Hong Kong Akan Izinkan Perpetual Futures Kripto Institusional di Bawah Aturan Baru

TheNewsCryptoDipublikasikan tanggal 2026-02-11Terakhir diperbarui pada 2026-02-11

Abstrak

Hong Kong berencana menjadi pusat aset digital yang diatur dengan kerangka peraturan baru. Otoritas Pengawas Pasar Modal (SFC) akan mengizinkan platform perdagangan berlisensi menawarkan kontrak futures perpetual untuk cryptocurrency, namun awalnya hanya tersedia untuk investor institusi. Kontrak ini memungkinkan spekulasi harga tanpa tanggal kedaluwarsa, dengan persyaratan manajemen risiko yang ketat. Bitcoin dan Ethereum akan diizinkan sebagai agunan untuk pinjaman, dengan standar kredit yang ketat akibat volatilitas tinggi. SFC juga mewajibkan pertukaran untuk memisahkan operasi market-making guna mencegah konflik kepentingan. Langkah ini bertujuan menyeimbangkan inovasi dan kredibilitas, menarik partisipasi lembaga global serta meningkatkan likuiditas, dengan fokus pada transparansi dan pengelolaan risiko.

Hong Kong berencana menjadi pusat aset digital yang diatur terkemuka. Julia Leung, CEO SFC, berbicara di CoinDesk, mengatakan bahwa lembaga pengawas akan segera menerbitkan kerangka regulasi tingkat tinggi yang memungkinkan platform perdagangan berlisensi menawarkan kontrak futures perpetual yang terkait dengan cryptocurrency.

Awalnya dibatasi untuk investor institusional

Di bawah kerangka yang akan datang, perpetual futures memungkinkan trader berspekulasi pada harga tanpa tanggal kedaluwarsa. Leung mengatakan bahwa awalnya, ini hanya akan diizinkan untuk investor institusional, dan platform harus membuktikan mereka dapat mengelola dan mengungkapkan risiko dengan benar. SFC akan tetap fokus pada aturan pasar yang adil untuk pelanggan.

Di sisi lain, regulator akan mengizinkan pialang membiayai klien menggunakan aset digital terpilih sebagai jaminan. Karena pasar kripto memiliki volatilitas tinggi, kelayakan dimulai hanya dengan Bitcoin dan Ethereum. Peminjam harus memenuhi standar kredit yang ketat. Para regulator bergerak hati-hati dengan token yang paling stabil dan mapan.

SFC juga menyempurnakan pertukaran yang ingin menjalankan operasi market-making; mereka harus memisahkan aktivitas tersebut ke dalam unit independen dan mempertahankan kontrol konflik kepentingan yang jelas. Ini bertujuan untuk mencegah pertukaran yang mungkin melihat aktivitas perdagangan pengguna dan dapat menggunakan informasi tersebut untuk menghasilkan uang.

Alasan di balik langkah ini

SFC mencoba menyeimbangkan inovasi dan kredibilitas. Pejabat menginginkan produk yang lebih canggih dan partisipasi yang lebih besar dari lembaga global. Alih-alih menyetujui semuanya sekaligus, regulator memperluas akses langkah demi langkah.

Jika langkah ini telah diterapkan, maka Hong Kong dapat menarik dana lindung nilai dan firma perdagangan yang mengandalkan perpetual dan akan meningkatkan likuiditas di tempat yang diatur lokal. Namun tujuan regulator jelas: bahwa inovasi akan disambut dalam kerangka yang memprioritaskan transparansi dan manajemen risiko.

Berita Kripto yang Disorot:

Ethereum Tetap Di Bawah Tekanan Saat Harga Berkonsolidasi di Dekat $2,000

Pertanyaan Terkait

QApa yang direncanakan Hong Kong dalam kerangka regulasi baru untuk aset digital?

