两千亿稳定币:压低短端利率的新结构性力量

链捕手Dipublikasikan tanggal 2025-06-09Terakhir diperbarui pada 2025-06-09

作者:北户

去年十月第一次写稳定币的时候,稳定币总市值只有 1700 亿美元。随后的几个月,链上市场火热,美国政府不断推动,稳定币总市值已经狂飙到 2300 亿,半年多的时间增长了 35%。夸张点说,稳定币已经成为了宏观研究不能忽视的范式转变。

图片

目前主流的稳定币发行模式是“抵押 1 美元,发行 1 美元稳定币”。发行方会把抵押的美元用于购买美债和货币市场基金,把利息作为公司的收入。

仅看最大的两个,$USDT 市值为 1500亿,持有了近 1000 亿美元 3 个月内到期的美债、外加 200 亿美元的逆回购和货币市场基金;$USDC 市值为 586 亿,持有了 240 亿 3 个月内到期的美债、外加 304 亿的逆回购。这两家加起来,持有美债的总量已经接近韩国。

图片

这也和 BIS 最新论文的结论一致,研究发现:

(1)每当稳定币出现约 35 亿美元(2倍标准差)的资金净流入时,会在 10 天内令 3 个月国债收益率下行 2 至 2.5 个基点;

(2)而当发生同等规模的资金流出时,收益率上行幅度可达 6 至 8 个基点,显示出明显的非对称效应;

(3)这种影响主要集中在短端收益率曲线上,几乎不波及长期国债(因为他们买的都是短期);

(4)$USDT 对利率影响的贡献最大,占总影响的七成(因为量大)。

从边际购买量看,从 2024 年 Q1 到 2025 年 Q1,$USDT 和 $USDC 两家一共增持了 353 亿美债,这个量跟英国(+429 亿)和加拿大(+568 亿)的增持、日本(-362 亿)的减持是一个数量级的。

更进一层,NBER 最近的研究深入揭示了美债市场的结构,将美债市场的玩家分为两大类:

一类是具有期限偏好和制度约束的“细颗粒度需求投资者”(granular-demand investors),包括商业银行、保险公司、养老金、共同基金、货币市场基金、外国央行与私人投资者等,他们的配置行为通常受久期匹配、流动性监管要求或收益目标驱动,需求对价格变化不敏感,具备跨期限替代性;

另一类是“套利者”(arbitrageurs),主要由对冲基金、券商做市商与主承销商构成,具备较强风险承受能力,负责吸收市场失衡并在期限结构中承担风险定价角色,尤其在短期国债市场中活跃。

研究的一大结论是短期美债市场中,套利者介入程度高、风险低,市场更具弹性(利率对供需更不敏感);长期债券市场中,风险更高,套利参与度下降,价格对供需更敏感。为了快速兑现大额赎回,稳定币发行商只能持有高度流动、安全的资产(比如 3 个月以内到期的美债),属于美债市场的第一类玩家。随着规模的扩张,稳定币正在形成压低短端利率的新结构性力量。

稳定币如何影响美国的货币量?1 美元从银行账户 on ramp 成链上稳定币,会降低经典口径的 M1 和 M2 统计;但其作为影子货币存在,并未减少经济中的实际购买力。如果稳定币被用于日常支付,而不是仅仅交易和生息,其流通速度 V 会显著高于传统货币。

但如果,1 阿根廷比索被直接转换成美元稳定币,这个影响就太大了。

Bacaan Terkait

Model Besar AS Menuju Keterbatasan, Atas Nama Keamanan

Penulis: Xiao Jing, Editor: Xu Qingyang Pada akhir Juni 2026, pemerintah AS melakukan intervensi langsung terhadap model AI terdepan. Anthropic harus menarik model Fable 5 dan Mythos 5, sementara OpenAI meluncurkan GPT-5.6 dengan akses API terbatas hanya untuk mitra yang disetujui pemerintah. Proses ini menciptakan siklus "hentikan – negosiasi – izin bersyarat" dalam waktu kurang dari sebulan. Inti masalahnya adalah apakah model-model ini benar-benar terlalu kuat dan berbahaya. OpenAI dan Anthropic menyatakan, berdasarkan kerangka keamanan mereka sendiri, model-model ini tidak melewati ambang batas risiko yang tidak dapat diterima. Namun, pemerintah AS, yang dianggap kurang memiliki keahlian teknis di bidang AI terdepan, tetap memberlakukan pembatasan. Keputusan ini didorong oleh beberapa faktor: kemampuan model yang dapat didemonstrasikan, laporan keamanan dari pesaing (seperti Amazon), dan perintah eksekutif AI baru dari Presiden Trump yang membutuhkan contoh penegakan hukum. Situasi ini mengingatkan pada "Perang Kripto" tahun 1990-an, di mana pemerintah AS berusaha membatasi ekspor algoritma enkripsi kuat dengan alasan keamanan nasional. Upaya itu akhirnya gagal karena teknologi menyebar secara global, dan pembatasan justru merugikan perusahaan AS. Para ahli memperingatkan bahwa pembatasan serupa pada model AI dapat menghambat inovasi, mengganggu logika investasi industri, dan memperlambat difusi teknologi yang penting untuk keunggulan kompetitif jangka panjang. Dean W. Ball, mantan penasihat AI Gedung Putih, mengkritik proses persetujuan yang tidak transparan, tanpa standar jelas, dan tidak memiliki batas waktu. Dia memperingatkan bahwa jika hanya segelintir orang dan lembaga yang memiliki akses ke AI terdepan, hal itu justru dapat meningkatkan risiko konsentrasi kekuasaan. Sementara itu, model AI China terus berkembang dengan pendekatan sumber terbuka. Insiden Juni 2026 ini mungkin menandai dimulainya era di mana pemerintah AS menjadi gerbang wajib untuk peluncuran model AI terdepan, mengubah dinamika industri yang sebelumnya lebih terbuka.

