BNY Mellon Luncurkan Fitur Deposito Tokenisasi untuk Klien Institusional — Pakar Jelaskan Detailnya

bitcoinistDipublikasikan tanggal 2026-01-10Terakhir diperbarui pada 2026-01-10

Abstrak

BNY Mellon meluncurkan fitur deposito tokenisasi untuk klien institusional, beroperasi di blockchain privat yang diizinkan. Inovasi ini memungkinkan pergerakan dana hampir real-time, meningkatkan efisiensi likuiditas, kolateral, dan pembayaran terprogram. Dana fisik tetap aman di sistem perbankan tradisional BNY Mellon sambil mendapat bunga. Partner utama termasuk ICE, Citadel Securities, Ripple, dan Galaxy yang akan menguji penyelesaian transaksi dan manajemen jaminan. Langkah ini menjembatani perbankan tradisional dengan infrastruktur digital masa depan.

Bank of New York Mellon (BNY Mellon) telah mengambil langkah signifikan dalam ruang cryptocurrency dan aset digital dengan memperkenalkan kemampuan deposito tokenisasi khusus untuk klien institusional.

Peluncuran Deposito Tokenisasi di BNY Mellon

Menurut laporan mengenai masalah ini, sistem baru ini beroperasi pada blockchain privat yang diizinkan. Saldo deposito tradisional masih akan dicatat dalam sistem konvensional bank, menawarkan keamanan dan fleksibilitas bagi klien.

BNY Mellon menyatakan bahwa pengenalan deposito tokenisasi dapat memfasilitasi peningkatan efisiensi yang signifikan. Menurut Carolyn Weinberg, Chief Product and Innovation Officer bank:

Deposito tokenisasi memberikan kami kesempatan untuk memperluas deposito bank terpercaya kami ke jalur digital—memungkinkan klien untuk beroperasi dengan kecepatan yang lebih besar dalam collateral, margin, dan pembayaran, dalam kerangka kerja yang dibangun untuk skala, ketahanan, dan keselarasan regulasi.

Peluncuran ini merupakan bagian dari inisiatif yang lebih luas untuk menjembatani perbankan tradisional dengan infrastruktur digital yang muncul, termasuk stablecoin dan dana pasar uang yang ditokenisasi.

Dalam jangka panjang, BNY Mellon membayangkan bahwa deposito tokenisasi akan mendukung pergerakan kas berbasis aturan, hampir real-time, lebih lanjut mempermudah proses penyelesaian dan meningkatkan likuiditas untuk klien institusional.

Yuval Rooz, co-founder dan CEO Digital Asset, menyambut baik kesempatan untuk bermitra dengan BNY Mellon, menyoroti bagaimana inisiatif ini mewakili pendekatan praktis dan siap institusi terhadap tokenisasi.

Dia mencatat bahwa membawa saldo deposito on-chain dapat secara signifikan meningkatkan mobilisasi aset dan membuka likuiditas di seluruh alur kerja kritis.

Pemain Keuangan Besar Bergabung

Pakar pasar MartyParty memberikan wawasan tentang implikasi peluncuran ini, menyatakan bahwa deposito tokenisasi menciptakan representasi digital on-chain—sebuah "wrapper"—dari saldo kas aktual klien yang disimpan di akun BNY tradisional.

Dia menekankan bahwa uang sungguhan tetap aman dalam ekosistem perbankan yang diatur, menghasilkan bunga dan tetap menjadi kewajiban langsung BNY Mellon, yang ditetapkan sebagai bank yang penting secara sistemik global (G-SIB).

Tidak seperti stablecoin atau aset kripto lainnya, deposito tokenisasi mewakili uang bank yang dapat diprogram pada blockchain privat, disinkronkan dengan catatan perbankan inti.

Manfaatnya substansial, memungkinkan operasi 24/7, transfer instan atau hampir instan, dan pembayaran yang dapat diprogram yang dieksekusi dalam kondisi tertentu.

Kemajuan ini juga diharapkan dapat mengurangi gesekan yang terkait dengan sistem warisan dan secara signifikan meningkatkan efisiensi likuiditas, bahkan di luar jam perbankan tradisional.

Daftar peserta awal dalam inisiatif ini termasuk Intercontinental Exchange (ICE), Citadel Securities, DRW Holdings, Ripple Prime, Circle (penerbit USDC), Anchorage Digital, Galaxy, Invesco, dan Baillie Gifford.