AHong Kong berencana menjadi pusat aset digital terkemuka yang diatur dengan kerangka regulasi yang memungkinkan platform perdagangan berlisensi menawarkan kontrak futures perpetual untuk cryptocurrency.

QSiapa saja yang diperbolehkan berinvestasi dalam futures perpetual cryptocurrency pada tahap awal?

APada tahap awal, hanya investor institusional yang diperbolehkan berinvestasi dalam futures perpetual cryptocurrency.

QApa syarat bagi platform perdagangan untuk menawarkan produk futures perpetual?

APlatform harus membuktikan kemampuan mengelola dan mengungkapkan risiko dengan tepat, serta mematuhi aturan pasar yang adil untuk pelanggan.

QMengapa regulator Hong Kong membatasi aset digital yang dapat dijadikan jaminan hanya ke Bitcoin dan Ethereum?

AKarena pasar cryptocurrency memiliki volatilitas tinggi, regulator memulai dengan aset paling stabil dan mapan seperti Bitcoin dan Ethereum untuk meminimalkan risiko.

QApa tujuan utama SFC dalam menerapkan kerangka regulasi ini?

ATujuan utama SFC adalah menyeimbangkan inovasi dan kredibilitas dengan menyambut inovasi dalam kerangka yang mengutamakan transparansi dan manajemen risiko.

Bacaan Terkait

Model Generatif Bisa Dilatih End-to-End? Intinya Hanya Sebuah For Loop

Model generatif seperti model difusi atau autoregresif yang dominan saat ini biasanya tidak melatih seluruh proses generasi secara end-to-end. Mereka dilatih hanya untuk memprediksi satu "langkah kecil" dalam proses, namun saat inferensi, langkah ini harus diulang ratusan atau ribuan kali. Ketidaksesuaian ini menyebabkan masalah "exposure bias," di mana kesalahan menumpuk seiring waktu. Makalah terbaru dari UIUC dan Harvard memperkenalkan paradigma baru bernama **Explorative Modeling (XM)**. Inti dari metode ini sangat sederhana: alih-alih menghasilkan satu sampel, model menghasilkan **K kandidat** dalam setiap langkah pelatihan. Kemudian, hanya kandidat yang paling dekat dengan data target yang dipilih untuk menghitung gradien dan memperbarui model. Mengapa ini berhasil? Dalam tugas generatif, satu input bisa memiliki banyak output yang valid (mode). Fungsi kerugian rekonstruksi tradisional cenderung menyebabkan "mode blurring," di mana model hanya mempelajari rata-rata dari semua mode, menghasilkan output yang tidak realistis. Dengan menghasilkan beberapa kandidat, model dapat "mengeksplorasi" dan menangkap beberapa mode yang berbeda sekaligus, sehingga menghindari rata-rata yang kabur. Penelitian ini menunjukkan bahwa **"eksplorasi" (K) bertindak sebagai sumbu penskalaan ketiga** yang efektif, selain parameter dan data. Eksperimen pada gambar, video, dan bahasa menunjukkan peningkatan kinerja yang monoton dengan peningkatan K, dengan keuntungan yang lebih besar pada skala yang lebih besar. XM dapat meningkatkan efisiensi FLOP hingga 4.1x dan efisiensi sampel hingga 6.2x. Yang lebih menarik, ketika diterapkan secara ekstrem, XM memungkinkan **pelatihan generatif yang benar-benar end-to-end**. Dalam tugas kontrol robot, "Explorative Policy" berbasis XM mencapai kinerja yang setara dengan "Diffusion Policy" yang membutuhkan 100 langkah inferensi, sementara hanya membutuhkan satu langkah inferensi maju. Ini membuktikan bahwa kompleksitas untuk menangani banyak mode dapat dipindahkan dari inferensi ke pelatihan. Meskipun ide "best-of-K" bukan hal baru, kontribusi utama makalah ini adalah penjelasan teoritis bahwa mekanisme ini secara langsung meningkatkan **ekspresivitas generatif** model. Dengan demikian, ini menawarkan cara baru yang ampuh untuk mengatasi tantangan mendasar dalam pemodelan generatif.

