Аналитик отметил позитив трейдеров опционами касательно биткоина

cryptonews.ruDipublikasikan tanggal 2024-11-17Terakhir diperbarui pada 2025-02-17

Самой популярной позицией на бирже криптодеривативов Deribit в феврале стали колл-опционы на биткоин по $110 000 со сроком истечения 28 марта. На это обратил внимание Омкар Годбоул из CoinDesk.

Покупатели этих контрактов уже заплатили совокупную чистую премию свыше $6 млн за бычий риск, отметил эксперт.

Колл дает право, но не обязанность, приобрести в будущем базовый актив по установленной цене в определенный срок или ранее. Покупатели таких опционов делают неявную ставку на рост рынка.

С начала месяца биткоин торгуется в диапазоне $95 000-100 000. У быков были некоторые позитивные события вроде покупок цифрового золота Strategy (ранее MicroStrategy) и раскрытия суверенным фондом Абу-Даби инвестиций на $436 млн в BTC-ETF от BlackRock.

Однако проблемы макроэкономики, которые подчеркнули негативные данные по инфляции в США, отток ликвидности, вызванный участившимися циклами «бум-спад» в мем-токенах, ограничили потенциал роста, считает Годбоул.

В выходные рыночная капитализация монеты LIBRA взлетела выше $4 млрд, но затем цена за минуты обвалилась на 94%. Изначально мем-коин пропиарил президент Аргентины Хавьер Милей, впоследствии удалив пост. В результате политик столкнулся с юридическими проблемами и угрозой импичмента.

Директор по деривативам Amberdata Грег Магадини подтвердил, что ряд новостей был оптимистичным для биткоина, имея в виду в первую очередь инвестиции Абу-Даби. Но это не привело к реальному всплеску спотовых котировок, добавил он.

«Объедините эти новости с медвежьими событиями в сегменте мем-коинов (источник негативных заголовков), такими как падение LIBRA, pumpfun-мания и растущее предложение альткоинов, и увидите, что рынок топчется на месте. Все это подкрепляет мой тезис о «боковике» с пониженной волатильностью», — заявил Магадини.

Напомним, эксперты CryptoQuant пришли к выводу, что биткоин может вступить в новую медвежью фазу из-за снижения склонности инвесторов к риску.

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