Lembaga-lembaga ini akan menguji alur kerja nyata seperti manajemen collateral dan penyelesaian nilai tinggi, lebih lanjut memvalidasi keefektifan penawaran baru BNY Mellon.

Grafik 1-D menunjukkan penurunan total kapitalisasi pasar kripto mendekati $3,05 triliun pada hari Jumat. Sumber: TOTAL di TradingView.com

Gambar unggulan dari DALL-E, grafik dari TradingView.com

Kripto yang Sedang Tren

Pertanyaan Terkait

QApa yang diluncurkan oleh BNY Mellon untuk klien institusional?

ABNY Mellon meluncurkan fitur deposit tokenisasi yang memungkinkan klien institusional menggunakan representasi digital dari deposit tradisional di blockchain privat berizin.

QApa manfaat utama dari deposit tokenisasi menurut Carolyn Weinberg?

ADeposit tokenisasi memungkinkan klien beroperasi dengan kecepatan lebih tinggi dalam transaksi collateral, margin, dan pembayaran, dalam kerangka kerja yang dirancang untuk skalabilitas, ketahanan, dan keselarasan regulasi.

QBagaimana perbedaan deposit tokenisasi dengan stablecoin?

ADeposit tokenisasi merupakan uang bank terprogram di blockchain privat yang disinkronkan dengan catatan perbankan inti, sedangkan stablecoin adalah aset kripto yang didukung cadangan namun tidak selalu terhubung langsung dengan sistem perbankan tradisional.

QInstitusi mana saja yang menjadi peserta awal dalam inisiatif ini?

APeserta awal termasuk Intercontinental Exchange (ICE), Citadel Securities, DRW Holdings, Ripple Prime, Circle, Anchorage Digital, Galaxy, Invesco, dan Baillie Gifford.

QApa keunggulan operasional yang ditawarkan oleh sistem deposit tokenisasi?

ASistem ini memungkinkan operasi 24/7, transfer instan atau hampir instan, pembayaran terprogram yang dieksekusi dalam kondisi tertentu, serta peningkatan efisiensi likuiditas di luar jam perbankan tradisional.

Bacaan Terkait

Memberi "Noise" ke AI Juga Bisa Meningkatkan Skor, Karya Ini Membuat Noise Mencapai Transfer Positif

Dalam bidang transfer learning, sumber data biasanya berupa gambar, teks, atau audio. Namun, penelitian "Semi-Supervised Noise Adaptation (SSNA)" menunjukkan bahwa **noise acak yang tidak memiliki makna semantik**—dihasilkan dari distribusi Gaussian—juga dapat meningkatkan performa model dalam skenario semi-supervised dengan sedikit data berlabel. Metode ini menggunakan **Kerangka Adaptasi Noise (Noise Adaptation Framework, NAF)**. NAF membuat struktur kategori diskriminatif dalam domain noise acak, lalu mentransfer **struktur** ini ke data target nyata untuk memberikan batas klasifikasi yang lebih jelas. Model memproyeksikan domain noise dan target ke ruang representasi bersama dan menyelaraskannya pada tingkat kategori. Dalam eksperimen, dengan hanya 4 sampel berlabel per kelas, NAF meningkatkan akurasi secara signifikan dibandingkan baseline ERM pada dataset seperti CIFAR-10 (+12.35%), CIFAR-100 (+7.61%), dan lainnya. Peningkatan juga terlihat pada dataset skala besar seperti ImageNet-1K dan tugas klasifikasi teks. Kunci keberhasilan ini bukanlah sifat acak noise itu sendiri, melainkan **struktur kategori yang dapat dipisahkan** yang dibentuknya dalam ruang representasi. Eksperimen ablasi menunjukkan bahwa jika semua noise dikompresi menjadi satu titik (tanpa struktur), kinerja justru menurun drastis. Sebaliknya, memperlebar jarak antara pusat kategori noise meningkatkan akurasi. Penelitian ini menawarkan perspektif baru: dalam transfer learning, pengetahuan yang dapat ditransfer bisa berupa **cara data diorganisasikan dalam ruang representasi**, bukan hanya konten semantiknya. Ini membuka kemungkinan untuk skenario di mana data sumber asli tidak tersedia karena masalah privasi, hak cipta, atau keterbatasan akses. Noise sintetis dapat menjadi alternatif sumber daya yang efektif dan rendah biaya.

