 h

Huang Renxun : Les prompts sont en train de devenir obsolètes, les loops sont le nouveau paradigme

marsbitIl y a 1 h

GPT conçoit GPT

OpenAI a dévoilé son premier puce, Jalapeño, destinée à l'inférence des grands modèles linguistiques. Ce mouvement ne vise pas principalement à concurrencer Nvidia, mais marque une étape stratégique où OpenAI cherche à maîtriser l'ensemble du processus de production de l'intelligence artificielle, des modèles aux puces, en passant par les centres de données et l'énergie. Alors que l'écart entre les modèles se réduit, le vrai fossé se creuse au niveau de la puissance de calcul, des coûts d'inférence et de l'efficacité système. Chaque jeton (Token) généré représente un coût, et OpenAI, avec ses produits à forte demande comme ChatGPT, supporte une « taxe de calcul » importante sur le matériel externe. Jalapeño est conçu pour réduire cette « taxe d'inférence » en optimisant les coûts opérationnels quotidiens. Un détail crucial est le cycle de conception de seulement neuf mois, accéléré par l'utilisation par OpenAI de ses propres modèles d'IA pour aider à concevoir et optimiser la puce. Cela crée un cycle vertueux : de meilleurs modèles conçoivent de meilleures puces, qui réduisent le coût d'exécution des modèles futurs, permettant plus d'utilisateurs et de données pour affiner les prochaines générations de puces. OpenAI ne cherche pas à devenir un fournisseur de matériel comme Nvidia. Son approche s'apparente plutôt à celle d'Apple : construire un écosystème fermé et intégré où les modèles, les produits (ChatGPT, API), les puces et les infrastructures sont optimisés conjointement pour contrôler l'ensemble de la chaîne de valeur de l'IA. À long terme, cela pourrait repositionner les entreprises de modèles en tant que joueurs majeurs de l'infrastructure IA, aux côtés des fournisseurs de matériel traditionnels.

marsbitIl y a 1 h

GPT conçoit GPT

marsbitIl y a 1 h

Trading

Spot
Futures
活动图片