Ротация глобальных активов: почему ликвидность движет циклами криптовалют? (Часть 1)

marsbitОпубликовано 2025-12-26Обновлено 2025-12-26

Введение

Новое исследование глобального распределения активов показывает, что движущей силой криптовалютных циклов является ликвидность, а не появление новых нарративов. Криптоактивы, в отличие от традиционных активов, таких как акции, не генерируют денежные потоки и не могут быть оценены с помощью традиционных методов. Вместо этого они функционируют как активы, чувствительные к ликвидности, и их цена зависит от притока и оттока капитала. Ключевые макроэкономические показатели, влияющие на крипторынок, включают процентные ставки (особенно реальные ставки), инфляцию, экономический рост, системную ликвидность и аппетит к риску. Экономические циклы, особенно монетарная политика США, играют решающую роль: периоды мягкой денежно-кредитной политики благоприятствуют рисковым активам, таким как криптовалюты, а периоды ужесточения — защитным активам. Таким образом, для понимания динамики крипторынка необходимо анализировать глобальные макроэкономические условия и потоки ликвидности, а не сосредотачиваться исключительно на внутренних событиях индустрии.

Эта статья знаменует начало новой серии исследований о глобальном распределении активов и их ротации. Глубоко изучив эту тему, мы обнаружили самый неожиданный, но и самый важный факт: в конечном счете, бычьи рынки криптовалют определяются не появлением новых нарративов.

Будь то RWA, X402 или любая другая концепция, эти темы обычно являются триггерами, а не настоящими движущими силами. Они могут привлекать внимание, но сами по себе не обеспечивают энергию. Настоящая движущая сила — это капитал. Когда ликвидность обильна, даже слабые аргументы могут быть раздуты до рыночного консенсуса. А когда ликвидность иссякает, даже самые убедительные аргументы с трудом сохраняют свой импульс.

Первая часть сосредоточена на построении основы: как построить framework глобального распределения активов и ротации, поместив криптовалюты в надлежащий макроэкономический контекст. Вторая часть framework будет изложена в последующих статьях.

Шаг 1: Выйти за пределы криптовалют и составить карту глобальных активов

Первый шаг — сознательно выйти за пределы криптовалютного рынка и построить панорамную картину глобальных активов. Традиционные классификации — акции, облигации, товары — безусловно полезны, но недостаточны для понимания ротации капитала в различных циклах.

Вместо этого мы можем классифицировать активы в зависимости от роли, которую они играют на разных этапах экономического и ликвидностного циклов. Важно не то, какой ярлык — «долевой» или «товарный» — присвоен активу, а то, от чего он зависит и к чему он уязвим. Одни активы выигрывают от снижения реальных процентных ставок, другие — от инфляционной неопределенности, третьи — от полного избегания риска.

Построение «карты портфеля активов» не требует глубоких знаний каждого рынка. По-настоящему необходимо интуитивное понимание взаимозависимостей каждого актива: какие условия его поддерживают, а какие ослабляют. Эта ментальная карта станет справочной системой для всех последующих решений.

В рамках этого framework криптовалюты заслуживают особого отношения.

Почему криптовалюты относятся к альтернативным активам, а не к традиционным рисковым активам?

Криптовалюты часто относят к той же категории, что и акции (особенно американские tech-акции), поскольку их ценовые движения сильно коррелируют. Поверхностно такая классификация кажется оправданной. Криптовалюты демонстрируют чрезвычайно высокую волатильность, высокий бета-коэффициент и значительные просадки, что характерно для рисковых активов.

Однако сама по себе корреляция не определяет экономическую сущность.

С точки зрения структуры капитала, акции имеют денежные потоки. Компании создают прибыль, распределяют дивиденды, и для их оценки можно использовать модели дисконтированных денежных потоков или оценочные мультипликаторы. Даже если цена отклоняется от фундаментальных показателей, ее логика привязки по-прежнему основана на денежных потоках.

Криптоактивы работают по совершенно иной логике. Они не генерируют дивидендов и не имеют внутренних денежных потоков, которые можно было бы дисконтировать. Следовательно, традиционные оценочные framework просто неприменимы.

Вместо этого криптовалюты ведут себя как чисто чувствительные к ликвидности активы. Их ценовые движения в основном driven притоком и оттоком капитала, а не изменениями фундаментальной производительности. Сопутствующие нарративы помогают это объяснить. Почему средства перемещаются, но они не решают все. Независимо от движения средств.