marsbit4m yang lalu

Memberi "Noise" ke AI Juga Bisa Meningkatkan Skor, Karya Ini Membuat Noise Mencapai Transfer Positif

marsbit4m yang lalu

Operator Teleprompter "Khusus" Gedung Putih Raup Lebih dari $100.000 dengan Prediksi Berbasis Informasi Orang Dalam

Artikel berjudul "Operator Teleprompter Gedung Putih Dapatkan Lebih dari $100.000 dengan Informasi Orang Dalam" mengungkap kasus insider trading di pasar prediksi oleh Gabriel Perez, asisten teknis dan operator teleprompter untuk mantan Presiden AS Donald Trump. Perez, yang memiliki akses ke naskah pidato Trump sebelum disampaikan, menggunakan informasi orang dalam ini untuk bertaruh pada kata-kata spesifik yang akan disebutkan Trump dalam berbagai pidato di platform prediksi Kalshi. Dalam sekitar tiga bulan, ia mendapat untung lebih dari $100.000. Namun, platform Kalshi mendeteksi aktivitas mencurigakan, membekukan dana sekitar $90.000, dan melaporkannya ke CFTC. Akibatnya, Perez diberhentikan sementara tanpa gaji oleh Trump. Meski mengembalikan keuntungan dan berjanji tidak mengulangi pelanggaran, ia tidak menghadapi tuntutan pidana karena dianggap tidak membocorkan informasi rahasia negara. Kasus ini menyoroti kerentanan pasar prediksi "sebutan" terhadap manipulasi, di mana orang dalam atau pembicara sendiri dapat dengan mudah mempengaruhi hasil. Insiden serupa sebelumnya melibatkan tentara dan insinyur Google. Sebagai tanggapan, platform seperti Kalshi mulai memperketat aturan, termasuk mengharuskan pengguna mengungkapkan tempat kerja. Artikel menyimpulkan bahwa meskipun pembersihan perdagangan orang dalam membuat pasar prediksi lebih patuh, hal itu juga menjauhkannya dari tujuan awalnya sebagai pengejawantahan kebijaksanaan kolektif, menjadikannya lebih mirip kasino biasa.

marsbit1j yang lalu

Operator Teleprompter "Khusus" Gedung Putih Raup Lebih dari $100.000 dengan Prediksi Berbasis Informasi Orang Dalam

marsbit1j yang lalu

Operator Teleprompter "Khusus" Gedung Putih, Meraup Lebih dari 100 Ribu Dolar AS dengan Prediksi Menggunakan Informasi Orang Dalam

Sebuah staf Gedung Putih yang bertugas mengoperasikan teleprompter (penyusun teks pidato) untuk mantan Presiden AS Donald Trump, Gabriel Perez, telah diduga melakukan perdagangan orang dalam (insider trading) di pasar prediksi. Perez, yang memiliki akses ke naskah pidato Trump sebelum disampaikan, dilaporkan memanfaatkan informasi non-publik tersebut untuk bertaruh pada kata-kata spesifik yang akan disebutkan Trump dalam berbagai pidatonya di platform prediksi Kalshi. Dalam kurun waktu sekitar tiga bulan, ia dikabarkan memperoleh keuntungan lebih dari $100,000. Kalshi kemudian mendeteksi aktivitas transaksi yang tidak biasa dan membekukan lebih dari $90,000 di akun Perez sebelum melaporkan kasus ini kepada Commodity Futures Trading Commission (CFTC). Atas insiden tersebut, Perez diberhentikan sementara dari tugasnya tanpa gaji oleh Trump. Berbeda dengan dua kasus insider trading sebelumnya di pasar prediksi yang melibatkan seorang tentara dan insinyur Google, Perez tidak menghadapi tuntutan pidana. CFTC dikabarkan sedang dalam proses penyelesaian damai yang mewajibkannya mengembalikan keuntungannya dan berhenti melakukan transaksi serupa. Kasus ini menyoroti kerentanan pasar prediksi "sebutan" (mention markets) terhadap manipulasi, di mana individu dengan informasi orang dalam atau bahkan pembicara itu sendiri dapat dengan mudah memengaruhi hasilnya. Beberapa contoh, seperti CEO Coinbase yang dengan sengaja menyebut semua opsi taruhan dalam sebuah konferensi, mengilustrasikan masalah ini. Menanggapi hal tersebut, Kalshi telah memperketat kebijakan dengan mewajibkan pengguna mengungkapkan tempat kerja mereka untuk mencegah penyalahgunaan informasi orang dalam. Insiden Perez menandai langkah lain dalam pembersihan perdagangan orang dalam di industri pasar prediksi, sekaligus mempertanyakan keandalan pasar tersebut sebagai cerminan kebijaksanaan kolektif.

