【重磅解读】BTC长期投资者抛售减少90%,CHZ主力大量清仓

火币资讯Dipublikasikan tanggal 2022-08-25Terakhir diperbarui pada 2022-08-26

Abstrak

BTC横盘整理,CHZ大量流入交易所,持币前10主力大量清仓。

1、 BTC横盘整理

BTC在日K线图中表现相对平稳,价格横盘运行阶段,更多的交易量真正积累。这说明,

价格在8月19日快速回撤以后,并未明显跌破近期抄底投资者的成本价,因此行情还有更多弹性空间。交易量方面,日K线中BTC交易量相对稳定,并未持续显著缩量,投资者买卖活跃度非常平稳,活跃度高对价格上涨的帮助是正面的。

2、长期投资者抛压较小

随着BTC调整的延续,代表了长期投资者交易动向的币天销毁数数据维持低水平,该指标持续回撤,意味着长期投资者的抛售很低。币天销毁数数据峰值从6月17日的7400万下降到了4100万以后,近期币天销毁数已经维持在816万以下的低水平。8月24日,币天销毁数仅为393万。这说明,在价格横盘运行期间,长期投资者持币稳定,抛压下降90%以上,意味着短线进一步回落的可能性在下降。

3、 CHZ强势飙升超过180%

CHZ的强势上涨阶段,其涨幅最高达到了180%以上,同时交易量放大至前期低位的4倍以上。据此判断,CHZ的价格上涨已经引发了投资者的热情交易,同时换手率也大幅度提升。图中显示的连续4个交易日的成交量维持稳定回升,并且波动空间很小。这个时候,多空双方换手率较多,抛压自然也处在高位运行。

趋势方面,CHZ价格靠近布林线上轨,短线抛压可关注前期高0.3美元附近。而周线级别上,可关注2021年年初以来的0.24美元压力位下方,因此迹象上涨的不确定性较大。

4、CHZ主力持币显著降低

在CHZ价格显著回升期间,主力持币数量的变化最值得投资者关注。从持币前10、前20、前50和前100的主力持币数量来看,从8月21日到8月22日出现了较大变化。持币前10的主力持有的CHZ数量从占比68.71%大幅度下降到了0.67%。相应的,持币前20、前50和前100的主力中,持币数量从下降到了76%、81%和86%下降到了0.77%、6.57%和10.92%。近乎清仓方式的持币减少以后,CHZ的上涨潜力或已经打了很大折扣。

5、CHZ交易所抛压大幅提升

CHZ的价格上涨推动因素或归结为世界杯预期,作为粉丝代币,CHZ的做的事比较多,比如签约近50个俱乐部,与世界上最大的足球俱乐部之一巴塞罗那足球俱乐部达成协议,以1亿美元的价格出售巴萨工作室24.5%的股份。热度升温有事件推动因素,关注需要关注交易所抛售压力的变化趋势。从等待交易的CHZ交易所数量来看,近期数值维持在高位运行。同时录入交易所的峰值出现在了8月22日,抛售压力最大,这与主力持币减少的日期相似。据此判断,短期应该关注价格走向注意回调风险。

