Bagaimana Mengotomatiskan Setiap Alur Kerja dengan Claude Skills (Tutorial Lengkap)

marsbitDipublikasikan tanggal 2026-05-12Terakhir diperbarui pada 2026-05-12

Abstrak

**Panduan Lengkap: Mengotomatiskan Alur Kerja dengan Claude Skills** Claude Skills adalah file instruksi permanen yang disimpan di komputer Anda, dirancang untuk memberi tahu Claude cara menyelesaikan tugas tertentu secara konsisten dan berkualitas tinggi. Berbeda dengan prompt biasa yang hanya menjadi awal percakapan, Skills bertindak seperti karyawan terlatih yang mengikuti proses, standar, dan format output yang sama setiap kali. **Mengapa Skills Sangat Berharga?** Skills menawarkan kualitas yang terstandarisasi dan dapat diandalkan. Dengan lebih dari 80.000 Skills komunitas dan Skills resmi dari Anthropic, alat ini masih sering kurang dimanfaatkan karena kurangnya panduan yang jelas. **Tahap 1: Instalasi Cepat (5 Menit)** Skills adalah folder di komputer Anda yang berisi file `SKILL.md`. Untuk menginstal: - Kunjungi skillsmp.com atau github.com/anthropics/skills. - Pilih Skill yang relevan, ikuti petunjuk instalasi. - Terapkan pada tugas nyata dan bandingkan hasilnya dengan metode prompt biasa. **Tahap 2: Membuat Skill Kustom dari Awal** Sebelum mulai, jawab tiga pertanyaan: 1. **Apa tujuan Skill ini?** (Contoh: "Menulis email tindak lanjut untuk calon klien yang menghadiri webinar, menyebutkan sesi spesifik, menyertakan studi kasus, dan mengajak menjadwalkan demo 15 menit."). 2. **Kapan Skill ini diaktifkan?** (Daftar 5 frasa pemicu seperti "tulis email tindak lanjut"). 3. **Seperti apa output yang sempurna?** (Berikan contoh nyata). **Struktur File SKILL.md:** - **...

Catatan Editor: Artikel ini adalah tutorial pengantar Claude Skills, yang membahas lima tahapan: instalasi, pembuatan, pengujian, pengoptimalan, dan pembangunan pustaka Skill. Penulis memulai dari struktur file paling dasar, menjelaskan cara menulis SKILL.md, cara mengatur kondisi pemicu, cara menambahkan contoh dan kasus batas, serta memberikan metode verifikasi "skenario rutin, skenario batas, pengujian tekanan".

Jika Prompt menyelesaikan "bagaimana menanyakan untuk kali ini", maka Skills menyelesaikan "bagaimana melakukan tugas semacam ini di masa depan". Bagi mereka yang ingin benar-benar memasukkan AI ke dalam alur kerja harian, artikel ini memberikan jalur operasional yang dapat langsung diterapkan.

Berikut adalah teks asli:

Saya menggabungkan semua yang saya ketahui tentang Claude Skills ke dalam satu artikel ini.

Saran: simpan dan simpan :)

Setelah membaca artikel ini, pemahaman Anda tentang Claude Skills akan melampaui 99% pengguna. Anda setidaknya akan membangun dan menerapkan satu Skill kustom sendiri, dan menguasai metode yang dapat digunakan kembali untuk mengotomatisasi alur kerja apa pun di industri apa pun.

Ini bukan berlebihan. Ini adalah manual praktik lengkap.

Apa sebenarnya Claude Skills itu? Mengapa kebanyakan orang salah menggunakannya?

Pada dasarnya, Claude Skill adalah file instruksi permanen yang disimpan di komputer Anda, yang memberi tahu Claude bagaimana menyelesaikan tugas tertentu dengan akurat. Setiap kali demikian, dan tidak perlu Anda jelaskan berulang kali.

Kebanyakan orang mendengar ini, akan berpikir: "Oh, jadi ini seperti Prompt yang disimpan."

Bukan. Prompt yang disimpan adalah titik awal percakapan. Skill lebih seperti karyawan yang terlatih.

Prompt yang disimpan mengatakan: "Ini adalah cara memulainya."

