GSR Meluncurkan ETF Crypto Multi-Asset Dengan Hasil Staking

TheNewsCryptoDipublikasikan tanggal 2026-04-23Terakhir diperbarui pada 2026-04-23

Abstrak

GSR, platform perdagangan kripto institusional, meluncurkan ETF kripto pertamanya bernama Crypto Core3 ETF (BESO) yang diperdagangkan di Nasdaq. ETF ini menawarkan eksposur ke Bitcoin, Ethereum, dan Solana dengan strategi alokasi dinamis dan hasil staking. Pada hari pertama perdagangan, dana tersebut mencatat aktivitas sekitar $5 juta. BESO akan menyeimbangkan alokasi aset mingguan berdasarkan sinyal penelitian untuk meningkatkan imbal hasil. Menurut penelitian GSR, portofolio optimal terdiri dari Ethereum (51,4%), Solana (41,67%), dan Bitcoin (6,93%). Dengan biaya manajemen 1%, ETF ini bertujuan menarik lebih banyak investor di industri ETF kripto yang semakin kompetitif.

Pada hari Rabu, GSR, sebuah platform perdagangan crypto institusional, meluncurkan reksa dana yang diperdagangkan di bursa (ETF) crypto pertamanya, dan pada hari pertama perdagangan, dana tersebut mencatat aktivitas sekitar $5 juta.

Langkah Berani Masuk ke Industri ETF Crypto

Rabu lalu, GSR mengumumkan bahwa Crypto Core3 ETF (BESO) mereka akan menawarkan insentif staking selain melacak harga terkini Bitcoin, Ether, dan Solana. Dana dengan biaya manajemen 1% ini akan menggunakan "strategi alokasi dinamis" untuk memaksimalkan pengembalian, menurut posting terpisah oleh GSR di X.

Menurut statistik dari Nasdaq, pada hari pertama perdagangan, 185.574 saham BESO terjual dengan nilai sekitar $4,8 juta. Setelah jam perdagangan, nilai dana meningkat dari $26,04 menjadi $33. Sejumlah perusahaan Wall Street telah membuat atau menunjukkan keinginan mereka untuk meluncurkan reksa dana yang diperdagangkan di bursa cryptocurrency (ETF), bertepatan dengan peluncuran pasar GSR.

Morgan Stanley adalah salah satunya; sejak debutnya pada 8 April, ETF Bitcoin spot telah menerima aliran masuk bersih sebesar $163,8 juta. Investor dapat menerima pendapatan pasif dan mungkin mendapat keuntungan dari kenaikan harga Bitcoin dengan ETF Pendapatan Premium Bitcoin Goldman Sachs, yang diajukan pada 14 April.

Cristian Gil dan Richard Rosenblum, dua mantan pedagang Goldman Sachs, meluncurkan GSR pada 2013, menjadikannya market maker crypto terkemuka. Menurut Xin Song, CEO GSR, perusahaan bertujuan untuk menjangkau lebih banyak investor dengan memasuki industri ETF crypto.

Alokasi Bitcoin, Ether, dan Solana BESO akan diseimbangkan kembali setiap minggu sesuai dengan sinyal berbasis penelitian yang bertujuan untuk mencapai pengembalian lebih lanjut, menurut GSR. Pada hari Rabu, GSR merilis penelitian portofolio model yang menunjukkan distribusi cryptocurrency yang optimal. Ether dan Solana mendominasi dengan 51,4% dan 41,67% dari total, sementara Bitcoin berada di posisi lebih rendah dengan 6,93%.

Berita Crypto Terbaru yang Disorot:

Justin Sun Menggugat World Liberty Financial Atas Sengketa Pembekuan Token

TagsAltcoinBitcoin

Pertanyaan Terkait

QApa yang diluncurkan oleh GSR dan berapa nilai perdagangan pada hari pertama?

AGSR meluncurkan Crypto Core3 ETF (BESO) dengan nilai perdagangan sekitar $4,8 juta pada hari pertama.

