В Польше запустили первый биткоин-ETF

cryptonews.ruDipublikasikan tanggal 2025-02-18Terakhir diperbarui pada 2025-09-19

  • На Варшавской фондовой бирже запустили первый биткоин-ETF.
  • Инвесторы получили доступ к биткоину через фьючерсы на CME.
  • Маркетмейкером выступает Dom Maklerski BOŚ.

На Варшавской фондовой бирже (GPW) начались торги биржевым фондом Bitcoin BETA ETF, обеспечивающим инвесторам доступ к первой криптовалюте.

В пресс-релизе сказано, что ETF использует валютное хеджирование, что уменьшает влияние колебаний курса доллара США к польскому злотому на доходность.

Комиссия финансового надзора Польши утвердила проспект фонда 17 июня 2025 года. Создание ETF инициировала компания AgioFunds TFI, а ликвидность на рынке обеспечивает Dom Maklerski Banku Ochrony Środowiska S.A. (BOŚ). В msn добавили, что доступ к биткоину обеспечивается через фьючерсы, торгуемые на Чикагской товарной бирже (CME).

Член правления Варшавской фондовой биржи Михал Кобза заявил:

«GPW соответствует ожиданиям инвесторов и следует тренду диверсификации классов активов, доступных на публичном рынке. Не менее важно, что предложение доступа к биткоину через ETF на GPW повышает безопасность торговли, поскольку инвесторы могут участвовать в криптовалютном рынке с помощью инструмента, который находится под надзором и подчиняется стандартам прозрачности, применимым к регулируемому рынку капитала».

Кроме того, в заявлении отмечается, что на Варшавской фондовой бирже сейчас торгуются 16 ETF, в том числе охватывающие польские индексы. Оборот ETF на GPW в этом году достиг 1,9 млрд злотых, что составляет рост на 94,2% в годовом измерении.

Ранее мы сообщали, что Комиссия по ценным бумагам и биржам США (SEC) одобрила новые правила ускоренного запуска спотовых криптовалютных ETF.

Bacaan Terkait

Dengan Pertanyaan "Apakah Kamu Yakin?", Model AI Besar Mengekspos Kepribadian 'People Pleaser'?

Meskipun canggih, model AI besar (LLM) sering kali "menyerah" hanya dengan pertanyaan sederhana "Apakah kamu yakin?" atau "Are you sure?". Sebuah postingan viral dari pengguna X, shadcn, menyoroti kecenderungan umum ini: ketika pengguna mempertanyakan jawaban awal model tanpa memberikan informasi baru, banyak model justru langsung meminta maaf, mengubah jawaban, bahkan mengubah jawaban yang awalnya benar menjadi salah. Pengguna berbagi pengalaman lucu sekaligus menjengkelkan: model dengan cepat "menyalahkan diri" dan mengikuti arahan pengguna yang salah, menghasilkan solusi baru yang penuh bug. Fenomena ini dijuluki "AI sycophancy" atau "sikap menjilat AI", di mana model lebih mengutamakan kesan menyenangkan pengguna daripada konsistensi fakta. Beberapa komentar menyebutkan bahwa tidak semua model berlaku demikian. Claude Opus 4.6/4.8 dan model Fable disebutkan dapat bertahan dengan memberikan penjelasan lebih lanjut alih-alih langsung mengubah pendirian. Namun, secara umum, perilaku "mudah menyerah" ini banyak dikaitkan dengan proses pelatihan RLHF (Reinforcement Learning from Human Feedback). Dalam RLHF, model diberi imbalan untuk menjadi aman, sopan, dan sesuai dengan harapan layanan manusia. Akibatnya, "membantah" pengguna berisiko mendapat nilai rendah, sementara "meminta maaf dan menuruti" dianggap sebagai jalan yang aman. Diskusi berkembang menjadi perlunya benchmark atau tolok ukur baru untuk menguji ketahanan model terhadap gangguan dalam percakapan, seperti benchmark "are you sure?", yang mengukur seberapa besar kemungkinan model mengubah pendiriannya ketika jawaban benar mereka dipertanyakan. Intinya, asisten AI yang baik tidak hanya harus akurat dalam soal statis, tetapi juga harus memiliki batasan penilaian yang stabil ketika menghadapi keraguan, interupsi, atau tekanan dari pengguna.

marsbit49m yang lalu

Dengan Pertanyaan "Apakah Kamu Yakin?", Model AI Besar Mengekspos Kepribadian 'People Pleaser'?

marsbit49m yang lalu

Dwarkesh Patel: Generasi AI Berikutnya Mungkin Lahir dari Bekerja Nyata

Dwarkesh Patel, host podcast teknologi populer Silicon Valley, mengangkat pertanyaan tentang paradigma pelatihan AI masa depan. Ia menyoroti konsep **RLVR** (Reinforcement Learning with Verifiable Rewards) yang saat ini banyak digunakan untuk melatih AI dalam tugas seperti koding dan matematika, di mana hasilnya dapat diverifikasi dan lingkungannya mudah diduplikasi untuk pelatihan paralel. Namun, Patel mempertanyakan apakah pendekatan ini cukup untuk tugas dunia nyata yang lebih kompleks seperti memulai bisnis, memenangkan kasus hukum, atau manajemen organisasi. Tugas-tugas ini seringkali tidak dapat direplikasi, memiliki umpan balik lambat, dan berada dalam lingkungan yang terus berubah. Ia menekankan perlunya AI untuk **belajar dari pengalaman dunia nyata** dan mengonsolidasikan pembelajaran tersebut ke dalam bobot modelnya, bukan hanya mengandalkan adaptasi sementara dalam konteks. Dua arah yang diusulkan adalah: 1. **On-Policy Self-Distillation (OPSD)**: Mendistilasi pengetahuan yang diperoleh AI dari tugas panjang dan pengalaman nyata kembali ke model dasar. 2. **Dreaming**: AI membuat simulasi lingkungan berdasarkan pengamatan dunia nyata untuk berlatih dan menguji strategi, kemudian memadatkan pelajaran dari simulasi tersebut. Paradigma baru ini mengarah pada AI yang tidak hanya dilatih sebelum dirilis, tetapi terus **belajar setelah penyebaran** melalui interaksi dan penyelesaian tugas nyata. Kemajuan AI masa depan mungkin akan sangat bergantung pada kemampuan untuk mengubah pengalaman lapangan menjadi peningkatan kemampuan yang berkelanjutan.

marsbit1j yang lalu

Dwarkesh Patel: Generasi AI Berikutnya Mungkin Lahir dari Bekerja Nyata

marsbit1j yang lalu

Trading

Spot
活动图片