Skill mengatakan: "Pekerjaan ini harus dilakukan seperti ini dari awal hingga akhir; output yang baik harus terlihat seperti ini; jika terjadi kesalahan harus ditangani seperti ini; perlu menggunakan alat-alat ini; hasil akhir harus disampaikan dalam format ini."

Perbedaan kualitas output yang dihasilkan sangat besar.

Ketika Anda memberi Claude Prompt sekali pakai, Anda mendapatkan kualitas sekali pakai: tidak stabil, kadang bagus, kadang biasa saja. Hasilnya berbeda setiap kali karena cara Anda bertanya juga sedikit berbeda setiap kali.

Tetapi ketika Anda mengaktifkan Skill, Anda mendapatkan kualitas yang terstandarisasi: proses yang sama, standar yang sama, format output yang sama, konsisten setiap kali. Inilah perbedaan antara "mencari seorang magang" dan "memiliki seorang profesional terlatih".

Mengapa Skills adalah fitur AI yang paling diremehkan saat ini?

Saat ini sudah tersedia lebih dari 80.000 Skills komunitas, dan pasar ini masih menambahkan ribuan setiap minggu. Anthropic juga telah merilis Skills resmi untuk skenario seperti PDF, dokumen Word, presentasi, spreadsheet, dan desain.

Tetapi kebanyakan orang bahkan belum pernah memasang satu pun.

Alasannya sederhana: tidak ada yang benar-benar menjelaskan cara menggunakannya dengan benar. Sebagian besar tutorial hanya memberi tahu cara memasang Skill, lalu selesai. Ini seperti mengajari orang lain cara merekrut karyawan, tetapi tidak pernah mengajarinya cara mengelola karyawan.

Artikel ini mencakup siklus hidup lengkap: cara menemukan Skills yang tepat, cara memasangnya, cara membangun Skill kustom dari nol, cara menguji dan mengoptimalkan, cara menerapkannya ke alur kerja nyata, serta cara membangun pustaka Skill lengkap untuk mengotomatisasi seluruh sistem kerja Anda.

Tahap Satu: Pasang Skill Pertama Anda dalam Lima Menit

Di mana Skills Disimpan?

Skills pada dasarnya hanyalah folder di komputer Anda. Setiap folder berisi file bernama SKILL.md. File ini berisi instruksi spesifik yang memberi tahu Claude bagaimana menyelesaikan pekerjaan ini.

Untuk Claude Code, mereka dapat ditempatkan di .claude/skills/ di bawah direktori proyek, atau secara global di ~/.claude/skills/.

Untuk Claude Desktop dengan Cowork, dapat digunakan melalui antarmuka desktop.

Sesederhana itu. Tidak ada instalasi rumit, tidak ada dependensi, tidak ada file konfigurasi. Itu hanya folder dengan file teks.

Apa yang Perlu Anda Lakukan di Tahap Satu

· Jelajahi skillsmp.com atau github.com/anthropics/skills, temukan Skill yang terkait dengan pekerjaan Anda.

· Ikuti instruksi di repositori kode untuk memasangnya.

· Terapkan pada tugas nyata yang biasa Anda lakukan secara manual.

· Bandingkan kualitas dan kecepatan outputnya dengan cara Anda menggunakan Prompt biasanya.

· Jika output belum sempurna, catat area yang perlu diperbaiki.

Tahap Dua: Bangun Skill Kustom Pertama Anda dari Nol

Uji Tiga Pertanyaan

Sebelum mulai membangun, jawab tiga pertanyaan ini.

Pertama, untuk apa Skill ini digunakan?
Harus sangat spesifik. Jangan tulis "bantu saya menangani email". Sebaiknya tulis: "Tulis email tindak lanjut profesional untuk calon klien yang telah menghadiri webinar online kami, sebutkan sesi spesifik yang mereka hadiri, sertakan studi kasus terkait, dan akhiri dengan ajakan eksplisit untuk menjadwalkan demo produk 15 menit."