QApa keunikan dari ETF crypto yang diluncurkan GSR dibandingkan dengan ETF lainnya?

AETF BESO menawarkan staking yield (imbal hasil staking) dan strategi alokasi dinamis untuk Bitcoin, Ethereum, dan Solana.

QSiapa pendiri GSR dan sejak kapan perusahaan ini beroperasi?

AGSR didirikan oleh Cristian Gil dan Richard Rosenblum, mantan trader Goldman Sachs, pada tahun 2013.

QBagaimana komposisi alokasi aset dalam portofolio model BESO menurut penelitian GSR?

AKomposisi optimal menurut penelitian: Ethereum 51,4%, Solana 41,67%, dan Bitcoin 6,93%.

QApa tujuan GSR memasuki industri ETF crypto menurut CEO Xin Song?

ATujuannya adalah untuk menjangkau lebih banyak investor melalui industri ETF crypto.

Bacaan Terkait

Pelepasan Token Mingguan: HOME Lepas Token Lebih dari 20% Pasokan Beredar

**Defi App (HOME) Lepas Kunci Token Besar-besaran** Proyek DeFi.app, yang bertujuan menyederhanakan perdagangan DeFi dengan kendali aset penuh oleh pengguna, akan mengalami peristiwa pelepasan (unlock) token signifikan. Sebanyak 7.9 miliar token HOME akan dilepaskan, dengan nilai sekitar $41.26 juta. Unlock ini setara dengan lebih dari 20% dari pasokan token yang saat ini beredar. DeFi.app menyediakan platform untuk membeli token di berbagai blockchain, melakukan perdagangan lintas rantai (cross-chain) instan, mengakses pasar derivasi terdesentralisasi, dan peluang *yield*—semua tanpa biaya gas atau proses *bridging* yang rumit. Grafik rilis token yang dirinci menunjukkan jadwal pelepasan ini. Pemegang dan pengamat pasar disarankan untuk memperhatikan dampak potensial dari masuknya pasokan token baru ini ke pasar.

marsbit2j yang lalu

Pelepasan Token Mingguan: HOME Lepas Token Lebih dari 20% Pasokan Beredar

marsbit2j yang lalu

Pasar Saham AS Alami Jatuhnya Terberat Sejak 2025, Tiga Pemicu Meledakkan Penilaian Ulang Valuasi Saham Teknologi

Pasar saham AS mengalami keruntuhan terburuk sejak krisis tarif April 2025 pada 5 Juni. Indeks Nasdaq anjlok 4,18%, S&P 500 turun 2,64%, dan Dow Jones merosot 695 poin. Tiga pemicu utama diidentifikasi: 1. Laporan keuangan Broadcom mengisyaratkan kemungkinan perlambatan dalam pertumbuhan pendapatan chip AI kuartal depan, memicu kepanikan dan penjualan luas di seluruh sektor semikonduktor. Indeks Philadelphia Semiconductor terjun 10,26%. 2. Data tenaga kerja AS (NFP) bulan Mei jauh melampaui ekspektasi (172.000 vs 80.000), memperkuat kekhawatiran bahwa Federal Reserve mungkin tidak akan menurunkan suku bunga dan bahkan berpotensi menaikkannya. Ekspektasi kenaikan suku bunga melonjak di pasar. 3. Bayangan perang Iran dan harga minyak tinggi yang terus-menerus (WTI > $90) memperumit perang Fed melawan inflasi, menambah tekanan pada pasar. Ketiga faktor ini bersama-sama menggoyang narasi dasar pasar: pertumbuhan AI tanpa batas, likuiditas mudah dari Fed, dan inflasi yang telah terkendali. Keruntuhan dengan cepat menyebar ke pasar global di Asia dan Eropa. Apakah ini awal pecahnya gelembung AI? Analisis menunjukkan ini lebih sebagai penyesuaian penilaian ulang (valuasi) daripada keruntuhan narasi sepenuhnya. Permintaan chip AI tetap kuat (pertumbuhan 143% Broadcom), tetapi pasar menjadi lebih realistis mengenai kecepatan pertumbuhan dan harga yang bersedia dibayar. Arah pasar selanjutnya akan bergantung pada pertemuan FOMC Juni, panduan dari perusahaan AI lainnya seperti Nvidia, dan perkembangan situasi di Iran.