Таким образом, криптовалюты лучше всего понимать как не генерирующие денежные потоки альтернативные активы, находящиеся на крайней позиции спектра аппетита к риску. Когда ликвидность обильна и аппетит к риску высок, криптовалюты показывают лучшие результаты; а когда капитал отдает приоритет безопасности и доходности, их результаты хуже.

Ликвидность — ключевой драйвер производительности криптовалют

Как только криптовалюты рассматриваются как активы, чувствительные к ликвидности, а не к оценке, их поведение в различных циклах становится легче объяснить.

В исследованиях акций целевая цена обычно выводится из структурированного процесса: прогнозирование будущих доходов, применение оценочных мультипликаторов и дисконтирование результата к текущей стоимости. Этот метод работает, потому что сам актив способен генерировать измеримый экономический output.

У криптовалют нет такого якоря. Их потенциал роста зависит от того, появятся ли новые деньги, готовые войти на рынок и принять более высокие цены. И эти деньги почти всегда приходят извне криптовалютной экосистемы — из акций, кредитов или из кэша, простаивающего из-за снижения доходности.

Следовательно, понимание источников и времени появления ликвидности важнее, чем отслеживание отдельных протоколов или событий. Когда капитал начинает искать более высокую волатильность и более высокую выпуклость, криптовалюты становятся одним из самых привлекательных направлений для инвестиций. А когда капитал prioritizes сохранность стоимости, криптовалюты обычно являются первыми активами, от которых избавляются.

Короче говоря, ликвидность — решающий фактор, все остальное — вторично.

Шаг 2: Сначала макродрайверы, потом детали активов

Второй столп этого framework — макроанализ. Вместо того чтобы начинать с изучения конкретных активов, эффективнее сначала определить переменные, влияющие на ценовые движения. Все активы объединены вместе.

На самом высоком уровне пять макропоказателей играют ключевую роль:

  • Процентные ставки, особенно различие между номинальными и реальными ставками.

  • Инфляционные показатели, такие как индекс потребительских цен (ИПЦ) и индекс личных потребительских расходов (PCE).

  • Показатели экономического роста, такие как индекс менеджеров по закупкам (PMI) и тенденции ВВП.

  • Системная ликвидность, обычно отражаемая в балансах центральных банков и денежной массе.

  • Аппетит к риску, обычно измеряемый индексами волатильности и кредитными спредами.

Многие участники крипторынка внимательно следят за заседаниями ФРС, но часто сосредотачиваются только на решениях по ставкам. Однако институциональный капитал больше ценит реальные ставки (номинальные ставки, скорректированные на инфляцию), поскольку они определяют реальную альтернативную стоимость владения активами, не приносящими доход.

Данные по инфляции широко обсуждаются в криптосообществе, а ликвидности и аппетиту к риску уделяется мало внимания. Это слепое пятно. Динамика денежной массы и механизмы волатильности часто объясняют общее поведение рынка еще до появления каких-либо нарративов.

Полезная ментальная модель — простая цепочка передачи:

  1. Инфляционное давление влияет на процентные ставки.
  2. Процентные ставки влияют на условия ликвидности.
  3. Условия ликвидности влияют на аппетит к риску.
  4. Аппетит к риску движет ценами активов.

Понимание положения экономики в этой цепочке дает более глубокое понимание, чем изолированный анализ активов.

Шаг 3: Построение цикличной ментальной модели

Экономический цикл — знакомое понятие, но оно по-прежнему至关重要 (крайне важно). На макроуровне экономические циклы tend чередоваться между expansion и contraction, easing и tightening.

Проще говоря, эта модель обычно выглядит так:

Периоды денежного смягчения благоприятствуют рисковым активам, включая криптовалюты и акции small-cap.

Периоды денежного ужесточения благоприятствуют защитным активам, таким как кэш, государственные облигации и золото.

Этот framework не предназначен для механического применения. Реакция каждого актива будет vary в зависимости от времени, ожиданий и позиционирования. Тем не менее, цикличная reference point позволяет избегать эмоциональных решений в периоды смены рыночного ландшафта.

Важный нюанс: глобальный экономический цикл не синхронизирован. Мир не функционирует как единая экономика.

В то время как импульс роста в Китае замедляется, США могут переходить от высоких ставок позднего цикла к смягчению. Япония может осторожно завершать десятилетия сверхмягкой monetary policy. Китай продолжает структурную перестройку в условиях низкой инфляции, а некоторые части Европы все еще борются с экономическим застоем.

Несмотря на эти расхождения, США остаются якорем глобальных потоков капитала. Долларовая ликвидность и американские процентные ставки по-прежнему оказывают наиболее сильное влияние на глобальные потоки капитала. Следовательно, любая framework глобальной ротации активов должна начинаться с США и расширяться вовне.