Kedua, kapan seharusnya Skill ini diaktifkan?
Apa sebenarnya yang akan Anda input untuk memicunya? Contoh: "tulis email tindak lanjut", "buat draf email tindak lanjut pasca-webinar", "buat email untuk calon klien". Setidaknya buat daftar lima frasa pemicu.

Ketiga, seperti apa seharusnya output yang sempurna?
Jangan deskripsi abstrak, tetapi berikan contoh nyata langsung. Tempelkan email yang pernah Anda tulis dan berhasil dengan baik. Nilai contoh ini melebihi 50 baris instruksi.

Menulis SKILL.md

File SKILL.md Anda terdiri dari dua bagian.

Bagian pertama adalah frontmatter YAML di bagian atas, di antara tanda ---. Di sini Anda perlu menulis nama dan deskripsi dalam format kebab-case. Deskripsi harus berupa teks yang sangat spesifik dan dengan kondisi pemicu yang jelas, daftar semua frasa pemicu, dan jelaskan dengan jelas kapan Skill ini harus diaktifkan dan kapan tidak boleh diaktifkan.

Bagian kedua adalah konten instruksi di bawah frontmatter. Bagian ini adalah alur kerja yang ditulis dalam bahasa alami. Tulis langkah demi langkah, berurutan. Setiap langkah harus berupa tindakan yang jelas. Sertakan contoh input dan output, sertakan kasus batas dan cara penanganannya, serta tuliskan standar kualitas Anda.

Seluruh file sebaiknya dikontrol dalam 500 baris. Dilarang menggunakan bahasa samar seperti "formatnya baguskan sedikit" atau "tangani dengan tepat". Setiap instruksi harus spesifik dan dapat diuji.

Apa yang Perlu Anda Lakukan di Tahap Dua

· Pilih satu tugas yang paling sering Anda ulangi, dan selesaikan "Uji Tiga Pertanyaan".

· Tulis frontmatter YAML dengan deskripsi pemicu yang eksplisit dan spesifik.

· Tulis bagian instruksi sebagai alur kerja langkah demi langkah, dan sertakan contoh konkret.

· Simpan file SKILL.md ke direktori Skills yang benar.

· Jalankan Skill ini dengan tugas nyata, dan simpan output untuk ditinjau ulang.

Tahap Tiga: Uji, Optimalkan, dan Jadikan Tingkat Produksi

Uji Tiga Skenario

Uji Skill Anda dengan tiga skenario.

Pertama, jalur rutin.
Input tugas yang normal dan langsung, yang mewakili 80% skenario penggunaan Anda.

Kedua, kasus batas.
Input tugas yang aneh, tidak umum, atau informasi tidak lengkap, untuk menguji batas Skill. Misalnya data hilang, format tidak normal, konflik informasi, dll.

Ketiga, pengujian tekanan.
Input versi tugas yang terbesar, paling berantakan, paling kompleks. Ini dapat mengungkap apakah Skill ini memiliki kemampuan skalabilitas, atau hanya dapat menangani tugas sederhana.

Jika Skill Anda dapat menghasilkan output yang Anda bersedia tunjukkan kepada klien di ketiga skenario ini, maka ia telah mencapai tingkat produksi. Selama satu skenario gagal, kegagalan itu sendiri akan memberi tahu Anda instruksi apa yang harus ditambahkan.

Siklus Optimasi Mingguan

Setiap kali menggunakan Skill, selama hasil output belum ideal, segera perbarui SKILL.md. Setelah satu bulan pengoptimalan berkelanjutan, konten yang dihasilkan Skill Anda hampir tidak dapat dibedakan dari pekerjaan yang diselesaikan oleh profesional manusia yang terlatih.

Apa yang Perlu Anda Lakukan di Tahap Tiga

Uji Skill Anda dengan tiga skenario: jalur rutin, kasus batas, pengujian tekanan.

Untuk setiap kegagalan, tambahkan instruksi atau contoh spesifik yang dapat menyelesaikan masalah.

Jalankan ketiga skenario lagi, pastikan perbaikan efektif.

Pada bulan pertama, atur pengingat kalender untuk setiap hari Jumat, untuk meninjau dan mengoptimalkan Skill Anda.

