В JPMorgan сделали прогноз изменения крипторынка при Трампе

investing.ruDipublikasikan tanggal 2024-11-17Terakhir diperbarui pada 2024-11-17

Аналитики банка во главе с управляющим директором Николаосом Панигирцоглу (Nikolaos Panigirtzoglou) назвали первым ожидаемым изменением обновление законодательной базы за счет трех законопроектов:

  • Financial Innovation and Technology for the 21st Century Act — определит роли Комиссии по ценным бумагам и биржам (SEC) и Комиссии по торговле товарными фьючерсами (CFTC).
  • Clarity for Payment Stablecoins Act 2023 — сформирует правовую базу для стейблкоинов.

  • Central Bank Digital Currency Anti-Surveillance State Act — может приостановить разработку государственной цифровой валюты.

В качестве второго изменения эксперты выделили смягчение регулирования: нынешний подход SEC может смениться на более конструктивный диалог с рынком. Судебные иски против таких компаний как Coinbase (NASDAQ:COIN) могут быть урегулированы или закрыты, как и претензии к платформам Robinhood (NASDAQ:HOOD) и Uniswap.

Третьим и чрезвычайно важным изменением для рынка, которое следует ожидать, станет отмена директивы SAB 121, ограничивающей банки в хранении цифровых активов. Если она будет устранена, американские финансовые институты смогут более активно играть на крипторынке, что повысит его устойчивость, уверены специалисты.

Четвертое изменение — появление новых спотовых биржевых фондов на XRP, Solana и другие криптовалюты.

Пятое – активизация венчурного финансирования.

Последним, шестым изменением, аналитики JP Morgan считают более тесное взаимодействие с регуляторами по вопросам выпуска токенов и децентрализованных автономных организаций (DAO).

В то же время в JP Morgan предполагают, что биткоин вряд ли включат в стратегический финансовый резерв США, поскольку новая администрация сосредоточится на решении проблем, связанных с незаконной миграцией и финансированием социальных расходов.

Ранее в JPMorgan заявили, что рост курса биткоина обеспечит так называемый «План 21/21», предложенный крупнейшим публичным держателем первой криптовалюты, компанией MicroStrategy.

Читайте оригинальную статью на сайте Bits.media

Bacaan Terkait

Artikel Terbaru Li Feifei: Saat Video Generation, Robot, dan NVIDIA Mengaku Sebagai Model Dunia, Kita Membutuhkan Taksonomi

Artikel ini membahas konsep "world model" (model dunia) dalam kecerdasan buatan (AI) yang saat ini banyak digunakan dengan makna berbeda-beda. Fei-Fei Li mengusulkan taksonomi fungsional untuk mengklarifikasi kekacauan ini. Berdasarkan siklus interaksi agen-dunia dalam POMDP (Partially Observable Markov Decision Process), ia mengategorikan model dunia menjadi tiga jenis berdasarkan outputnya: 1. **Renderer (Perender):** Menghasilkan **observasi**, khususnya piksel yang ditujukan untuk mata manusia. Contohnya adalah model video seperti Sora atau sistem interaktif seperti Genie yang menghasilkan gambar berdasarkan input. Fokus utamanya adalah kesetiaan visual, bukan akurasi fisik. 2. **Simulator (Simulator):** Menghasilkan **state (keadaan)**, yaitu representasi dunia yang akurat secara geometri, fisika, dan dinamika. Simulator berfungsi sebagai landasan struktural untuk perhitungan, digunakan oleh profesional (arsitek, desainer) dan program komputer (robot, kendaraan otonom) untuk pelatihan dan pengujian. Contohnya adalah platform seperti NVIDIA Omniverse. 3. **Planner (Perencana):** Menghasilkan **tindakan**. Model ini menentukan langkah selanjutnya yang harus diambil sebuah agen berdasarkan observasi dan tujuan. Ini menutup lingkaran persepsi-aksi. Contohnya adalah model visi-bahasa-aksi (VLA) dan model aksi dunia (World Action Models). Artikel menyoroti bahwa **simulator adalah kunci penghubung** yang paling penting namun kurang mendapat perhatian publik. Simulator bekerja pada tingkat geometri dan fisika yang mendasarinya, sehingga pemahamannya dapat diproyeksikan ke dalam piksel (untuk renderer) atau prediksi konsekuensi tindakan (untuk planner). Tren terpenting saat ini adalah peleburan batas antara ketiga kategori ini, didorong oleh kesadaran bahwa pengetahuan dasar tentang dunia yang dibutuhkan adalah sama. Tujuan akhirnya adalah model dunia terpadu yang dapat beralih di antara rendering, simulasi, dan perencanaan sesuai kebutuhan. Perkembangan ini mendorong kemajuan menuju kecerdasan spasial, di mana mesin tidak hanya memahami bahasa tentang dunia, tetapi juga dapat memahami, membayangkan, bernalar, dan berinteraksi dengan dunia fisik itu sendiri.

marsbit4j yang lalu

Artikel Terbaru Li Feifei: Saat Video Generation, Robot, dan NVIDIA Mengaku Sebagai Model Dunia, Kita Membutuhkan Taksonomi

marsbit4j yang lalu

Trading

Spot
活动图片