Avalanche: Liệu đà tăng 25% khối lượng giao dịch của AVAX có thể phá vỡ xu hướng giảm đa niên?

ambcryptoXuất bản vào 2026-02-20Cập nhật gần nhất vào 2026-02-20

Tóm tắt

Avalanche (AVAX) đã có dấu hiệu phục hồi với khối lượng giao dịch tăng 25% lên 248,87 triệu USD vào ngày 20 tháng 2, đẩy giá lên khoảng 9,25 USD và tiếp cận đường xu hướng giảm từ sau đợt sụt giảm tháng 10. Mặc dù MACD daily hình thành giao cắt tăng và RSI phục hồi lên 42, động lực vẫn chưa hoàn toàn chuyển sang xu hướng tăng. Chỉ báo Spot và Futures Taker Buy Dominance cho thấy nhu cầu mua tích cực, nhưng giá vẫn chưa phá vỡ được kháng cự giảm. Trên biểu đồ tuần, xu hướng giảm đa năm vẫn duy trì, với RSI ở 31,78 và MACD âm, cho thấy cấu trúc thị trường gấu vẫn chiếm ưu thế. Để xác nhận đảo chiều, AVAX cần đóng cửa tuần trên mức kháng cự đa năm.

Sau nhiều tháng thua lỗ, các altcoin đã bắt đầu có dấu hiệu phục hồi, với Avalanche [AVAX] nằm trong số đó

Vào ngày 20 tháng 2 năm 2026, AVAX chứng kiến hoạt động gia tăng khi khối lượng giao dịch tăng 25% lên 248,87 triệu USD. Nó được giao dịch quanh mức 9,25 USD, đẩy vào đường xu hướng giảm được hình thành sau vụ sụp đổ ngày 10 tháng 10. Đợt bán tháo mạnh đó đã đánh dấu sự khởi đầu của một xu hướng giảm kéo dài.

Kể từ sau vụ sụp đổ đó, kháng cự giảm liên tục từ chối mọi nỗ lực phục hồi. Trong khi đó, mức 7,29 USD đóng vai trò là hỗ trợ cấu trúc chính và vẫn là mức mà phe giá lên không thể để mất.

Với việc giá một lần nữa chạm vào kháng cự, câu hỏi thực sự là liệu động lực cuối cùng có đủ sức mạnh để phá vỡ nó hay không.

MACD hình thành giao cắt tăng

Trên biểu đồ hàng ngày, AVAX hình thành giao cắt MACD tăng giá khi nó tiếp cận kênh xu hướng giảm từ vụ sụp đổ tháng 10. Biểu đồ histogram chuyển sang dương nhẹ, báo hiệu động lượng ngắn hạn dịch chuyển khỏi sự kiểm soát của phe giá xuống.

Tại thời điểm biên tập, RSI leo lên 42, phục hồi từ mức thấp gần đây nhưng vẫn dưới 50. Do đó, động lực được cải thiện, nhưng vẫn chưa chuyển đổi hoàn toàn sang lãnh thổ tăng giá. AVAX vẫn nằm ngay dưới kháng cự, điều này hạn chế tác động của giao cắt.

Phân tích thị trường đòn bẩy

Theo CryptoQuant, Tỷ lệ thống lĩnh mua trên thị trường giao ngay (Spot Taker Buy Dominance) vẫn ở mức cao trên Chênh lệch Khối lượng Tích lũy (Cumulative Volume Delta), phản ánh hoạt động mua hàng tích cực của thị trường.

Hơn nữa, Tỷ lệ thống lĩnh mua trên thị trường tương lai (Futures Taker Buy Dominance) cũng duy trì ở mức cao, cho thấy sự tham gia trên khắp các thị trường có đòn bẩy.

Sự kết hợp này cho thấy nhu cầu chủ động hơn là đặt giá thụ động. Tuy nhiên, bất chấp hoạt động mạnh mẽ của người mua, giá vẫn không thể khẳng định lại một cách dứt khoát mức kháng cự giảm.

Kết quả là, sự hung hãn của người mua vẫn chưa chuyển thành sự thay đổi cấu trúc. Tuy nhiên, dữ liệu ngụ ý rằng sự tích lũy đang phát triển bên dưới hành động giá. Chỉ một sự bứt phá cấu trúc mới có thể xác nhận sự tích lũy đó.

Liệu AVAX có phá vỡ xu hướng giảm đa niên?

Trên biểu đồ hàng tuần, xu hướng giảm đa niên tiếp tục đóng vai trò là kháng cự vĩ mô. Mỗi đợt tăng giá lớn kể từ năm 2021 đều bị chặn lại dưới trần này. Điều này có nghĩa là AVAX vẫn ở trong thị trường giá xuống kể từ năm 2021.

RSI hàng tuần vẫn ở gần 31,78 và dưới đường trung bình động của nó, báo hiệu động lượng yếu. MACD hàng tuần vