38% альткойнов близки к историческим минимумам – Оценка падения рыночной капитализации на 48%

ambcryptoОпубликовано 2026-03-09Обновлено 2026-03-09

Введение

На фоне снижения ликвидности и общего медвежьего тренда на крипторынке альткоины переживают масштабное падение. Их совокупная капитализация сократилась на 48% — с пикового значения в $1,9 трлн до $981 млрд. Согласно данным Crypto Rover, более 38% альткоинов в настоящее время торгуются вблизи своих исторических минимумов. Например, LIT находится всего на 2,6% выше своего ATL, а ENA — на 7% выше минимума, при этом оба актива упали более чем на 80% от своих максимальных цен. Торговый объем альткоинов упал на 58%, а открытый интерес (OI) на фьючерсном рынке сократился с $170 млрд до $69,5 млрд, что свидетельствует о резком снижении аппетита к риску и преобладании медвежьих настроений. Индекс «альткоинового сезона» остается низким (около 38–43%), что указывает на устойчивое отставание альткоинов от Биткоина. Для восстановления рынка необходима смена sentiment и приток ликвидности.

На фоне общего хеджирования крипторынка и снижения ликвидности альткойны понесли значительные потери. Спрос на альткойны резко упал, приток капитала иссяк, а уровень капитуляции взлетел.

По мере продолжения падения рынка большинство держателей впали в панику и закрыли позиции, что создало мощное давление на рынок в сторону снижения.

Именно поэтому эти токены значительно обесценились, что привело к существенным убыткам на их ценовых графиках.

38% альткойнов торгуются около исторических минимумов (ATL)

На фоне затяжного падения рынка капитализация альткойнов упала более чем на 48% — с пика в $1,9 трлн до $981 млрд.

Такое резкое падение отразило отток капитала и усилившийся его переток в другие активы, поскольку инвесторы искали лучшие альтернативы.

Поскольку капитал уходит из альткойнов, большинство из этих монет значительно упали по сравнению с пиками 2025 года и своими историческими максимумами (ATH). По данным Crypto Rover, более 38% активных альткойнов в настоящее время торгуются вблизи своих исторических минимумов.

Возьмем, к примеру, Lighter [LIT]: на момент написания статьи этот альткойн торговался на 2,6% выше своего исторического минимума и на 86% ниже своего ATH. Та же участь постигла Ethena [ENA], которая торговалась на 7% выше своего ATL и на 93% ниже своего ATH в $1,52.

В-третьих, World Liberty Financial [WLFI] на момент публикации торговалась всего на 6% выше своего ATL и на 69% ниже своего ATH.

Учитывая такие огромные потери этих криптомонет, можно с уверенностью сказать, что сейчас не сезон альткойнов, поскольку на момент публикации индекс сезона альткойнов составлял около 43%.

Кроме того, индекс сезона альткойнов CoinMarketCap составлял около 38, что говорит о том, что больше альткойнов показали худшие результаты по сравнению с Биткойном.

Причины падения

Несомненно, альткойны продолжали падать, поскольку одни инвесторы отошли от рынка, а другие покинули его совсем.

Объем торгов альткойнами упал с пика в $241 млрд в октябре 2025 года до $99 млрд на момент публикации. Это ознаменовало снижение объема торгов на 58%, что является явным признаком снижения спроса и аппетита к этим активам.

AMBCrypto наблюдал ту же участь на срочном рынке: открытый интерес (OI) по альткойнам упал с $170 млрд до $69,5 млрд. Падение OI указывало на снижение аппетита к риску и усиление настроений избегания риска среди всех участников рынка.

Такие рыночные условия указывали на доминирование медвежьих настроений: одни сокращали позиции, а другие закрывали их.

Традиционно подавляющее медвежье поведение предшествовало плохим рыночным показателям.

Следовательно, если преобладающие настроения сохранятся, эти токены, скорее всего, продолжат падать, а некоторые даже рискуют опуститься ниже своих ATH.

Для пробуждения широкому рынку требуется значительное изменение настроений, которое создаст путь для ликвидности со стороны спроса.


Итоговый вывод

  • Альткойны сталкиваются с широким рыночным давлением по мере иссякания ликвидности и перетока капитала инвесторов в более безопасные активы, такие как Биткойн.
  • Почти 38% альткойнов сейчас торгуются вблизи своих исторических минимумов.

Связанные с этим вопросы

QКакой процент альткойнов в настоящее время торгуется вблизи своих исторических минимумов?

A38% альткойнов торгуются вблизи своих исторических минимумов.

QНа сколько процентов упала рыночная капитализация альткойнов от пикового значения?

AРыночная капитализация альткойнов упала на 48%, с пикового значения в $1,9 триллиона до $981 миллиарда.

QКаковы примеры альткойнов, которые значительно упали в цене, как упоминается в статье?

AВ статье приведены примеры: Lighter (LIT) торгуется на 86% ниже своего исторического максимума, Ethena (ENA) — на 93% ниже, а World Liberty Financial (WLFI) — на 69% ниже.

QКаковы основные причины такого сильного падения альткойнов?

AОсновные причины включают отток капитала, снижение ликвидности, ротацию инвесторов в более безопасные активы (такие как Биткойн), снижение аппетита к риску и доминирование медвежьих настроений на рынке.

QЧто показывает индекс Altcoin Season на момент публикации статьи?

AНа момент публикации статьи индекс Altcoin Season составлял около 43%, что указывает на то, что сезон альткойнов не наступил, и большинство альткойнов показывают худшие результаты по сравнению с Биткойном.

Похожее

Сильные урезания в Rubin Ultra: Nvidia тоже не справляется с ростом цен на память?

Прошлые выходные стали поводом для бурных обсуждений в индустрии ИИ после публикации отчета аналитической компании SemiAnalysis. Согласно данным отчета, NVIDIA значительно изменила спецификации своего флагманского чипа Rubin Ultra, ключевой модели, анонсированной на GTC 2026. Вместо ожидавшегося увеличения вычислительной мощности и объема памяти, компания, судя по всему, пошла по пути оптимизации затрат. Основные изменения в спецификациях Rubin Ultra по сравнению с более ранними ожиданиями и базовой моделью Rubin: * **Теоретическая пиковая производительность (35 PFLOPs) осталась на уровне обычного Rubin.** * **Объем памяти HBM серьезно сокращен** — до 192 ГБ (8-Hi), что даже меньше, чем 288 ГБ (12-Hi) у Rubin. * **Пропускная способность памяти увеличена незначительно** (всего на 1 ТБ/с). * **Энергопотребление осталось высоким**, а максимальное даже возросло. * **Главным улучшением стал масштаб межсоединений (Scale-up)**: поддержка объединения до 576 GPU в единый логический узел через NVLink (против 72 GPU у Rubin). Аналитики SemiAnalysis связывают такое решение с резким ростом цен на высокоскоростную память HBM, которая является ключевым и самым дорогим компонентом современных ИИ-ускорителей. Стоимость HBM3 с 2025 года выросла в несколько раз. Первоначальный дизайн Rubin Ultra приводил к тому, что стоимость памяти в системе приближалась к 40% от общей стоимости материалов (BOM). После пересмотра спецификаций эта доля упала до 28%, что позволило снизить общую расчетную стоимость стойки с чипами примерно с 8 до 6.4 млн долларов. Таким образом, NVIDIA, по мнению аналитиков, смещает акцент с "наращивания компонентов" в отдельном чипе на создание более масштабируемых и, возможно, экономически эффективных систем на уровне кластера. Новый дизайн Rubin Ultra фокусируется на способности объединять огромное количество GPU, компенсируя изменения в характеристиках отдельных чипов. Новость оказала давление на котировки ведущих производителей памяти. Акции SK Hynix и Samsung, основных поставщиков HBM, упали примерно на 8%, что отражает опасения рынка: если крупнейший покупатель HBM начинает оптимизировать свои чипы для снижения зависимости от дорогой памяти, это может ограничить потенциал дальнейшего роста цен и спроса для производителей памяти. Эпоха безудержного наращивания ресурсов в ИИ-инфраструктуре, судя по всему, подходит к концу.

Odaily星球日报11 мин. назад

Сильные урезания в Rubin Ultra: Nvidia тоже не справляется с ростом цен на память?

Odaily星球日报11 мин. назад

Может ли модель генерации обучаться end-to-end? В основе — простой цикл for

В статье представлен новый подход к обучению генеративных моделей под названием Explorative Modeling (XM), который позволяет осуществлять сквозное (end-to-end) обучение. Традиционные генеративные модели, такие как диффузионные или авторегрессионные, страдают от «смешения мод» (mode blurring), когда модель усредняет множество возможных правильных ответов, что приводит к размытым или нереалистичным результатам. Это также вызывает «смещение экспозиции» (exposure bias), когда ошибки накапливаются во время вывода. Ключевая идея XM проста: на каждом шаге обучения модель генерирует K кандидатов, а для обратного распространения градиента выбирает только того кандидата, который наиболее близок к реальным данным. Этот цикл, реализованный в несколько строк кода, повышает «генеративную выразительность» модели, позволяя ей охватывать несколько мод распределения данных, а не усреднять их. Авторы показывают, что «исследование» (exploration) становится третьей осью масштабирования наряду с увеличением параметров и данных. Эксперименты с изображениями, видео и текстом демонстрируют монотонное улучшение качества: при увеличении масштаба данных выгода от исследования возрастает с 7% до 36%, а эффективность использования вычислений (FLOP) повышается в 4.1 раза. В задачах управления роботами сквозная модель XM с одним проходом вперед достигает результатов, сравнимых с диффузионными моделями, требующими сотни проходов. Таким образом, Explorative Modeling предлагает путь к truly end-to-end генеративным моделям, перенося сложность с этапа вывода на этап обучения, что открывает потенциал для более эффективных и мощных систем.

marsbit1 ч. назад

Может ли модель генерации обучаться end-to-end? В основе — простой цикл for

marsbit1 ч. назад

Upbit проводит ребалансировку 864 млрд SHIB при перемещении между внутренними кошельками

Корейская биржа Upbit провела внутреннюю ребалансировку 864 миллиардов токенов SHIB между своими кошельками. Движение активов на сумму около 4 миллионов долларов произошло после роста стоимости SHIB на 36%, что привлекло внимание трейдеров. Однако анализ помеченных адресов показывает, что это была стандартная операция по перераспределению средств между "горячими" и другими внутренними кошельками биржи, а не вывод средств или подготовка к продаже. Общий объем перемещений включал 384 миллиарда SHIB, отправленных с основного горячего кошелька, и 480 миллиардов SHIB, возвращенных обратно. Этот случай подчеркивает важность проверки контекста и меток кошельков при интерпретации крупных ончейн-транзакций, чтобы избежать ошибочных выводов о продаже или давлении на рынок.

bitcoinist1 ч. назад

Upbit проводит ребалансировку 864 млрд SHIB при перемещении между внутренними кошельками

bitcoinist1 ч. назад

Максимум 20 статей на человека? Исследователи DeepMind «просят» снять ограничения ICLR

Новая политика конференции ICLR 2027 ограничивает количество подаваемых одним автором работ до 20. По мнению организаторов, это необходимо для снижения нагрузки на рецензентов, учитывая рекордный рост числа заявок — на 68% за год. В ответ на это исследователь Google DeepMind Дэн Рой иронично запустил «петицию» против лимита, заявив, что он замедлит прогресс в ИИ, особенно в эпоху, когда агенты ИИ могут генерировать множество статей, а рецензии часто пишутся с помощью больших языковых моделей (по некоторым данным, до 21% рецензий на ICLR 2026 могли быть полностью сгенерированы ИИ). Его сатирический пост поднимает серьёзный вопрос о целесообразности простого ограничения количества работ вместо решения системных проблем, связанных с массовым производством статей и автоматизацией рецензирования в современной академической среде.

marsbit1 ч. назад

Максимум 20 статей на человека? Исследователи DeepMind «просят» снять ограничения ICLR

marsbit1 ч. назад

Уязвимость Coldcard привела к краже $89 млн и вызвала самую масштабную миграцию средств в блокчейне после краха FTX

Уязвимость в аппаратном кошельке Coldcard привела к краже 1367,05 BTC (около 89 млн долларов) с 4585 адресов. Инцидент, связанный с ошибкой в генерации сид-фраз в определенной прошивке, вызвал массовую миграцию средств пользователей на новые безопасные адреса. Это привело к аномальному всплеску активности в сети Биткоин, исказив ключевые ончейн-индикаторы, такие как активность долгосрочных держателей и объем мелких транзакций. Активность и рыночные настроения достигли уровня, сравнимого с периодом после краха FTX. Расследование столкнулось с трудностями из-за ограничений коммерческих ИИ-моделей (например, в США), которые блокируют анализ вредоносных данных даже для целей защиты. Следователи были вынуждены использовать открытые модели, такие как китайский GLM 5.2, для отслеживания украденных средств. Этот случай высветил проблему асимметрии: злоумышленники используют неограниченные ИИ-инструменты, в то время как защитники сталкиваются с барьерами коммерческих систем безопасности, что критично в сфере криптовалют, где скорость отслеживания средств крайне важна.

marsbit1 ч. назад

Уязвимость Coldcard привела к краже $89 млн и вызвала самую масштабную миграцию средств в блокчейне после краха FTX

marsbit1 ч. назад

Торговля

Спот
活动图片