Glassnode:谁在引领加密市场 629 亿美元的资本流入?

链捕手Dipublikasikan tanggal 2024-11-22Terakhir diperbarui pada 2024-11-22

原文标题:Riding the Liquidity Tide

作者:CryptoVizArt、UkuriaOC, Glassnode

编译:白水,金色财经

 

摘要

· ETF 和现货市场的强劲资本流入推动了比特币涨至 9.3 万美元。过去 30 天内超过 629 亿美元进入市场,其中 BTC 主导了需求流入。

· 长期持有者未实现利润的增加引发了大规模的支出活动,10 月 8 日至 11 月 13 日期间售出 12.8 万比特币。

· 美国现货 ETF 发挥了关键作用,在分析期间吸收了长期持有者约 90% 的抛售压力。这凸显了 ETF 在维持流动性和稳定市场方面日益重要。

资本流入激增

自 11 月初以来,比特币的价格表现非常出色,整个月不断形成新的 ATH。将当前周期的价格表现与 2015-2018 年(蓝色)和 2018-2022 年(绿色)周期进行比较时,可以看到惊人的持续相似性。尽管市场条件差异很大,但反弹的幅度和持续时间都令人惊讶地一致。

这种跨周期的长期一致性仍然很有趣,它提供了对比特币宏观价格行为和周期性市场结构的见解。

从历史上看,过去的牛市从当前点开始持续了 4 到 11 个月,为评估周期持续时间和势头提供了历史框架。

本周新的 ATH 被设定为 9.32 万美元,这使得比特币的季度表现达到令人印象深刻的 +61.3%。这比黄金和白银的相对表现高出一个数量级,黄金和白银的季度涨幅分别为 +5.3% 和 +8.0%。

这种鲜明的对比表明,资本可能会从传统的价值资产商品存储转向比特币这种更年轻、新兴和数字化的资产。

比特币市值也扩大到惊人的 1.796 万亿美元,成为全球第七大资产。这一举措将比特币置于两种具有重要象征意义的全球资产之上:价值 1.763 万亿美元的白银和价值 1.791 万亿美元的沙特阿美石油公司。

截至目前,比特币仅落后亚马逊 20%,这使其成为其跻身全球最有价值资产行列的下一个重要里程碑。

在比特币 90 天的出色表现之后,更广泛的数字资产市场开始经历大量资金涌入。在过去的 30 天里,总流入达到了 629 亿美元,其中比特币和以太坊网络吸收了 533 亿美元,而稳定币的供应增加了 96 亿美元。

这是自 2024 年 3 月达到峰值以来的最高水平,反映了美国总统大选后信心的恢复和新的需求。

扩大观察到的资本流入,过去 30 天内铸造的 97 亿美元稳定币中的绝大多数直接部署到中心化交易所。这一流入与同期稳定币资产的总资本流动密切相关,凸显了其在刺激市场活动方面的关键作用。

交易所稳定币余额的激增反映了投资者利用趋势的强劲投机需求,进一步强化了看涨叙事和选举后的势头

调查投资者的盈利能力

到目前为止,我们已经探索了市场流动性上升的趋势,这支撑了比特币的优异表现。在下一节中,我们将利用 MVRV 比率评估这种价格行为如何影响市场投资者的未实现盈利能力(账面收益)。

将 MVRV 比率(橘色)的当前值与其年度移动平均值(蓝色)进行比较时,我们可以看到投资者盈利能力的加速增长。这种现象通常是市场持续动力的支持环境,但也创造了投资者更有可能开始获利了结以实现账面收益的条件。

随着市场投资者盈利能力的提高,新的卖方压力的潜力就会加大。通过将 MVRV 比率与 ±1 标准差带叠加,我们可以构建一个框架来评估过热和过热的市场状况。

· 过热(暖色):MVRV 交易高于 +1SD

· 加热不足(冷色):MVRV 交易低于 -1SD

比特币的价格最近突破了 +1σ 区间,即 8.95 万美元。这表明投资者目前持有统计意义上显着的未实现利润,并表明获利回吐活动的可能性增加。

然而,历史上市场在很长一段时间内一直处于这种过热状态,特别是在有足够大的资本流入来吸收卖方压力的支撑下。

长期持有者的极端支出

在市场周期的欣欣向荣阶段,长期投资者的行为变得至关重要。LTH 控制着很大一部分供应,其支出动态可以极大地影响市场稳定性,最终形成本地和全球的顶部。

我们可以利用 NUPL 指标来评估 LTH 所持有的账面收益,该指标目前为 0.72,略低于信念(绿色)到兴奋(蓝色)的阈值 0.75。尽管价格大幅上涨,但与之前的周期顶部相比,这些投资者的情绪仍然较低,这表明可能还有进一步的增长空间。

