Трейдеры за час потеряли $1 млрд на фоне резкого обвала криптовалют

cryptonews.ruDipublikasikan tanggal 2025-03-20Terakhir diperbarui pada 2025-11-21

Лавина ликвидаций накрыла крипторынок при стремительном падении курса биткоина до $82 тыс.

Почти $1 млрд в длинных позициях трейдеров было ликвидировано на криптобиржах за один час. Каскад принудительных закрытий был вызван резким падением курсов биткоина (BTC) и других криптовалют.

BTC/USD

84 250 -8 010 (-8,68%)

ОКХ Nov 21 11:35:54

1д

3д

1м

3м

1г

5л

Около 10:30 мск первая криптовалюта в моменте просела с $85 тыс. до $82 тыс. Ethereum (ETH) падал до $2,6 тыс. На 11:00 BTC торгуется около $84 тыс., ETH — вернулся к $2,7 тыс.

rbc.group

По данным Coinglass, за последний час были ликвидированы позиции 392 тыс. трейдеров на $971 млн. Подавляющая часть ($956 млн) пришлась на лонги — позиции тех, кто рассчитывал на рост курсов.

Когда говорят о ликвидациях на крипторынке, чаще всего речь идет не о продаже биткоина как такового, а о принудительном закрытии позиций по бессрочным фьючерсам (perpetual futures, perps). Такие контракты позволяют открывать сделки с использованием заемных средств (кредитного плеча), не покупая криптовалюту напрямую и без ограничения по сроку. Благодаря высокой ликвидности, отсутствию срока экспирации и возможности торговать с плечом до 100x «перпы» стали самым популярным деривативом на крипторынке.

Кредитное плечо позволяет открывать позиции на суммы, значительно превышающие собственный капитал. Например, при плече 10x достаточно внести $10 тыс., чтобы нарастить открытую позицию до $100 тыс. Позиция обеспечивается залогом в виде собственных средств трейдера на счете. Если цена движется против позиции, убытки постепенно уменьшают этот залог. Когда размер залога становится слишком мал, биржа автоматически ликвидирует позицию, чтобы избежать собственных потерь.

Порог ликвидации зависит от величины плеча: чем оно выше, тем меньшее движение цены может привести к принудительному закрытию. При плече 10x, чтобы позиция была ликвидирована, достаточно снижения цены на 10%, при плече 50x — всего на 2%. Когда цены падают, позиции с высоким плечом начинают массово ликвидироваться, усиливая давление на рынок. Это запускает цепную реакцию, в которой одна ликвидация тянет за собой следующую.

Так, в начале октября, спустя несколько дней после достижения биткоином максимума около $126 тыс., случился каскад ликвидаций, в результате которого трейдеры за сутки лишились $19 млрд. По оценкам некоторых участников отрасли, рынок так и не смог отправиться от того падения и ушел в коррекцию.

Подобное мнение высказал глава Bitmine Том Ли в интервью CNBC, заявив, что основная проблема кроется в слабости и ошибках маркетмейкеров, которые «выполняют функцию центральных банков на крипторынке».

За последние сутки курс биткоина упал на 8%, а за прошедшие после рекорда 1,5 месяца — уже на 33%. Первая криповалюта подешевела за это время более чем на $40 тыс.

Bacaan Terkait

Perjalanan Kepatuhan Hyperliquid: Dari Tanpa Izin ke Sistem Izin HIP-3

Hyperliquid, sebuah platform derivatif terdesentralisasi, menghadapi tantangan regulasi di AS karena infrastruktur *tanpa izin* (permissionless) dan *non-kustodial*-nya tidak sesuai dengan hukum pasar berjangka AS yang ketat. Platform ini saat ini memblokir akses dari AS (*geoblocked*). Untuk mengatasinya, Hyperliquid Policy Center (HPC) melakukan advokasi agar regulator AS (CFTC/SEC) memodernisasi kerangka kerja, memperbolehkan lembaga terdaftar (seperti broker/FCM) menggunakan infrastruktur dasarnya (**HyperCore**) asal memenuhi kewajiban KYC/AML. Solusi teknisnya adalah melalui **HIP-3**, sebuah model pertukaran terdesentralisasi (DEX) baru *dengan izin* (permissioned). Ini memungkinkan entitas teratur membuat pasar hanya untuk pengguna yang masuk *daftar putih* (whitelist), menjalankan KYC, dan mengontrol akun untuk kepatuhan. Pasar baru ini akan memiliki buku order terpisah namun dapat berbagi likuiditas dengan pasar native Hyperliquid yang tetap tanpa izin, berkat arsitektur L1 tunggal yang sama. Intinya, Hyperliquid beralih dari model sepenuhnya tanpa izin ke pendekatan hibrid: infrastruktur netral dasarnya tetap terbuka, sementara lapangan akses khusus yang mematuhi regulasi AS dibangun di atasnya melalui HIP-3, membuka jalan bagi investor AS untuk berpartisipasi secara legal.