Заключение: Сначала framework, потом прогнозы

Первая часть framework подчеркивает структуру, а не прогнозирование. Цель — не предсказать краткосрочные ценовые движения, а понять, что заставляет certain активы быть конкурентоспособными в certain момент времени.

Переопределив криптовалюты как driven ликвидностью альтернативные активы, сфокусировавшись на макродрайверах до нарративов и построив принятие решений на осознании циклов, инвесторы могут избежать многих common аналитических ловушек.

Следующая статья build на этом, углубляясь в последовательность потоков капитала, реальные indicators и то, как распознать, когда ликвидность действительно поворачивается в сторону высокорисковых активов.

Некоторые из вышеизложенных идей заимствованы у @Web3___Ace

Ссылка на оригинал

Трендовые криптовалюты

Связанные с этим вопросы

QКакова основная движущая сила криптовалютных циклов согласно статье?

AОсновной движущей силой криптовалютных циклов является ликвидность, а не появление новых нарративов. Капитальные потоки определяют бычьи рынки.

QПочему криптовалюты классифицируются как альтернативные активы, а не традиционные рисковые активы?

AКриптовалюты классифицируются как альтернативные активы, потому что они не генерируют денежные потоки (дивиденды) и не могут быть оценены с помощью традиционных рамок дисконтирования денежных потоков. Их цена в основном зависит от притока и оттока капитала.

QКакие пять ключевых макроэкономических показателей играют центральную роль в рамках, представленных в статье?

AПять ключевых макроэкономических показателей: процентные ставки (особенно реальные), показатели инфляции (например, ИПЦ и PCE), показатели экономического роста (например, PMI и ВВП), системная ликвидность (балансы центральных банков) и аппетит к риску (индекс волатильности VIX и кредитные спреды).

QКакова простая ментальная модель причинно-следственной цепи, описанная в статье?

AПростая причинно-следственная цепь: инфляционное давление влияет на процентные ставки → процентные ставки влияют на условия ликвидности → условия ликвидности влияют на аппетит к риску → аппетит к риску движет ценами на активы.

QПочему США являются отправной точкой для любой глобальной системы ротации активов согласно автору?

AСША являются отправной точкой, потому что долларовая ликвидность и процентные ставки США оказывают наиболее сильное влияние на глобальные потоки капитала, несмотря на асинхронность глобальных экономических циклов.

Похожее

Claude представляет мощное обновление: запись экрана + голос, одним кликом дистиллируйте навык для работы за вас

Claude представил новую функцию «Record a Skill» (Записать навык) в десктопном приложении Cowork. Теперь пользователи Pro, Max и Team могут создавать автоматизированные рабочие процессы, просто записывая свои действия на экране и сопровождая их голосовыми комментариями. Система автоматически анализирует запись, извлекает логику и шаги, а затем преобразует их в готовый к использованию Skill (навык). Это устраняет необходимость вручную писать инструкции в формате Markdown, значительно снижая порог входа для нетехнических специалистов. Функция фиксирует не только явные действия, но и скрытую логику, контекст и условия, о которых пользователь рассказывает в процессе записи. Статья отмечает, что такая технология меняет подход к управлению знаниями в компаниях, облегчая документирование и передачу экспертизы. С другой стороны, упоминается случай, когда фрилансер автоматизировал свою работу для клиента с помощью Claude, что в итоге привело к прекращению сотрудничества. Это подчеркивает двойственное влияние технологии: она повышает эффективность, но одновременно снижает зависимость от конкретного исполнителя, перенося конкурентное преимущество работника в область уникальных, сложно автоматизируемых задач. Функция доступна с 21 июля для пользователей соответствующих подписок.

marsbit4 мин. назад

Claude представляет мощное обновление: запись экрана + голос, одним кликом дистиллируйте навык для работы за вас

marsbit4 мин. назад

Кормление ИИ "шумом" тоже повышает точность: это исследование позволяет шуму осуществить позитивный перенос