链捕手48m yang lalu

Model Besar AS Menuju Keterbatasan, Atas Nama Keamanan

链捕手48m yang lalu

Ethereum Turun 45% Sejak Awal Tahun – Lalu Mengapa SharpLink dan Paus Masih Membeli?

Meskipun harga Ethereum (ETH) turun 20-45% sejak awal tahun, minat institusional terhadap aset kriptu terkemuka ini tetap kuat. SharpLink, setelah jeda delapan bulan, kembali membeli 5.000 ETH senilai sekitar $7,88 juta, diikuti penambahan 26.324 LSETH senilai $45,54 juta. Total kepemilikannya kini mencapai 876.285 ETH, menunjukkan keyakinan pada utilitas jangka panjang dan pendapatan staking Ethereum, meski menghadapi kerugian belum terealisasi hampir $1,71 miliar. Tren akumulasi ini juga tercermin pada aktivitas "paus" (whale), dengan satu dompet baru mengakumulasi 18.361 ETH senilai $28,9 juta dalam sembilan hari terakhir, menandakan persiapan untuk pergerakan harga di masa depan. Namun, kepercayaan yang kembali bangun ini belum sepenuhnya tercermin dalam permintaan institusional yang lebih luas. ETF Spot Ethereum justru mencatat arus keluar bersih, dengan penarikan $12,85 juta pada 26 Juni. Meski demikian, total aset yang dipegang penerbit ETF masih signifikan, senilai lebih dari $8,38 miliar, yang mengindikasikan penyesuaian posisi berkelanjutan daripada pelepasan total. Pada intinya, akumulasi oleh treasury perusahaan dan paus mendukung prospek jangka panjang Ethereum, tetapi pemulihan berkelanjutan masih bergantung pada membaiknya sentimen pasar dan arus masuk ETF yang lebih kuat untuk mengimbangi tekanan penjualan institusional yang masih ada.

ambcrypto6j yang lalu

Ethereum Turun 45% Sejak Awal Tahun – Lalu Mengapa SharpLink dan Paus Masih Membeli?

ambcrypto6j yang lalu

Baru Saja, DeepSeek V4 Perbarui DSpark, Kecepatan Inference Meningkat 80%

Baru-baru ini, DeepSeek V4 diperbarui dengan framework *Speculative Decoding* baru bernama **DSpark**, yang diklaim meningkatkan kecepatan inferensi hingga 80%. Pembaruan ini, yang juga disertai open-sourcing framework **DeepSpec**, berfokus pada optimasi teknikal dan peningkatan performa, bukan perubahan arsitektur model inti. DSpark mengimplementasikan **Semi-Autoregressive Generation** untuk menjaga throughput tinggi dan meningkatkan akurasi token yang dihasilkan oleh model draf (*draft model*). Inovasi utamanya adalah **Confidence-Scheduled Verification**, yaitu sistem penjadwalan yang cerdas dan adaptif. Sistem ini menggunakan *Confidence Head* untuk memperkirakan probabilitas penerimaan setiap token kandidat dan secara dinamis menyesuaikan panjang verifikasi berdasarkan beban kerja sistem (*hardware-aware*), sehingga mengalokasikan daya komputasi hanya ke token yang paling potensial. Dalam pengujian di berbagai domain (penalaran matematika, generasi kode, percakapan), DSpark menunjukkan peningkatan signifikan dibandingkan model *state-of-the-art* seperti Eagle3 dan DFlash. Pada kondisi *throughput* yang setara, DSpark meningkatkan kecepatan respons pengguna sebesar 57%-85% untuk model DeepSeek-V4 Flash dan Pro. DeepSpec, yang dirilis bersamaan, adalah *codebase* lengkap untuk melatih dan mengevaluasi model draf *speculative decoding*. Framework ini menyediakan pipeline standar (persiapan data, pelatihan, evaluasi) dan mendukung beberapa algoritma (DSpark, DFlash, Eagle3) serta model target (Qwen3, Gemma), memudahkan peneliti dan insinyur untuk mengembangkan dan menerapkan teknik percepatan inferensi pada model bahasa besar mereka sendiri.

marsbit7j yang lalu

Baru Saja, DeepSeek V4 Perbarui DSpark, Kecepatan Inference Meningkat 80%

marsbit7j yang lalu

Trading

Spot
活动图片