marsbit22m yang lalu

Perjalanan Kepatuhan Hyperliquid: Dari Tanpa Izin ke Sistem Izin HIP-3

marsbit22m yang lalu

Tiga Bulan Dua Putaran, "Palantir" Versi China Populer

**Ringkasan: Platform AI Cerdas Kausal versi China, "China's Palantir", Mengumpulkan Pendanaan Strategis Senilai Miliaran Yuan** Beijing Zhongshu Ruizhi Technology Co., Ltd. (Zhongshu Ruizhi), yang dianggap sebagai "Palantir-nya China", baru saja mengumumkan penyelesaian putaran pendanaan strategis senilai ratusan juta yuan. Pendanaan ini dipimpin oleh China Internet Investment Fund (CIIF) dan didukung oleh investor seperti Su Chuangtou National Social Security Fund, Financial Street Capital, ICBC Capital, dan Kunlun Capital. Ini adalah putaran pendanaan besar kedua perusahaan dalam tiga bulan, menunjukkan pengakuan pasar yang kuat terhadap teknologi inti dan kemampuan komersialisasinya. Didirikan pada tahun 2020 oleh Dr. Han Han, alumni doktoral Universitas Tsinghua dengan pengalaman di China Academy of Information and Communications Technology (CAICT), Zhongshu Ruizhi berfokus pada pengembangan AI keputusan yang andal untuk sektor industri. Perusahaan ini mengatasi tantangan kritis seperti "halusinasi AI" dan kurangnya kemampuan penalaran dalam model besar generatif dengan teknologi dasar yang orisinal, termasuk teori kognitif meta-kausal, pemodelan kausal, dan mesin ontologi dinamis. Teknologi ini memungkinkan AI membuat keputusan yang dapat dipercaya, dijelaskan, dan dapat dilacak untuk skenario industri yang kompleks dan toleransi kesalahan rendah. Zhongshu Ruizhi telah mencapai komersialisasi skala besar, melayani lebih dari 50 klien perusahaan milik negara dan grup industri di bidang tenaga listrik, minyak & gas, dan dirgantara, dengan lebih dari 800 skenario produksi kompleks yang diimplementasikan. Perusahaan melaporkan pendapatan yang berlipat ganda pada tahun 2025, menunjukkan kemampuan menghasilkan pendapatan yang kuat. Dana segar ini akan dialokasikan untuk penelitian teori dasar lebih lanjut, replikasi aplikasi percontohan yang matang untuk memperluas pasar, dan perekrutan talenta tinggi. Investor seperti CIIF melihat perusahaan sebagai pemain kunci dalam mendefinisikan paradigma AI industri yang andal dan mendorong perkembangan kekuatan produktif baru di China, terutama dalam mengamankan infrastruktur kritis dan membangun keamanan siber.

marsbit33m yang lalu

Tiga Bulan Dua Putaran, "Palantir" Versi China Populer

marsbit33m yang lalu

Proposisi Ekonomi Politik Terbesar Era AI: Robot Semakin Cakap, Bagaimana Manusia Berbagi Nilai?

Artikel dari *The Economist* memicu perdebatan dengan menyoroti kemajuan pesat China dalam robotika, AI, energi baru, dan manufaktur canggih, yang di satu sisi dikritik karena diduga mengalihkan sumber daya dari pemulihan permintaan domestik. Esai ini berargumen bahwa isu mendasarnya bukanlah tentang China atau kecepatan perkembangan teknologi, melainkan sebuah pertanyaan politik-ekonomi global yang mendesak: **bagaimana manusia membagi nilai yang diciptakan mesin ketika robot dan AI semakin canggih?** Revolusi AI mengubah logika dasar penciptaan dan distribusi kekayaan. Berbeda dengan revolusi industri sebelumnya yang tetap menempatkan manusia sebagai inti sistem produksi, AI kini mulai menggantikan pekerjaan kognitif. Jika AGI terwujud, semakin sedikit manusia yang terlibat langsung dalam penciptaan nilai, berpotensi memicu kontradiksi mendasar: produktivitas dan keuntungan perusahaan meningkat, tetapi daya beli konsumen stagnan atau turun karena berkurangnya partisipasi tenaga kerja. Masalahnya adalah terputusnya rantai penyebaran manfaat teknologi dari inovasi ke pendapatan masyarakat. Baik di China maupun secara global (misalnya, di AS dengan dominasi raksasa teknologi), kemajuan teknologi sering kali berkonsentrasi pada peningkatan nilai perusahaan dan kekayaan segelintir pemilik modal, alih-alih mendorong pertumbuhan upah dan konsumsi luas. Masa depan mungkin menawarkan tiga jalur: 1) **Kapitalisme tradisional**, di mana pemegang modal menguasai sebagian besar keuntungan AI; 2) **Kapitalisme negara**, dengan keterlibatan negara melalui investasi strategis; atau 3) **Model inovatif** seperti dana kekayaan digital, kepemilikan saham kolektif, atau bentuk pendapatan dasar baru untuk membagikan nilai tambah dari ekonomi pintar secara langsung kepada masyarakat. Bagi China, tantangannya adalah tidak hanya memenangkan persaingan teknologi, tetapi juga membangun sistem distribusi baru yang mampu mengubah kekayaan yang dihasilkan robot dan AI menjadi pertumbuhan pendapatan rumah tangga, peningkatan konsumsi, dan perlindungan sosial. Kompetisi di era AI tidak hanya soal siapa yang memiliki teknologi terkuat, tetapi terutama tentang siapa yang dapat membangun sistem ekonomi di mana kemakmuran dibagikan secara luas, sehingga kemajuan teknologi benar-benar meningkatkan kesejahteraan masyarakat banyak.

marsbit43m yang lalu

Proposisi Ekonomi Politik Terbesar Era AI: Robot Semakin Cakap, Bagaimana Manusia Berbagi Nilai?

marsbit43m yang lalu

Meraup Untung Tujuh Kuartal Beruntun, Strategi Arbitrase Pasar Berkembang Mengalahkan Segalanya

Transaksi arbitrase pasar berkembang yang didanai dolar telah mencatatkan laba selama tujuh kuartal berturut-turut, rekor terpanjang sejak 2008, dengan total imbal hasil sekitar 22% sejak akhir 2024. Strategi ini mengungguli imbal hasil obligasi AS, obligasi pemerintah, dan obligasi korporasi pasar berkembang. Strategi ini memanfaatkan suku bunga tinggi di negara-negara seperti Turki, Kolombia, dan Brasil, dengan meminjam mata uang berbiaya rendah seperti dolar, euro, atau yen, lalu mengonversinya untuk membeli aset berdenominasi mata uang berimbal hasil tinggi. Keuntungan didorong oleh selisih suku bunga dan apresiasi nilai tukar, seperti yang terjadi pada peso Kolombia. Meskipun ada ujian akibat intervensi pasar valas Jepang-AS pada Agustus 2024, strategi ini bertahan karena diversifikasi ke mata uang pendanaan alternatif seperti euro dan franc Swiss. Risiko ke depan mencakup potensi perubahan kebijakan Federal Reserve AS, tingkat kepadatan transaksi yang berlebihan, dan keberlanjutan suku bunga tinggi di negara-negara pasar berkembang. Namun, faktor eksternal seperti gejolak geopolitik dan harga energi diperkirakan akan menunda pelonggaran moneter, mendukung lingkungan suku bunga tinggi untuk sementara waktu.

marsbit59m yang lalu

Meraup Untung Tujuh Kuartal Beruntun, Strategi Arbitrase Pasar Berkembang Mengalahkan Segalanya

marsbit59m yang lalu

Guru-Murid dari Tsinghua dan Wharton Menyelesaikan Misteri 40 Tahun, Matematika Inti Semua Ditulis oleh GPT, Kamu Juga Bisa

**Algoritma yang Melatih Semua AI Dijatuhi "Hukuman Mati" oleh AI Itu Sendiri?** Para peneliti dari Tsinghua University dan Wharton School, University of Pennsylvania, baru-baru ini mempublikasikan penelitian yang menjawab pertanyaan terbuka selama 40 tahun dalam teori optimasi. Mereka membuktikan bahwa **gradient descent**, algoritma fundamental di balik hampir semua AI, memiliki batasan kecepatan konvergensi yang tidak dapat diatasi hanya dengan menyetel urutan *stepsize* (langkah pembelajaran). Inti penelitian ini adalah **bukti matematis yang dibangun oleh GPT-5.6 Sol Pro**. Duet peneliti Jianhao Ma dan Yuxin Chen memberikan target dan strategi tingkat tinggi kepada AI, kemudian berkolaborasi secara iteratif untuk menyempurnakan bukti tersebut. Mereka membuktikan bahwa **untuk setiap urutan *stepsize* non-negatif yang telah ditentukan sebelumnya, terdapat batas bawah kecepatan konvergensi gradient descent sebesar Ω(T^{-1.9319})**. Artinya, tidak peduli seberapa canggih urutan *stepsize* dirancang, kinerjanya tidak akan pernah melebihi batas ini jika struktur algoritmanya tidak diubah (misalnya, dengan menambahkan *momentum* seperti metode Nesterov). Bukti yang dihasilkan AI ini kemudian **diverifikasi sepenuhnya secara formal menggunakan Lean 4 theorem prover**, tanpa ada kesenjangan logika (*zero sorry, zero admit*). Penelitian ini menetapkan bahwa peningkatan kinerja maksimal memerlukan modifikasi pada struktur algoritma, bukan hanya penyesuaian *stepsize*. Temuan ini membuka kemungkinan bagi peneliti di mana saja untuk memanfaatkan AI sebagai asisten pembuktian teorema yang kuat.

marsbit1j yang lalu

Guru-Murid dari Tsinghua dan Wharton Menyelesaikan Misteri 40 Tahun, Matematika Inti Semua Ditulis oleh GPT, Kamu Juga Bisa