В статье представлен новый метод полуконтролируемого обучения под названием **Semi-Supervised Noise Adaptation (SSNA)**. Вместо использования реальных данных (например, изображений или текста) в качестве исходного домена, подход использует синтетические **шумовые векторы**, сгенерированные из простого гауссовского распределения. Эти шумовые данные не несут семантического содержания, но им присваиваются искусственные метки классов, соответствующие целевым классам. Основная идея заключается в том, чтобы обучить модель формировать **дискриминативную классовую структуру** в общем пространстве представлений сначала на шумовых данных, а затем адаптировать (выровнять) эту структуру к данным целевого домена с помощью небольшого количества размеченных примеров. Для этого используется **Noise Adaptation Framework (NAF)**, который минимизирует три компонента потерь: классификацию на размеченных целевых данных, классификацию на шумовых данных и расстояние между распределениями шумового и целевого доменов. Эксперименты на наборах данных CIFAR-10, CIFAR-100, DTD-47 и других показали значительное улучшение точности по сравнению с базовым методом ERM при использовании всего 4 размеченных примера на класс. Например, на CIFAR-10 точность выросла на 12.35%. Метод также совместим с существующими полуконтролируемыми алгоритмами (UDA, FixMatch), дополнительно улучшая их результаты. Ключевой вывод исследования: для положительного переноса знаний в задачах трансферного обучения **не обязательно наличие семантически богатых исходных данных**. Достаточно сформировать в пространстве признаков четкую, разделимую классовую структуру, даже на искусственном шуме, и успешно перенести её на реальные данные. Это открывает новые возможности для сценариев, где доступ к реальным исходным данным ограничен из-за проблем конфиденциальности, авторских прав или их отсутствия.

marsbit5 мин. назад

Кормление ИИ "шумом" тоже повышает точность: это исследование позволяет шуму осуществить позитивный перенос

marsbit5 мин. назад

Телесуфлёр из Белого дома "для внутреннего пользования" заработал на инсайдерской информации более $100 000

Белый дом раскрыл дело о внутренней торговле: помощник по суфлеру, работавший на Дональда Трампа, использовал инсайдерскую информацию для ставок на рынках предсказаний и заработал более 100 000 долларов. Габриэль Перес, помощник президента и технический советник, отвечавший за работу суфлера Трампа с 2016 года, имел доступ к черновикам речей до их публичного произнесения. Используя эти знания, он делал ставки на платформе Kalshi, предсказывая, какие конкретные слова или фразы упомянет Трамп в своих выступлениях. За три месяца, делая ставки на более чем десяток речей, включая обращение о положении страны, Перес получил прибыль в размере шестизначной суммы. Его деятельность была выявлена системами мониторинга Kalshi, которая заблокировала его средства и передала дело в Комиссию по торговле товарными фьючерсами (CFTC). В отличие от предыдущих аналогичных случаев с военным и инженером Google, против Переса не были выдвинуты уголовные обвинения. Согласно сообщениям, CFTC договорилась о урегулировании, по которому он вернет прибыль и прекратит такую деятельность. Трамп, назвав его действия «предосудительными», отстранил Переса от работы без сохранения зарплаты. Этот инцидент подчеркивает уязвимость рынков предсказаний, особенно категорий «упоминаний», для манипуляций со стороны инсайдеров. Ранее были случаи, когда сами ораторы (например, генеральный директор Coinbase) намеренно упоминали ключевые слова, чтобы повлиять на результаты рынка. В ответ Kalshi ужесточила правила, требуя от пользователей раскрывать место работы. Эксперты отмечают, что очистка рынков от инсайдерской торговли повышает соответствие нормам, но может отдалить их от идеи «мудрости толпы», приблизив к чистому азарту.

marsbit1 ч. назад

Телесуфлёр из Белого дома "для внутреннего пользования" заработал на инсайдерской информации более $100 000

marsbit1 ч. назад

«Домашний» оператор суфлёра Белого дома заработал более $100 тыс. на инсайдерских прогнозах

Недавно в Белом доме США произошел очередной скандал, связанный с инсайдерской торговлей. Габриэль Перес, сотрудник Белого дома, отвечавший за работу суфлера во время выступлений Дональда Трампа, использовал служебную информацию для получения прибыли на рынках предсказаний. Перес, который с 2016 года был одним из ближайших помощников Трампа и имел доступ к его подготовленным речам, в течение примерно трех месяцев делал ставки на то, какие конкретные слова или фразы президент упомянет в своих выступлениях. За это время ему удалось заработать более 100 тысяч долларов. Его деятельность была выявлена платформой предсказаний Kalshi, которая заблокировала его средства и передала информацию Комиссии по торговле товарными фьючерсами (CFTC). В результате Перес был отстранен от работы без сохранения зарплаты. Однако, в отличие от предыдущих аналогичных случаев со спецназовцем и инженером Google, против Переса не были выдвинуты уголовные обвинения. По данным источников, CFTC договорилась о мировом соглашении, согласно которому он должен вернуть прибыль и прекратить подобную деятельность. Этот инцидент высветил уязвимость рынков предсказаний, особенно категорий, связанных с упоминанием определенных слов («mention markets»), перед манипуляциями со стороны инсайдеров или самих ораторов. Ранее подобные манипуляции демонстрировали ведущий церемонии «Грэмми» и CEO Coinbase. В ответ платформы ужесточают контроль: Kalshi теперь требует от пользователей раскрывать место работы. Скандал с Пересом рассматривается как часть общего процесса очистки рынков предсказаний от инсайдерской торговли.