marsbit3j yang lalu

Pasar Saham AS Alami Jatuhnya Terberat Sejak 2025, Tiga Pemicu Meledakkan Penilaian Ulang Valuasi Saham Teknologi

marsbit3j yang lalu

Dari Madison Square Garden ke Kalshi: Pasar Prediksi Menerobos Final NBA

Artikel ini membahas maraknya pasar prediksi (prediction markets) seperti Kalshi dan Polymarket di seputar Final NBA 2026, khususnya menyusul kesuksesan New York Knicks. Pasar ini tidak hanya menarik perhatian penggemar dengan kontrak taruhan online mengenai hasil seri, MVP, atau bahkan kehadiran selebriti, tetapi juga merambah ke dunia bisnis fisik. Contohnya, sebuah bar menggunakan Kalshi untuk meng-hedge risiko promo "minuman gratis jika Knicks menang", menunjukkan fungsinya sebagai alat manajemen risiko. Kemitraan resmi Kalshi dengan Madison Square Garden menempatkan platform ini di pusat perhatian. Sementara itu, pasar prediksi memperluas batas taruhan olahraga tradisional dengan menawarkan lebih banyak variasi acara dan dapat diakses oleh pengguna yang lebih muda dan di lebih banyak wilayah AS. Namun, pertumbuhan ini menimbulkan kontroversi dan kekhawatiran regulasi. Investasi bintang NBA Giannis Antetokounmpo di Kalshi memicu debat tentang konflik kepentingan dan integritas pertandingan. NBA sendiri bersikap hati-hati, menyerukan kerangka regulasi yang ketat kepada CFTC untuk melindungi kepercayaan publik. Final NBA menjadi ujian bagi pasar prediksi, menimbang antara peluang komersial baru dan tantangan menjaga integritas olahraga.

marsbit5j yang lalu

Dari Madison Square Garden ke Kalshi: Pasar Prediksi Menerobos Final NBA

marsbit5j yang lalu

AI yang Bisa Membangun Diri Sendiri Melalui 'Rekursi' Menjadi Populer, Google Menuangkan Air Dingin, DeepSeek dkk. Sudah Menyentuh Ujungnya

Konsep Recursive Self-Improvement (RSI), atau kecerdasan buatan yang mampu melatih dan meningkatkan dirinya sendiri secara mandiri, menjadi tren hangat di dunia AI. Beberapa startup seperti Recursive Superintelligence dan proyek Auto-Research dari Andrej Karpathy fokus pada realisasi visi ini. Meski demikian, CEO Google Sundar Pichai menyatakan teknologi ini masih dalam tahap awal dan belum mencapai percepatan skala besar seperti yang dibayangkan. Analisis dari para peneliti membagi kemajuan RSI menjadi tiga tahap: *adequacy* (sistem berjalan tanpa manusia), *parity* (kualitas setara manusia), dan *supremacy* (melebihi kolaborasi manusia-AI). Pencapaian tahap kedua diprediksi akan memicu percepatan yang sangat cepat. Di China, perusahaan seperti DeepSeek dan Baidu secara diam-diam telah menerapkan prinsip-prinsip serupa RSI dalam pengembangan model mereka, seperti optimisasi algoritma efisien dan siklus peningkatan mandiri, meski tidak secara terbuka menyebut istilah RSI. Namun, tantangan RSI tetap ada, termasuk risiko *model collapse* (penurunan kualitas data generasi AI) dan prasyarat lingkungan yang sulit seperti kebutuhan komputasi tak terbatas dan ekosistem penelitian terbuka global. Perkembangan RSI merefleksikan tren di mana peran manusia dalam rantai pengembangan AI secara bertahap berkurang, sebuah proses yang bersifat irreversible.