Odaily星球日报1j yang lalu

Operator Teleprompter "Khusus" Gedung Putih, Meraup Lebih dari 100 Ribu Dolar AS dengan Prediksi Menggunakan Informasi Orang Dalam

Odaily星球日报1j yang lalu

Tambang Bitcoin Berubah Menjadi Pabrik AI

Tambang Bitcoin Berubah Menjadi Pabrik AI Di Texas, AS, proyek kampus besar pertama OpenAI "Stargate" dibangun di atas lahan bekas penambangan Bitcoin oleh Crusoe, perusahaan yang awalnya memanfaatkan gas alam terbuang untuk menambang kripto. Ini mencerminkan tren transformasi besar: infrastruktur dan sumber daya dari era Crypto kini dialirkan ke industri AI. Pilar utama transformasi ini adalah: 1. **Tambang ke Pusat Data AI:** Perusahaan penambangan seperti Bitdeer, CoreWeave (dulunya Atlantic Crypto), TeraWulf, dan Hut 8 menjual atau mengalihkan kapasitas pusat data mereka yang sudah memiliki akses listrik, lahan, dan izin ke perusahaan AI seperti Anthropic dan AWS. Kontrak jangka panjang bernilai miliaran dolar ini lebih menguntungkan dibandingkan pendapatan menambang Bitcoin yang menurun. 2. **Talenta Crypto ke Startup AI:** Mantan eksekutif dan insinyur Crypto membawa keahlian mereka ke bidang AI. Contohnya, Alex Atallah (co-founder OpenSea) mendirikan OpenRouter, sebuah platform agregator untuk ratusan model AI. Burkay Gur (eks Coinbase) mendirikan Fal.ai, infrastruktur untuk inferensi media generatif. 3. **Modal Crypto Mendanai AI:** Kekayaan yang terakumulasi dari pasar Crypto digunakan untuk membiayai ekosistem AI. Jed McCaleb (pendiri Ripple/Stellar) mendanai Voltage Park, penyewa GPU skala besar. Venture capital Crypto seperti Paradigm berinvestasi dalam startup AI seperti Nous Research (pengembang model Hermes). Bahkan investasi awal SBF (FTX) di Anthropic dan Anysphere (penghasil Cursor) menunjukkan aliran modal ini. Intinya, industri Crypto tidak menghilang, tetapi aset-aset berharganya—infrastruktur listrik/pusat data, talenta teknis, dan modal—ditempatkan kembali untuk membangun fondasi industri AI berikutnya.