marsbit6m yang lalu

Model Generatif Bisa Dilatih End-to-End? Intinya Hanya Sebuah For Loop

marsbit6m yang lalu

Upbit Rebalance 864B SHIB dalam Pergerakan Wallet Internal

Bursa Korea Selatan Upbit melakukan penataan ulang 864 miliar SHIB di antara alamat dompet internalnya, menciptakan pergerakan rantai-blok besar senilai sekitar $4 juta. Pergerakan ini melibatkan transfer 384 miliar SHIB keluar dari dompet panas dan 480 miliar SHIB kembali ke dompet yang sama, tampaknya sebagai bagian dari operasi penyeimbangan kembali (rebalancing) dompet rutin, bukan pelepasan atau penjualan aset oleh bursa. Aktivitas ini terjadi setelah SHIB mengalami reli harga 36%, yang membuatnya lebih mencolok dan ditanggapi dengan sensitif oleh pedagang. Namun, karena perpindahan terjadi antara alamat yang diketahui milik Upbit sendiri, hal ini tidak secara langsung mengubah pasokan di pasar. Artikel ini menekankan pentingnya konteks dan pelabelan dompet yang tepat dalam menafsirkan data on-chain, agar pergerakan besar tidak disalahartikan sebagai sinyal jual atau aksi "paus" yang dapat menyesatkan narasi pasar.

bitcoinist7m yang lalu

Upbit Rebalance 864B SHIB dalam Pergerakan Wallet Internal

bitcoinist7m yang lalu

Maksimal 20 Makalah Per Orang? Aturan Baru ICLR Ditanggapi dengan "Petisi Sarkas" dari Peneliti DeepMind

Apakah ada batas yang wajar untuk jumlah makalah yang dapat disertakan seorang penulis di konferensi AI top? ICLR 2027 memberlakukan aturan baru: maksimal 20 makalah per penulis. Aturan ini dirancang untuk meringankan tekanan pada sistem peninjauan, terutama setelah ICLR 2026 mengalami lonjakan 68% dalam jumlah pengajuan hingga 19.525 makalah. Peraturan ini langsung memicu perdebatan. Dan Roy, seorang peneliti dari Google DeepMind, meluncurkan petisi satir di platform X yang menyerukan pencabutan batas 20 makalah tersebut. Dalam petisinya, dia secara ironis berargumen bahwa batasan ini akan "memperlambat kemajuan AI," terutama di era di mana AI Agent dapat menghasilkan banyak penelitian dan model bahasa besar (LLM) sudah digunakan untuk meninjau makalah. Sindirannya menyoroti kekhawatiran nyata tentang kualitas penelitian dan peninjauan. Poin utamanya adalah: dengan maraknya penggunaan AI untuk menulis dan meninjau makalah, apakah solusinya hanya membatasi jumlah pengajuan? ICLR mendorong ilmu "lebih lambat" dan lebih matang, sementara dinamika saat ini berisiko membanjiri sistem dengan makalah inkremental. Petisi Roy, meski sarkastik, mendorong komunitas untuk merenungkan inti permasalahan ini.

marsbit12m yang lalu

Maksimal 20 Makalah Per Orang? Aturan Baru ICLR Ditanggapi dengan "Petisi Sarkas" dari Peneliti DeepMind

marsbit12m yang lalu

Celah Keamanan Coldcard Picu Pencurian Senilai $89 Juta, Picu Migrasi On-Chain Terbesar Setelah FTX