marsbit5j yang lalu

AI yang Bisa Membangun Diri Sendiri Melalui 'Rekursi' Menjadi Populer, Google Menuangkan Air Dingin, DeepSeek dkk. Sudah Menyentuh Ujungnya

marsbit5j yang lalu

Anthropic Memprediksi secara Global, OpenAI Telah Melampaui "Ambang Keandalan": Akselerasi Mandiri AI Telah Dimulai

**Peringatan Global dari Anthropic: OpenAI Telah Melampaui 'Ambang Keandalan', Memicu Akselerasi Mandiri AI** Anthropic mengeluarkan peringatan mendesak untuk memperlambat atau menghentikan penelitian AI, karena data internal mereka menunjukkan bahwa AI kini mempercepat pengembangan AI itu sendiri, berpotensi mendekati titik kritis perbaikan diri yang rekursif atau "membuat dirinya sendiri." Di sisi lain, Yann Dubois dari tim pasca-pelatihan OpenAI memberikan perspektif mikro: pertumbuhan kemampuan AI sebenarnya linier dan berkelanjutan, tetapi pengguna merasakan "kebergunaan" yang melompat secara diskrit. Ini karena adanya **"ambang keandalan"**. Sebelum mencapai ambang ini, AI hanyalah alat cerdas yang tidak dapat diandalkan sepenuhnya. Setelah melampauinya (sekitar Desember tahun lalu menurut Dubois), AI menjadi seperti karyawan yang dapat dipercaya untuk menangani pekerjaan nyata dan mulai mempercepat perkembangannya sendiri. **Akselerasi Mandiri dan Siklus Penguatan:** Ketika model menjadi cukup andal (misalnya, dalam pemrograman), mereka dapat digunakan untuk membantu peneliti mengembangkan alat dan bahkan melatih generasi model AI berikutnya, menciptakan loop akselerasi yang semakin cepat. Data Anthropic menunjukkan produktivitas kode per insinyur meningkat 8x pada Q2 2026 dibandingkan Q1 2024. **AI sebagai "Kerajinan" (Craft):** Dubois menegaskan bahwa membangun sistem AI yang andal lebih menyerupai kerajinan atau bahkan "alkimia" yang mengandalkan intuisi dan trial-and-error, daripada ilmu pengetahuan murni yang sistematis. Peningkatan keandalan seringkali dicapai dengan menekan "tingkat kesalahan per interval waktu" dalam sistem agen AI. **"Harness" Vertikal dan "Mil Terakhir":** Dubois berpendapat bahwa jika model saat ini "dibekukan" dan fokus dialihkan ke pengembangan *harness* (sistem orkestrasi) yang matang untuk domain spesifik, banyak bidang sudah dapat merasakan fungsi seperti AGI (Kecerdasan Buatan Umum). **Tantangan sebenarnya bukan pada kecerdasan model, tetapi pada "mil terakhir"**—yaitu mengintegrasikan AI dengan sistem yang ada, mengatur izin akses, konektor data, dan alur kerja bisnis tertentu. Inilah peluang besar bagi pengembang dan startup. **Tantangan Masa Depan: Pembelajaran Berkelanjutan (Continual Learning):** Meski memiliki titik awal yang tinggi, model AI saat ini kesulitan untuk terus belajar dan beradaptasi dari pengalaman spesifik di lingkungan barunya seperti manusia. Membentuk kurva pembelajaran AI yang terus naik, bukan mendatar, adalah salah satu masalah terpenting berikutnya.

marsbit5j yang lalu

Anthropic Memprediksi secara Global, OpenAI Telah Melampaui "Ambang Keandalan": Akselerasi Mandiri AI Telah Dimulai

marsbit5j yang lalu

Trading

Spot
Futures
活动图片

Kategori Populerright-arrow

Tag Populerright-arrow