Tahap Empat: Bangun Pustaka Skill Lengkap untuk Industri Anda

Satu Skill Adalah Alat, Sepuluh Skills Adalah Tim

Buat satu Skill untuk setiap tugas berulang dalam alur kerja Anda. Skill penulisan konten, Skill penelitian, Skill perancangan email, Skill analisis data, Skill persiapan rapat, Skill pembuatan laporan, Skill komunikasi klien, Skill analisis pesaing.

Dalam satu bulan, Anda dapat memiliki sepuluh Skills tingkat produksi. Dalam tiga bulan, Anda dapat membangun pustaka Skill lengkap yang mencakup alur kerja utama dalam posisi Anda.

Pola Desain Skill untuk Industri Berbeda

Industri Real Estat:
Penulis deskripsi properti, Pembuat analisis pasar, Pembuat draf email tindak lanjut klien, Pembuat studi kasus perbandingan penjualan, Alat persiapan briefing open house.

Pemasaran:
Pembuat Brief acara, Penulis copy iklan, Pengumpul laporan data, Perencana kalender konten, Analis uji A/B.

Industri Keuangan:
Pemroses laporan pengeluaran, Analis faktur, Penjelas varians anggaran, Pembuat ringkasan portofolio klien, Pemeriksa kepatuhan regulasi.

Industri Konsultasi:
Pembuat draf proposal, Alat persiapan wawancara kebutuhan, Alat pemformatan deliverable, Pembuat laporan status, Penulis ringkasan proyek.

Industri E-commerce:
Penulis deskripsi produk, Analis ulasan pelanggan, Pembuat laporan inventaris, Pelacak harga pesaing, Pengumpul analisis retur.

Pola dasarnya universal: identifikasi tugas, bangun Skills, optimalkan terus, biarkan Claude bertanggung jawab atas eksekusi, Anda bertanggung jawab atas strategi.

Apa yang Perlu Anda Lakukan di Tahap Empat

· Buat daftar semua tugas berulang dalam alur kerja Anda saat ini.

· Prioritaskan berdasarkan frekuensi kemunculan dan tingkat waktu yang dihabiskan.

· Mulai dari tugas dengan prioritas tertinggi, bangun satu Skill baru setiap minggu.

· Pertahankan satu dokumen induk yang mencatat status dan tanggal optimasi terakhir semua Skills Anda.

· Bagikan Skills terbaik Anda secara publik.

Terakhir

Satu Skill yang menghemat 30 menit per minggu, dapat menghemat 26 jam untuk Anda dalam setahun. Sepuluh Skills yang masing-masing menghemat 30 menit per minggu, dapat menghemat 260 jam dalam setahun. Setara dengan mengembalikan enam setengah minggu kerja penuh kepada Anda setiap tahun.

Kebanyakan orang masih akan memasukkan instruksi yang sama di Claude setiap hari.

Sementara mereka yang membangun pustaka Skill, akan mulai menjalankan sistem kerja yang sama sekali berbeda dalam 60 hari.

Jika Anda merasa artikel ini bermanfaat, Anda dapat mengikuti saya @eng_khairallah1, untuk mendapatkan lebih banyak konten AI serupa. Saya memposting analisis, kursus, dan alat setiap minggu.

Semoga artikel ini bermanfaat bagi Anda.

Khairallah ❤️

Pertanyaan Terkait

QApa sebenarnya Claude Skills dan apa perbedaannya dengan prompt yang disimpan?

AClaude Skills adalah file instruksi permanen yang disimpan di komputer, yang memberi tahu Claude cara menyelesaikan tugas spesifik secara konsisten. Berbeda dengan prompt yang disimpan, yang hanya titik awal percakapan, Skills lebih seperti karyawan terlatih yang mengikuti alur kerja standar, standar kualitas, dan format output yang sama setiap kali digunakan, memberikan hasil yang stabil dan terstandarisasi.

QBagaimana cara menginstal Skill pertama saya dalam lima menit?

AAnda dapat menginstal Skill pertama dalam lima menit dengan mengunjungi situs seperti skillsmp.com atau github.com/anthropics/skills, mencari Skill yang relevan, mengikuti petunjuk instalasi dari repositori, lalu menerapkannya pada tugas nyata. Skills disimpan sebagai folder dengan file SKILL.md di dalam direktori seperti .claude/skills/ pada proyek atau ~/.claude/skills/ secara global.