Kerusakan pada dompet perangkat keras Coldcard mengakibatkan pencurian Bitcoin senilai sekitar $89 juta, memicu migrasi aset besar-besaran di blockchain terbesar sejak runtuhnya FTX. Menurut Galaxy Research, 1.367,05 BTC dicuri dari 4.585 alamat dalam tiga gelombang serangan yang menargetkan dompet dengan frasa pemulihan (seed phrase) yang lemah akibat cacat perangkat lunak. Insiden ini menyebabkan gangguan signifikan pada indikator rantai Bitcoin. Pengguna yang terdampak berbondong-bondong memindahkan aset mereka ke dompet baru yang aman, menyebabkan lonjakan ekstrem dalam aktivitas alamat aktif dan volume transaksi kecil. CryptoQuant mencatat puncak baru dalam transaksi berukuran di bawah 1 BTC dan peningkatan drastis deposit ke bursa, sementara sentimen pasar berubah sangat bearish. Pelacakan dana curian menghadapi tantangan unik: aturan keamanan AI di AS menghambat analisis data investigasi oleh model komersial utama, memaksa peneliti seperti tim Galaxy untuk beralih ke model AI sumber terbuka dari China (seperti GLM 5.2) guna melacak aliran dana dengan cepat. Kasus ini menyoroti dilema dalam penggunaan AI untuk keamanan siber: pembatasan yang melindungi juga dapat memperlambat respons defensif terhadap kejahatan yang bergerak cepat di ruang kripto.

marsbit57m yang lalu

Celah Keamanan Coldcard Picu Pencurian Senilai $89 Juta, Picu Migrasi On-Chain Terbesar Setelah FTX

marsbit57m yang lalu

OpenAI Tidak Lagi Mengandalkan Model Termahal untuk Menghasilkan Uang

OpenAI tidak lagi mengandalkan model termahal untuk menghasilkan uang. Pada 30 Juli, perusahaan mengumumkan penyesuaian harga, menurunkan harga model GPT-5.6 Luna sebesar 80% dan Terra sebesar 20%. Yang lebih penting dari angka penurunan harga adalah pesan intinya: untuk banyak tugas, model terkuat (seperti Sol) tidak selalu diperlukan. OpenAI secara eksplisit merekomendasikan strategi di mana model mahal (Sol) menangani perencanaan dan analisis kompleks, sementara model yang lebih terjangkau (Luna) mengeksekusi tugas, menulis kode, dan menjalankan pengujian. Pergeseran ini mencerminkan perubahan industri AI dari hanya mengejar kecerdasan tertinggi menuju optimisasi biaya dan efisiensi untuk penggunaan skala besar. Anthropic juga mengikuti pola serupa dengan meluncurkan Claude Opus 5 dengan harga setengah dari model andalannya, Fable 5. Kedua raksasa Silicon Valley ini menunjukkan bahwa model flagship kini berfungsi lebih untuk nilai merek dan pembuktian teknologi, sementara model "kendaraan massal" yang lebih murah (seperti Luna, Terra, Opus) yang akan mendorong adopsi komersial luas dan menghasilkan pendapatan utama. OpenAI mengungkapkan bahwa penurunan biaya ini sebagian didorong oleh model AI (Sol) yang mengoptimalkan kode produksi dan alur kerjanya sendiri, menciptakan siklus peningkatan efisiensi yang dapat mempercepat penurunan biaya di masa depan. Intinya, kompetisi AI bergeser dari "siapa yang paling pintar" menjadi "mana yang paling bernilai". Perusahaan tidak lagi membeli satu model tunggal, tetapi merancang sistem dengan beberapa model yang cocok untuk tugas yang berbeda—mirip dengan arsitektur komputasi awan. Tujuan akhir OpenAI adalah membangun ekosistem yang mengunci alur kerja pengembang melalui volume panggilan API yang sangat besar dan biaya yang sangat rendah, sehingga menciptakan daya tarik yang kuat. Ketika AI menjadi murah dan tersebar luas seperti listrik, tertanam dalam setiap proses tanpa diperdebatkan, era sesungguhnya baru dimulai.

marsbit1j yang lalu

Trading

Spot