随着比特币突破 7.56 万美元,长期持有者持有的 1400 万比特币 100% 转化为利润,从而刺激了支出的加速。自 ATH 突破以来,这导致余额下降了 +200k BTC。

这是一种经典且重复的模式,只要价格走势强劲,并且需求足以吸收利润,长期持有者就开始获利了结。由于 LTH 仍持有大量比特币,因此许多 LTH 很可能正在等待更高的价格,然后再将更多比特币释放回流动流通中。

我们可以使用长期持有者支出二元指标来评估 LTH 卖方压力的强度。该工具评估过去两周中群体支出超过其积累的天数百分比,从而导致其持有量净下降。

自 9 月初以来,随着比特币价格上涨,长期持有者支出稳步增加。随着最近飙升至 93,000 美元,该指标达到一个值,表明过去 15 天中有 11 天 LTH 余额下降。

这凸显了长期持有者分配压力的增加,尽管尚未达到 2021 年 3 月和 2024 年 3 月峰值前后观察到的程度。

在确定了长期持有者增加的支出行为后,我们可以查阅下一个工具,以更深入地了解他们围绕关键市场点的活动。获利回吐和未实现利润的相互作用有助于凸显它们在塑造周期转变中的作用。

该图表直观地显示了:

· LTH 实现价格 (蓝色):长期持有者的平均收购价格。

· 利润/亏损定价区间 (蓝色):代表极端利润(+150%、+350%)和损失(-25%)水平的区间,通常会引发显著的支出活动。

· 获利回吐 (绿色):长期持有者持有超过 350% 利润并增加支出的阶段。

· 抛售 (红色):长期持有者处于 -25%+ 亏损状态的高支出时期。

比特币的价格已飙升至超过 350% 的利润区间(位于 8.7 万美元),促使这一群体出现显著的获利了结行为。随着市场上涨,分配压力可能会增加,而这些未实现的收益也会相应扩大。也就是说,这在历史上标志着先前牛市最极端阶段的开始,未实现利润在 2021 年周期中增长至 800% 以上。

机构买家

现在我们将把注意力转向机构买家在市场上的角色,特别是通过美国现货 ETF。最近几周,ETF 一直是需求的主要来源,吸收了 LTH 的大部分卖方。这种动态也凸显了机构需求在塑造现代比特币市场结构方面日益增长的影响力。

自 10 月中旬以来,每周的 ETF 流入量飙升至每周 10 亿至 20 亿美元。这代表着机构需求的显著上升,也是迄今为止资金流入最显著的时期之一。

为了可视化 LTH 抛售压力和 ETF 需求的平衡力,我们可以分析每个群组的比特币余额 30 天的变化。

下图显示,从 10 月 8 日到 11 月 13 日期间,ETF 吸收了约 128,000 BTC,约占 LTH 施加的 137,000 BTC 净抛售压力的 93%。这凸显了 ETF 在抛售活动增多期间稳定市场的关键作用。

然而,自 11 月 13 日以来,LTH 卖方压力开始超过 ETF 净流入,这与 2024 年 2 月下旬观察到的模式相呼应,当时供需失衡导致市场波动加剧和盘整。

总结

比特币涨至 93,000 美元受到强劲资本流入的支持,过去 30 天内价值约 629 亿美元的资本流入数字资产领域。这种需求是由机构投资者通过美国现货 ETF 引领的,甚至在资本从黄金和白银中流出的情况下也是如此

ETF 发挥了关键作用,吸收了长期持有者 90% 以上的卖方压力。然而,随着未实现利润达到更极端的水平,我们可以预期 LTH 支出将会增加,短期内其流入量将超过 ETF 流入量。

Bacaan Terkait

OpenAI Rekrut Ahli Perbankan Investasi dengan Gaji Hanya Rp130 Juta, Netizen Komplain Gajinya Kecil