链捕手1j yang lalu

Tambang Bitcoin Berubah Menjadi Pabrik AI

链捕手1j yang lalu

Trading

Spot

Artikel Populer

Apa Itu $BANK

Bank AI: Langkah Revolusioner di Masa Depan Perbankan Pendahuluan Dalam era yang ditandai dengan kemajuan teknologi yang pesat, Bank AI berada di persimpangan kecerdasan buatan (AI) dan layanan perbankan. Proyek inovatif ini bertujuan untuk mendefinisikan ulang lanskap keuangan, meningkatkan efisiensi operasional, langkah-langkah keamanan, dan pengalaman pelanggan melalui kekuatan AI. Saat kita memulai eksplorasi terhadap Bank AI, kita akan menyelami apa yang dimaksud dengan proyek ini, dinamika operasionalnya, konteks historisnya, dan tonggak pentingnya. Apa itu Bank AI? Pada intinya, Bank AI mewakili inisiatif transformasional yang bertujuan untuk mengintegrasikan kecerdasan buatan ke dalam berbagai operasi perbankan. Proyek ini memanfaatkan kemampuan AI untuk mengotomatiskan proses, meningkatkan protokol manajemen risiko, dan meningkatkan interaksi dengan pelanggan melalui layanan yang dipersonalisasi. Tujuan utama dari Bank AI meliputi: Automatisasi Fungsi Perbankan: Dengan memanfaatkan teknologi AI, Bank AI bertujuan untuk mengotomatiskan tugas rutin, mengurangi beban pada sumber daya manusia dan meningkatkan efisiensi. Peningkatan Manajemen Risiko: Proyek ini menggunakan algoritma AI untuk memprediksi dan mengidentifikasi risiko, sehingga memperkuat langkah-langkah keamanan terhadap penipuan dan ancaman lainnya. Personalisasi Layanan Perbankan: Bank AI fokus pada menawarkan produk dan layanan keuangan yang disesuaikan dengan menganalisis data dan perilaku pelanggan. Meningkatkan Pengalaman Pelanggan: Implementasi solusi yang didorong oleh AI, seperti chatbot dan asisten virtual, bertujuan untuk memberikan interaksi yang lebih manusiawi bagi pengguna, merevolusi cara pelanggan berinteraksi dengan bank. Dengan tujuan-tujuan ini, Bank AI memposisikan dirinya sebagai pemain kunci dalam menjadikan perbankan lebih efisien, aman, dan berfokus pada pengguna. Siapa Pencipta Bank AI? Detail mengenai pencipta Bank AI masih belum diketahui. Dengan demikian, tidak ada individu atau organisasi spesifik yang telah diidentifikasi dalam informasi yang tersedia. Anonimitas seputar penciptaan proyek ini menimbulkan pertanyaan tetapi tidak mengurangi visi dan tujuan ambisiusnya. Siapa Investor Bank AI? Mirip dengan penciptanya, informasi spesifik mengenai investor atau organisasi pendukung Bank AI belum diungkapkan. Tanpa informasi ini, sulit untuk menguraikan dukungan finansial dan institusi yang mungkin mendorong proyek ini ke depan. Namun, pentingnya memiliki dasar investasi yang kuat adalah kunci untuk mempertahankan pengembangan di bidang inovatif seperti ini. Bagaimana Cara Kerja Bank AI? Bank AI beroperasi di beberapa front inovatif, dengan fokus pada faktor unik yang membedakannya dari kerangka perbankan tradisional. Berikut adalah fitur utama operasionalnya: Automatisasi: Dengan menerapkan algoritma pembelajaran mesin, Bank AI mengotomatiskan berbagai proses manual di dalam bank. Ini menghasilkan pengurangan biaya operasional dan memungkinkan pekerja manusia untuk mengalihkan upaya mereka ke aktivitas yang lebih strategis. Manajemen Risiko yang Canggih: Integrasi AI ke dalam praktik manajemen risiko memberikan bank alat untuk secara akurat memprediksi potensi ancaman seperti penipuan, memastikan bahwa informasi dan aset pelanggan tetap aman. Rekomendasi Keuangan yang Disesuaikan: Melalui pembelajaran terus-menerus dari interaksi pelanggan, sistem AI mengembangkan pemahaman yang mendalam tentang kebutuhan pengguna, memungkinkan mereka untuk memberikan saran yang disesuaikan tentang keputusan keuangan. Interaksi Pelanggan yang Ditingkatkan: Dengan memanfaatkan chatbot dan asisten virtual yang didukung oleh AI, Bank AI memungkinkan pengalaman pelanggan yang lebih menarik, memungkinkan pengguna untuk mendapatkan jawaban untuk pertanyaan mereka dengan cepat, sehingga mengurangi waktu tunggu dan meningkatkan tingkat kepuasan. Bersama-sama, fitur-fitur operasional ini memposisikan Bank AI sebagai pelopor di sektor perbankan, menetapkan tolok ukur baru untuk penyampaian layanan dan keunggulan operasional. Garis Waktu Bank AI Memahami jalur perkembangan Bank AI memerlukan melihat konteks historisnya. Berikut adalah garis waktu yang menyoroti tonggak penting dan perkembangan: Awal 2010-an: Konseptualisasi integrasi AI ke dalam layanan perbankan mulai mendapatkan perhatian saat institusi perbankan mengenali manfaat potensialnya. 2018: Terjadi peningkatan signifikan dalam implementasi teknologi AI ketika bank mulai menggunakan alat AI seperti chatbot untuk layanan pelanggan dasar dan sistem manajemen risiko untuk penanganan keamanan yang lebih baik. 2023: Kecanggihan AI terus maju, dengan AI generatif diperkenalkan untuk tugas yang lebih kompleks seperti pemrosesan dokumen dan analisis investasi waktu nyata. Tahun ini menandai lompatan signifikan dalam kemampuan yang diberikan kepada bank oleh teknologi AI. 2024-Status Saat Ini: Hingga tahun ini, Bank AI berada pada jalur yang meningkat, dengan penelitian dan pengembangan yang sedang berlangsung berpotensi meningkatkan kemampuan dalam operasi perbankan. Eksplorasi berkelanjutan terhadap aplikasi AI menunjukkan perkembangan menarik yang akan datang. Poin Kunci tentang Bank AI Integrasi AI dalam Perbankan: Bank AI fokus pada mengadopsi kecerdasan buatan untuk memperlancar proses perbankan dan meningkatkan pengalaman pengguna. Fokus pada Automatisasi dan Manajemen Risiko: Proyek ini sangat menekankan bidang ini, bertujuan untuk mengalihkan beban tugas rutin sambil meningkatkan kerangka keamanan melalui analitik prediktif. Solusi Perbankan yang Dipersonalisasi: Dengan memanfaatkan data pelanggan, Bank AI memungkinkan layanan perbankan yang disesuaikan dengan kebutuhan pengguna individu. Komitmen terhadap Pengembangan: Bank AI tetap berkomitmen pada upaya penelitian dan pengembangan yang berkelanjutan, memastikan adaptabilitas dan relevansi yang terus berlanjut seiring teknologi terus berkembang. Kesimpulan Secara ringkas, Bank AI merupakan langkah penting ke depan di industri perbankan, memanfaatkan kecerdasan buatan untuk membentuk kembali paradigma operasional, meningkatkan keamanan, dan mempromosikan kepuasan pelanggan. Meskipun ada kekurangan informasi mengenai pencipta dan investor, tujuan yang jelas dan mekanisme fungsional dari Bank AI memberikan dasar yang kuat untuk evolusi berkelanjutan. Seiring teknologi AI terus berkembang dan bergabung dengan sektor perbankan, Bank AI berada pada posisi yang baik untuk memberikan dampak signifikan terhadap masa depan layanan keuangan, meningkatkan cara kita memahami dan berinteraksi dengan perbankan.

