Raksasa Perbankan Jepang Kurangi Taruhan Kripto Setelah Penurunan Laba Q3

bitcoinistDipublikasikan tanggal 2026-02-03Terakhir diperbarui pada 2026-02-03

Abstrak

Nomura, raksasa perbankan dan pialang terbesar Jepang, mengumumkan akan mengurangi posisi kriptonya untuk sementara setelah laba kuartal ketiga yang berakhir 31 Desember turun hampir 10%. Penurunan ini dipicu oleh kerugian perdagangan di anak usahanya di Eropa, Laser Digital, yang mendorong manajemen untuk memperketat toleransi risiko jangka pendek. Meski mengurangi eksposur kripto untuk membatasi gejolak laba, Nomura menegaskan komitmen jangka panjangnya di sektor aset digital. Langkah ini bersifat sementara dan terarah, bukan keluar dari pasar. Laser Digital bahkan sedang berekspansi dengan mengajukan izin operasi perbankan di AS. Kebijakan dua arah ini—memperketat kontrol risiko jangka pendek sambil mempertahankan rencana pertumbuhan jangka panjang—dijelaskan oleh analis sebagai strategi untuk menyeimbangkan stabilitas keuangan dengan peluang di masa depan. Harga saham Nomura sempat turun menyusul laporan ini.

Nomura, raksasa pialang dan perbankan terbesar Jepang, mengatakan akan sementara mengurangi posisi kriptonya setelah kuartal yang lemah yang mengurangi laba dan mengencangkan toleransi risiko jangka pendeknya. Penarikan ini tampaknya bertujuan untuk meratakan gejolak pendapatan sementara perusahaan mempertahankan rencana jangka panjangnya untuk aset digital.

Bank Kurangi Paparan Kripto Setelah Penurunan Laba

Menurut pengungkapan laba dan pernyataan perusahaan, pendapatan bersih Nomura turun hampir 10 persen pada kuartal ketiga yang berakhir 31 Desember, membuat laba grup lebih rendah daripada tahun sebelumnya dan mendorong manajemen untuk membatasi beberapa posisi perdagangan kripto untuk membatasi dampak lebih lanjut.

Anak usaha kripto Nomura di Eropa, Laser Digital, mencatat kerugian perdagangan selama periode tersebut, yang oleh manajemen disebut sebagai faktor kunci di balik langkah untuk mengencangkan batas posisi.

Laporan mencatat bahwa eksekutif menggambarkan langkah-langkah tersebut sebagai sementara dan tertarget — bukan keluar dari pasar tetapi cara untuk mengelola volatilitas sementara bagian lain dari bisnis terus tumbuh.

Penarikan Jangka Pendek, Permainan Jangka Panjang

Ada perpecahan dalam garis waktu. Di satu sisi, Laser Digital baru-baru ini mengajukan dokumen untuk memperluas layanannya ke luar negeri, termasuk mengajukan piagam bank trust AS karena ingin menawarkan penyimpanan dan perdagangan kepada klien institusional.

Di sisi lain, meja perdagangan yang mengalami kerugian dikendalikan lebih ketat agar hasil kuartalan tidak berayun liar. Pendekatan dua jalur itulah yang menurut analis menjelaskan kontradiksi yang tampak.

BTCUSD saat ini diperdagangkan pada $77.858. Grafik: TradingView

Investor bereaksi dengan cepat. Saham Nomura turun setelah pembaruan laba, mencerminkan kekhawatiran pasar tentang dampak pada operasi Eropa dan biaya tambahan yang terkait dengan akuisisi besar yang diselesaikan dalam periode tersebut.

Manajemen telah menandai bahwa biaya satu kali berperan dalam garis laba yang lebih lemah, bersama dengan kerugian perdagangan.

Kontrol Risiko Dikencangkan, Tujuan Pertumbuhan Dipertahankan

Laporan mengatakan Nomura telah mengencangkan kontrol risiko di sekitar posisi aset digital dan melakukan pengawasan yang lebih ketat terhadap paparan yang dapat berayun dengan pergerakan harga kripto.

Pada saat yang sama, eksekutif menekankan komitmen perusahaan yang lebih luas untuk membangun infrastruktur dan layanan kripto dalam jangka menengah hingga panjang, daripada meninggalkan sektor tersebut sama sekali.

Efek langsungnya jelas: lebih sedikit taruhan arah besar dalam buku perdagangan dan ukuran posisi yang lebih hati-hati. Hal ini mengurangi volatilitas laba tetapi dapat membatasi potensi kenaikan jika harga kripto pulih tajam.

Gambar unggulan dari The Exchange Asia, grafik dari TradingView

Pertanyaan Terkait

QMengapa Nomura memutuskan untuk mengurangi posisi kriptonya?

ANomura mengurangi posisi kripto sementara karena penurunan laba sebesar hampir 10% pada kuartal III yang berakhir 31 Desember, serta kerugian perdagangan yang dialami oleh anak perusahaannya di Eropa, Laser Digital, yang memperketat toleransi risiko jangka pendek perusahaan.

QApa dampak dari penurunan laba ini terhadap saham Nomura?

AInvestor bereaksi cepat dengan menjual saham, menyebabkan harga saham Nomura turun setelah pengumuman hasil kinerja kuartalan, yang mencerminkan kekhawatiran pasar atas dampak pada operasi Eropa dan biaya tambahan dari akuisisi besar yang diselesaikan pada periode tersebut.

QApakah pengurangan eksposur kripto ini berarti Nomura keluar dari pasar kripto?

ATidak, langkah ini bersifat sementara dan terarah. Eksekutif Nomura menekankan bahwa perusahaan tetap berkomitmen pada pembangunan infrastruktur dan layanan kripto dalam jangka menengah hingga panjang, dan ini bukanlah bentuk keluar dari pasar.

QApa yang dilakukan Laser Digital untuk ekspansi jangka panjang di sektor kripto?

ALaser Digital telah mengajukan paper work untuk memperluas layanannya ke luar negeri, termasuk mengajukan aplikasi untuk izin bank trust AS guna menawarkan layanan penyimpanan aset (custody) dan perdagangan kepada klien institusional.

QBagaimana Nomura mengelola volatilitas dari perdagangan kripto setelah kerugian ini?

ANomura memperketat kontrol risiko di sekitar posisi aset digital, melakukan pengawasan yang lebih ketat terhadap eksposur yang dapat berfluktuasi dengan pergerakan harga kripto, serta mengurangi taruhan arah (directional bets) yang besar dan lebih berhati-hati dalam penentuan ukuran posisi di buku perdagangan mereka.

Bacaan Terkait

Rubin Ultra Terkuras Drastis, Apakah Nvidia Juga Tak Tahan dengan Kenaikan Harga Memori?

Laporan terbaru dari SemiAnalysis mengungkapkan bahwa NVIDIA telah merevisi spesifikasi Rubin Ultra, varian flagship dari arsitektur Rubin yang diumumkan di GTC 2026. Alih-alih peningkatan besar pada memori dan daya komputasi, fokus utama kini beralih ke kemampuan interkoneksi skala sistem. Spesifikasi kunci yang diungkapkan menunjukkan Rubin Ultra akan mempertahankan puncak komputasi teoretis yang sama dengan Rubin standar, yaitu 35 PFLOPs. Namun, terjadi pengurangan signifikan pada kapasitas memori, turun menjadi 192GB dengan konfigurasi 8-Hi, lebih rendah dari Rubin standar yang 288GB (12-Hi). Peningkatan bandwidth memori juga minimal, hanya 1 TB/s, dan daya chip bahkan sedikit lebih tinggi. Peningkatan utama justru pada "skala interkoneksi" (*scale-up world size*), yang melonjak dari 72 GPU menjadi 576 GPU. Ini memungkinkan ratusan GPU Rubin Ultra terhubung via NVLink membentuk satu "super GPU" logis yang sangat besar. Analisis SemiAnalysis mengaitkan perubahan desain ini dengan lonjakan harga HBM (High Bandwidth Memory) yang drastis. Biaya material (BOM) untuk rak server Rubin Ultra sempat melonjak menjadi sekitar $8 juta karena harga HBM, tetapi dengan spesifikasi baru, biaya turun ke sekitar $6.4 juta. NVIDIA diduga mengalihkan biaya dari komponen HBM yang mahal (yang pangsa biayanya turun dari ~40% menjadi 28%) ke peningkatan interkoneksi jaringan (naik dari 4% menjadi 12%). Berita ini memicu kekhawatiran pasar tentang permintaan HBM. Saham produsen HBM seperti SK Hynix dan Samsung anjlok sekitar 8%, mencerminkan kekhawatiran bahwa pembeli utama seperti NVIDIA mungkin mulai mengurangi ketergantungan pada HBM berkapasitas tinggi untuk mengontrol biaya sistem AI secara keseluruhan.

Odaily星球日报10m yang lalu

Rubin Ultra Terkuras Drastis, Apakah Nvidia Juga Tak Tahan dengan Kenaikan Harga Memori?

Odaily星球日报10m yang lalu

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.

marsbit1j yang lalu

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

marsbit1j 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.

bitcoinist1j yang lalu

Upbit Rebalance 864B SHIB dalam Pergerakan Wallet Internal

bitcoinist1j 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.

marsbit1j yang lalu

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

marsbit1j 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.

marsbit1j yang lalu

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

marsbit1j yang lalu

Trading

Spot
活动图片

Kategori Populerright-arrow

Tag Populerright-arrow