QApa saja tiga pertanyaan yang harus dijawab sebelum membangun Skill kustom dari nol?

ATiga pertanyaan yang harus dijawab adalah: 1. Apa tujuan Skill ini? (Jelaskan secara spesifik, misalnya menulis email tindak lanjut untuk klien potensial). 2. Kapan Skill ini harus diaktifkan? (Sebutkan setidaknya lima frasa pemicu seperti 'tulis email tindak lanjut'). 3. Seperti apa output yang sempurna? (Berikan contoh nyata seperti email yang pernah berhasil digunakan).

QBagaimana cara menguji dan mengoptimalkan Skill agar mencapai tingkat produksi?

AUji Skill dengan tiga skenario: 1. Jalur reguler (tugas normal yang mewakili 80% penggunaan). 2. Kasus batas (tugas dengan data tidak lengkap atau format tidak biasa). 3. Uji tekanan (tugas paling kompleks dan berantakan). Perbarui file SKILL.md setiap kali output kurang ideal, dan lakukan pengoptimalan rutin setiap minggu selama sebulan untuk mencapai kualitas setara profesional manusia.

QApa manfaat membangun perpustakaan Skills lengkap untuk industri saya?

AMembangun perpustakaan Skills lengkap (misalnya 10 Skills) dapat mengotomatisasi alur kerja berulang di industri Anda, seperti penulisan konten, analisis data, atau komunikasi klien. Ini menghemat waktu signifikan (misalnya, 10 Skills yang masing-masing menghemat 30 menit per minggu bisa menghemat 260 jam per tahun), memungkinkan Anda fokus pada strategi sementara Claude menangani eksekusi tugas.

Bacaan Terkait

Gelombang Derivatif 24/7 yang Tak Pernah Berhenti: Kripto Memaksa Keuangan Tradisional 'Mengubah Zona Waktu'

Artikel ini membahas bagaimana pasar kripto yang beroperasi 24/7—tanpa henti di akhir pekan atau hari libur—sedang mendorong perubahan pada sistem keuangan tradisional. Dengan rencana CME Group untuk menawarkan perdagangan derivatif kripto yang diawasi secara regulator selama 24 jam penuh, batas antara pasar kripto dan keuangan konvensional semakin kabur. Fokus utama telah bergeser dari perdagangan aset spot ke derivatif, yang kini mendominasi aktivitas pasar dan menjadi lapisan utama untuk institusi dalam mengelola risiko dan likuiditas. Namun, transaksi yang berkelanjutan ini masih menghadapi tantangan dari sistem penyelesaian (settlement) tradisional yang beroperasi pada hari kerja, menciptakan ketidaksesuaian. Transparansi blockchain publik juga menimbulkan dilema: di satu sisi meningkatkan auditabilitas, di sisi lain menciptakan kerentanan baru dengan memaparkan aliran informasi sensitif perusahaan secara real-time. Oleh karena itu, privasi dan akuntabilitas yang seimbang menjadi komponen kritis infrastruktur pasar berikutnya. Intinya, adopsi kripto institusional tahap selanjutnya tidak hanya tentang aset mana yang diperdagangkan, tetapi tentang kemampuan sistem keuangan untuk mengelola risiko, identitas, privasi, dan penyelesaian dengan kecepatan yang telah dituntut oleh pasar kripto. Keuangan tradisional belajar berjalan mengikuti waktu kripto.

marsbit30m yang lalu

Gelombang Derivatif 24/7 yang Tak Pernah Berhenti: Kripto Memaksa Keuangan Tradisional 'Mengubah Zona Waktu'

marsbit30m yang lalu

Dari 'Menjual Cloud' ke 'Menjual Token': Operator Telekomunikasi Masuk Penuh ke Medan Perang AI