211 Total TayanganDipublikasikan pada 2024.04.06Diperbarui pada 2024.12.03

Apa Itu $BANK

Cara Membeli BANK

Selamat datang di HTX.com! Kami telah membuat pembelian Lorenzo Protocol (BANK) menjadi mudah dan nyaman. Ikuti panduan langkah demi langkah kami untuk memulai perjalanan kripto Anda.Langkah 1: Buat Akun HTX AndaGunakan alamat email atau nomor ponsel Anda untuk mendaftar akun gratis di HTX. Rasakan perjalanan pendaftaran yang mudah dan buka semua fitur.Dapatkan Akun SayaLangkah 2: Buka Beli Kripto, lalu Pilih Metode Pembayaran AndaKartu Kredit/Debit: Gunakan Visa atau Mastercard Anda untuk membeli Lorenzo Protocol (BANK) secara instan.Saldo: Gunakan dana dari saldo akun HTX Anda untuk melakukan trading dengan lancar.Pihak Ketiga: Kami telah menambahkan metode pembayaran populer seperti Google Pay dan Apple Pay untuk meningkatkan kenyamanan.P2P: Lakukan trading langsung dengan pengguna lain di HTX.Over-the-Counter (OTC): Kami menawarkan layanan yang dibuat khusus dan kurs yang kompetitif bagi para trader.Langkah 3: Simpan Lorenzo Protocol (BANK) AndaSetelah melakukan pembelian, simpan Lorenzo Protocol (BANK) di akun HTX Anda. Selain itu, Anda dapat mengirimkannya ke tempat lain melalui transfer blockchain atau menggunakannya untuk memperdagangkan mata uang kripto lainnya.Langkah 4: Lakukan trading Lorenzo Protocol (BANK)Lakukan trading Lorenzo Protocol (BANK) dengan mudah di pasar spot HTX. Cukup akses akun Anda, pilih pasangan perdagangan, jalankan trading, lalu pantau secara real-time. Kami menawarkan pengalaman yang ramah pengguna baik untuk pemula maupun trader berpengalaman.

730 Total TayanganDipublikasikan pada 2025.05.09Diperbarui pada 2026.06.02

Cara Membeli BANK

Diskusi

Selamat datang di Komunitas HTX. Di sini, Anda bisa terus mendapatkan informasi terbaru tentang perkembangan platform terkini dan mendapatkan akses ke wawasan pasar profesional. Pendapat pengguna mengenai harga BANK (BANK) disajikan di bawah ini.

活动图片