Odaily星球日报1 ч. назад

«Домашний» оператор суфлёра Белого дома заработал более $100 тыс. на инсайдерских прогнозах

Odaily星球日报1 ч. назад

Биткойн-майнинг-фермы превращаются в AI-фабрики

Биткойн-майнинг превращается в инфраструктуру для ИИ. Компании, ранее занимавшиеся майнингом, такие как Crusoe и CoreWeave, перепрофилируют свои центры обработки данных с криптовалют на искусственный интеллект. Их главный актив — не оборудование, а уже готовый доступ к большим объемам электроэнергии, земле и разрешениям на подключение к сетям, что критически важно для создания дата-центров под ИИ. На фоне снижения доходности от майнинга биткойнов и высокого спроса со стороны ИИ-компаний этот переход стал экономически оправданным. Крупные майнинговые компании, включая TeraWulf, Cipher Mining и IREN, уже заключили долгосрочные контракты на сотни миллиардов долларов с такими гигантами, как Anthropic, AWS и Microsoft. Люди и капитал из криптоиндустрии также активно перемещаются в сферу ИИ. Основатель OpenSea создал агрегатор ИИ-моделей OpenRouter, а бывший сотрудник Coinbase основал платформу для медиа-моделей Fal.ai. Крипто-капитал финансирует ИИ-инфраструктуру, как в случае с Voltage Park Джеда Маккалеба, и поддерживает эксперименты, такие как распределенная сеть для обучения моделей Psyche от Nous Research. Хотя успех не гарантирован, криптоиндустрия передает ИИ три ключевых ресурса: энергомощности, инженерные кадры и капитал, накопленный в предыдущем цикле.

链捕手1 ч. назад

Биткойн-майнинг-фермы превращаются в AI-фабрики

链捕手1 ч. назад

Торговля

Спот

Популярные статьи

Как купить CAP

Добро пожаловать на HTX.com! Мы сделали приобретение Cap (CAP) простым и удобным. Следуйте нашему пошаговому руководству и отправляйтесь в свое крипто-путешествие.Шаг 1: Создайте аккаунт на HTXИспользуйте свой адрес электронной почты или номер телефона, чтобы зарегистрироваться и бесплатно создать аккаунт на HTX. Пройдите удобную регистрацию и откройте для себя весь функционал.Создать аккаунтШаг 2: Перейдите в Купить криптовалюту и выберите свой способ оплатыКредитная/Дебетовая Карта: Используйте свою карту Visa или Mastercard для мгновенной покупки Cap (CAP).Баланс: Используйте средства с баланса вашего аккаунта HTX для простой торговли.Третьи Лица: Мы добавили популярные способы оплаты, такие как Google Pay и Apple Pay, для повышения удобства.P2P: Торгуйте напрямую с другими пользователями на HTX.Внебиржевая Торговля (OTC): Мы предлагаем индивидуальные услуги и конкурентоспособные обменные курсы для трейдеров.Шаг 3: Хранение Cap (CAP)После приобретения вами Cap (CAP) храните их в своем аккаунте на HTX. В качестве альтернативы вы можете отправить их куда-либо с помощью перевода в блокчейне или использовать для торговли с другими криптовалютами.Шаг 4: Торговля Cap (CAP)С легкостью торгуйте Cap (CAP) на спотовом рынке HTX. Просто зайдите в свой аккаунт, выберите торговую пару, совершайте сделки и следите за ними в режиме реального времени. Мы предлагаем удобный интерфейс как для начинающих, так и для опытных трейдеров.

169 просмотров всегоОпубликовано 2026.06.26Обновлено 2026.06.26

Как купить CAP

Что такое TradFi

TradFi (традиционные финансы) - это централизованная финансовая система, в которой ключевую роль играют банки, фондовые биржи, компании по управлению активами и регулирующие органы.

726 просмотров всегоОпубликовано 2026.07.01Обновлено 2026.07.01

Что такое TradFi

Обсуждения

Добро пожаловать в Сообщество HTX. Здесь вы сможете быть в курсе последних новостей о развитии платформы и получить доступ к профессиональной аналитической информации о рынке. Мнения пользователей о цене на A (A) представлены ниже.

活动图片