Industri AI mencapai titik balik penting dengan operator telekomunikasi besar China memasuki pasar. Pada 17 Mei, China Telecom mengumumkan paket Token uji coba komersial, dengan harga mulai dari 9,9 RMB per bulan untuk 10 juta token untuk individu/rumah tangga, dan paket bisnis dari 39,9 RMB. China Mobile dan China Unicom juga meluncurkan penawaran serupa. Ini menandai **Token menjadi unit pengukuran layanan komunikasi dasar keempat**, setelah suara, SMS, dan data. Perubahan ini merepresentasikan **rekonstruksi identitas kedua operator dalam 30 tahun**. Dari penyedia cloud pemerintah/perusahaan, mereka bertransformasi menjadi **penyedia layanan akses AI terintegrasi**. Tekanan pasar mendorong perubahan: pangsa operator di pasar AI IaaS menurun, sementara raksasa internet seperti Alibaba dan Tencent sudah menawarkan paket Token yang mudah dipahami. Pertumbuhan pendapatan operator tradisional melambat, sementara layanan AI dan komputasi cerdas menunjukkan momentum kuat (contoh: pertumbuhan 279% untuk China Mobile). Untuk beralih dari "menjual data" ke "menjual Token", operator perlu mengintegrasikan empat elemen inti: **model AI** (menyatukan model umum, industri, dan pihak ketiga), **daya komputasi** (membuat jaringan komputasi cerdas yang dapat dijadwalkan), **aplikasi & agen cerdas** (mengemas kemampuan AI untuk industri spesifik), serta **penagihan & operasi** (menyederhanakan harga melalui paket Token). Mereka membangun "perancah lima lapis": lapisan model, komputasi, aplikasi, penagihan, serta keamanan & kepatuhan. Dengan struktur ini, operator seperti China Telecom telah melayani 37.000 klien. Paket Token berpotensi menjadi **unit pengukuran, penyelesaian, dan operasi baru untuk layanan AI**, membuat kemampuan cerdas dapat diakses dan dibeli seperti utilitas. Tantangan ke depan termasuk menjamin kualitas model, stabilitas agen, penurunan biaya, dan penerimaan pasar. **Kunci kesuksesan adalah mengubah "akses AI" menjadi layanan tingkat telekomunikasi yang terukur, dapat ditagih, dan terjamin.** Jika berhasil, AI dapat menjadi faktor produksi yang digunakan terus-menerus seperti listrik atau air.

marsbit51m yang lalu

Dari 'Menjual Cloud' ke 'Menjual Token': Operator Telekomunikasi Masuk Penuh ke Medan Perang AI

marsbit51m yang lalu

Unitree Lulus IPO, Hangzhou Menang Besar

Hari ini, Unitree Technology resmi lolos persetujuan IPO di Papan STAR pasar modal China, dengan rencana pendanaan sebesar 4,202 miliar yuan untuk pengembangan model robot cerdas dan robot fisik. Ini menandakan perusahaan unggulan "Enam Naga Hangzhou" ini akan menjadi "saham pertama robot humanoid". Di balik kesuksesan ini, ada masa sulit saat pendiri Wang Xingxing dan Unitree kesulitan pendanaan pada 2016-2017, dengan kas perusahaan tersisa hanya ratusan ribu yuan. Di saat kritis 2018, modal pemerintah Hangzhou turun tangan memberikan dukungan kredit 20 juta yuan, membantu perusahaan keluar dari kesulitan dan menyelesaikan transisi kunci dari purwarupa ke produksi massal. Setelah itu, dana induk pemerintah Hangzhou seperti Hangzhou Science Innovation Fund dan Hangzhou Innovation Fund terus mendampingi Unitree melalui 4 putaran pendanaan (B2, B3, C, C+), dari valuasi 3,785 miliar yuan hingga lebih dari 12,7 miliar yuan. Dukungan "modal sabar" ini membantu Unitree mencapai posisi terdepan global di sektor robot berkaki, dengan pendapatan 2025 mencapai 1,699 miliar yuan dan laba bersih hampir 591 juta yuan. Kisah Unitree adalah contoh nyata ekosistem inovasi Hangzhou. Melalui klaster dana industri "3+N" senilai 500 miliar yuan, kota ini menerapkan filosofi investasi dini, jangka panjang, dan pada teknologi keras. Selain Unitree, dana ini juga mendukung perusahaan-perusahaan seperti CloudWalk, BrainCo, dan DeepSeek. Dengan kombinasi dukungan modal, masuknya talenta muda (430.000 mahasiswa pada 2025), dan munculnya 48 unicorn serta 413 calon unicorn, Hangzhou telah bertransformasi menjadi "kota impian" bagi wirausaha, membangun rantai industri yang lengkap di bidang AI, robotika, antarmuka otak-komputer, dan lainnya. Tahun 2025 diperkirakan menjadi tahun IPO bagi banyak perusahaan lokal, dengan lebih banyak kisah sukses seperti Unitree terwujud di Hangzhou.