OpenAI membuka lowongan baru untuk Subject Matter Expert di bidang Investment Banking, bagian dari tim Applied AI di San Francisco. Pekerjaan intinya adalah melatih AI untuk melakukan tugas-tugas perbankan investasi, seperti penelitian, analisis keuangan, valuasi, due diligence, dan eksekusi transaksi, serta menetapkan standar kualitas untuk hasil kerja AI. Gaji yang ditawarkan berkisar antara $185.000 hingga $205.000 (sekitar 125-130 juta Rupiah) per tahun plus opsi saham. Namun, banyak komentar menganggap gaji ini rendah untuk seorang ahli dengan pengalaman di bidang tersebut. Kandidat ideal membutuhkan setidaknya 2 tahun pengalaman di perbankan investasi dengan keterlibatan dalam transaksi nyata. Keahlian praktis dalam membuat model finansial di Excel dan presentasi PowerPoint yang berkualitas sangat penting. Posisi ini berfokus pada kontribusi individu untuk mengembangkan tugas evaluasi, membuat contoh kerja referensi, dan merancang kriteria penilaian ketat guna membedakan output AI yang "terlihat baik" dengan yang benar-benar akurat dan dapat diandalkan untuk penggunaan profesional. Tim Applied AI OpenAI memilih bidang perbankan investasi karena dianggap sebagai salah satu lingkungan kerja pengetahuan yang paling menuntut. Tujuannya adalah untuk memastikan AI dapat menghasilkan keluaran yang dapat dipercaya dan digunakan oleh bankir berpengalaman.

marsbit2j yang lalu

OpenAI Rekrut Ahli Perbankan Investasi dengan Gaji Hanya Rp130 Juta, Netizen Komplain Gajinya Kecil

marsbit2j yang lalu

ACL 2026 Didominasi Peneliti Tionghoa, Penulis Pertama Semua Makalah Terbaik Adalah Peneliti Tionghoa, Hampir Semua Makalah Unggulan Diraih Mereka

ACL 2026, konferensi puncak di bidang pemrosesan bahasa alami, mencatat rekor baru dengan 12.148 makalah yang diajukan. Dari jumlah tersebut, tiga makalah dianugerahi Penghargaan Makalah Terbaik (Best Paper Award), dan semuanya memiliki penulis utama beretnis Tionghoa. Makalah pertama, "The Imperfective Paradox in Large Language Models" (Bolei Ma dkk.), mengungkap bias "teleologis" pada model bahasa besar (LLM). Saat dihadapkan pada kalimat seperti "tukang kayu sedang membangun gazebo", LLM cenderung langsung menyimpulkan bahwa gazebo tersebut telah selesai dibangun, meskipun konteksnya ambigu. Ini menunjukkan bahwa LLM lebih berfungsi sebagai mesin prediksi naratif daripada pemikir logis yang setia. Makalah kedua, "Memory efficiency and resource-rational encoding in sentence processing" (Weijie Xu dkk.), mengeksplorasi bagaimana membatasi memori kerja Transformer—dengan menyuntikkan noise—justru membuat model lebih menyerupai pemrosesan bahasa manusia. Model belajar mengalokasikan sumber daya memori yang terbatas secara lebih efisien, sehingga pola pembacaannya lebih mirip manusia. Makalah ketiga, "Characterizing the Expressivity of Local Attention in Transformers" (Jiaoda Li dkk.), memberikan penjelasan teoretis mengapa perhatian lokal (local attention), yang hanya melihat konteks terdekat, sering kali lebih kuat daripada perhatian global. Kombinasi keduanya memperluas kapabilitas model. Secara keseluruhan, ACL 2026 didominasi oleh penelitian seputar LLM (23% judul makalah menyebutkan LLM). Peserta dari Tiongkok Daratan mendominasi dengan kontribusi 54.0%. Selain tiga makalah terbaik, 18 makalah Outstanding Paper juga didominasi oleh peneliti beretnis Tionghoa, terutama di bidang keamanan LLM dan pembelajaran penguatan (reinforcement learning), mencerminkan pengaruh kuat komunitas peneliti Tionghoa di konferensi tingkat dunia ini.

marsbit2j yang lalu

ACL 2026 Didominasi Peneliti Tionghoa, Penulis Pertama Semua Makalah Terbaik Adalah Peneliti Tionghoa, Hampir Semua Makalah Unggulan Diraih Mereka

marsbit2j yang lalu

Trading

Spot
活动图片