Bacaan Terkait

Huang Renxun: Prompt Sudah Usang, Loop adalah Paradigma Baru

**Ringkasan:** **Prompt Sudah Ketinggalan Zaman, Loop adalah Paradigma Baru.** Menurut Huang Renxun (Jensen Huang), pendiri NVIDIA, tugas utama di era AI sekarang bukan lagi menulis perintah (prompt), tetapi **menulis dan mengelola loop (siklus).** **Apa itu Loop?** Loop adalah sistem di mana Anda mendefinisikan suatu tujuan, dan AI menjalankannya secara mandiri—memeriksa hasil, memperbaiki kesalahan, dan mengulangi proses tersebut hingga tugas selesai atau mencapai batas tertentu. Manusia beralih peran dari "pemberi perintah" menjadi **"perancang aturan" atau "arsitek sistem."** **Loop vs. Agent:** Agent adalah "pekerja" yang menjalankan tugas. Loop adalah **mekanisme pengelolaan** yang memungkinkan Agent bekerja terus-menerus tanpa pengawasan manusia. Agent dengan loop menjadi sistem yang dapat berjalan otomatis. **Contoh Penerapan:** Produk seperti Claude Code (dengan fitur /loop, /goal, /schedule) dan OpenAI Codex telah menerapkan konsep ini. Mereka membagi tugas kompleks ke beberapa Agent yang berjalan paralel di lingkungan terisolasi, dengan model terpisah untuk menulis kode dan memvalidasi hasil, memastikan objektivitas. **Bagaimana Memulai Loop?** 1. **Uji Kelayakan:** Pastikan tugas berulang, dapat divalidasi otomatis, dan anggaran token mencukupi. 2. **Mulai dari Loop Minimal:** Bangun sistem dengan pemicu otomatis, keterampilan (skill), file status (STATE.md), dan "gerbang" validasi (seperti pengujian). 3. **Pisahkan Pemeriksa dan Pelaksana:** Gunakan model atau Agent berbeda untuk menulis kode dan memeriksa/mengujinya. Ini kunci untuk kualitas. 4. **Hindari Jebakan Umum:** Tetapkan batas pengulangan dan token, simpan status, hindari tugas yang membutuhkan pertimbangan manusia, dan tetap tinjau perubahan kode (diff). 5. **Ukur Efektivitas:** Metrik utama adalah **biaya rata-rata per perubahan yang diterima.** **Evolusi Paradigma:** Perkembangan AI menunjukkan pergeseran berkelanjutan: 1. **Prompt Engineering** (2023-2024): Fokus pada cara menulis perintah. 2. **Context Engineering** (2024-2025): Fokus pada informasi dan latar belakang yang diberikan ke AI. 3. **Harness Engineering** (2025-2026): Fokus pada lingkungan eksekusi dimana AI dapat menggunakan alat dan sumber daya. 4. **Loop Engineering** (sekarang): Fokus pada merancang sistem siklus otomatis yang berjalan mandiri. Konsep loop memiliki akar akademis, seperti dalam framework **ReAct** (Reasoning + Acting) yang dikembangkan oleh Yao Shunyu dkk., yang menggabungkan penalaran dan tindakan dalam sebuah siklus. **Catatan Penting:** Meskipun menjanjikan, teknologi ini masih awal. Perlu kehati-hatian terhadap biaya token dan kompleksitas. Seperti dikutip Andrej Karpathy, **"Anda dapat mengalihdayakan pemikiran Anda, tetapi Anda tidak dapat mengalihdayakan pemahaman Anda."** Pemahaman mendalam tentang masalah tetap berada di tangan manusia.

marsbit1j yang lalu

Huang Renxun: Prompt Sudah Usang, Loop adalah Paradigma Baru

marsbit1j yang lalu

GPT Merancang GPT

OpenAI akhirnya merilis chip pertamanya, Jalapeño. Meski banyak yang menganggapnya sebagai tantangan bagi Nvidia, inti dari langkah ini justru adalah pengakuan terbuka OpenAI bahwa mereka tidak puas hanya menjadi perusahaan model AI. Mereka ingin mengontrol seluruh proses produksi kecerdasan, dari model, chip, hingga pusat data dan energi. Perbedaan kemampuan model semakin menyempit, namun kesenjangan dalam komputasi justru melebar. Dalam era AI, satuan biaya terpenting bukan lagi harga server atau GPU, melainkan biaya produksi setiap Token. Sebagai penyedia layanan seperti ChatGPT dan API, OpenAI menghadapi kenyataan bahwa semakin sukses produk mereka, semakin besar "pajak inferensi" yang harus dibayarkan ke penyedia hardware eksternal. Jalapeño adalah upaya membangun "pabrik Token" sendiri untuk mengurangi ketergantungan ini. Yang menarik, siklus pengembangan chip Jalapeño hanya sembilan bulan, jauh lebih cepat dari standar industri. Kunci percepatan ini adalah pengetahuan OpenAI tentang beban kerja model nyata. Mereka bahkan menggunakan model AI mereka sendiri untuk mempercepat bagian proses desain dan optimasi chip. Ini menciptakan siklus umpan balik: model yang lebih baik membantu mendesain chip yang lebih baik, yang kemudian menurunkan biaya menjalankan model generasi berikutnya. Jalapeño difokuskan untuk inferensi, bukan pelatihan. Inferensi adalah pengeluaran tunai harian yang masif, terutama dengan berkembangnya Agent dan tugas-tugas rantai panjang. Dengan mengurangi "pajak inferensi" ini, OpenAI dapat meningkatkan margin keuntungan layanannya. Strategi OpenAI semakin mirip dengan Apple: membangun ekosistem tertutup yang terintegrasi, dari model (perangkat lunak intelijen), antarmuka seperti ChatGPT, hingga chip dan infrastruktur fisik. Mereka tidak ingin menjual "sekop" (seperti Nvidia), tetapi memiliki "tambang" dan menjual "kecerdasan" yang dihasilkannya. Pada akhirnya, artikel ini menyimpulkan bahwa aset terpenting di era AI sedang bergeser. Model akan terus berubah seperti "aliran traffic," tetapi infrastruktur produksi—chip, jaringan, pusat data, energi—akan menjadi "tanah" yang dikuasai oleh sedikit pemain. Dengan Jalapeño, OpenAI menyatakan ambisinya: tidak hanya menjadi perusahaan paling cerdas, tetapi mengontrol produksi kecerdasan itu sendiri.

marsbit1j yang lalu

GPT Merancang GPT

marsbit1j yang lalu

Trading

Spot
Futures
活动图片