marsbit54m yang lalu

Unitree Lulus IPO, Hangzhou Menang Besar

marsbit54m yang lalu

Trader Misterius Lepas $1,26 Miliar di ETF Bitcoin BlackRock

Seorang pedagang misterius menjual 29,2 juta saham iShares Bitcoin Trust (IBIT) milik BlackRock senilai $1,26 miliar melalui dark pool. Greg Cipolaro dari NYDIG berspekulasi bahwa transaksi blok besar ini kemungkinan adalah "ikan paus" yang dengan cepat keluar dari posisi arahannya, bukan bagian dari penutupan perdagangan basis. Penjual menerima harga $1,01 di bawah harga pasar dan mengorbankan $29,5 juta untuk eksekusi instan. Pada hari yang sama, ETF Bitcoin yang terdaftar di AS mencatat aliran keluar bersih $333,6 juta, melanjutkan tren selama 11 hari berturut-turut. Sejak 14 Mei, lebih dari $2,9 miliar telah ditarik dari dana-dana ini. Nilai Bitcoin turun 2,8% pada hari perdagangan setelah transaksi blok besar, meskipun pasar dikatakan menyerap penjualan tersebut dengan baik. Sentimen pasar tetap berada di zona "takut" sepanjang bulan Mei.

TheNewsCrypto1j yang lalu

Trader Misterius Lepas $1,26 Miliar di ETF Bitcoin BlackRock

TheNewsCrypto1j yang lalu

Saham AS Semakin Naik, Semakin Berbahaya? Goldman Sachs: Mekanisme Perlindungan Downturn Hampir Tidak Efektif

Pasar saham AS terus meroket, namun mekanisme perlindungan terhadap penurunan hampir tidak berfungsi, menurut laporan terbaru Goldman Sachs. Strategis derivatif Brian Garrett mencatat bahwa kemiringan volatilitas (Skew) opsi S&P 500 berada pada level terendah dalam 18 bulan, menunjukkan pasar memberi harga probabilitas yang hampir sama untuk kenaikan dan penurunan 10%. Indeks Panik Goldman juga mencapai level terendah dua tahun, menandakan permintaan lindung nilai risiko ekor sangat rendah. Tiga sinyal utama menjadi perhatian: (1) Peningkatan pasar yang sangat sempit, didorong oleh 10 saham terbesar; (2) Kinerja terkonsentrasi pada tema AI; (3) Pola harga yang mirip dengan periode 1998-1999. Meski ada kekhawatiran, hal ini tidak tercermin dalam harga opsi. Goldman mencatat bahwa biaya lindung nilai penurunan saat ini sangat rendah. Mereka memberikan rekomendasi strategi, termasuk membeli opsi RSP untuk mengantisipasi rotasi sektor, opsi panggil VIX, opsi jual S&P 500, dan meningkatkan eksposur volatilitas pada ETF Bitcoin. Data aliran dana menunjukkan hedge fund melakukan pembelian bersih dua minggu berturut-turut, dengan perputaran ke sektor keuangan. Aset dalam ETF leverage dan invers untuk saham tunggal global telah melampaui $60 miliar, berlipat ganda dalam dua bulan.

marsbit1j yang lalu

Saham AS Semakin Naik, Semakin Berbahaya? Goldman Sachs: Mekanisme Perlindungan Downturn Hampir Tidak Efektif

marsbit1j yang lalu

Trading

Spot
Futures
活动图片

Kategori Populerright-arrow

Tag Populerright-arrow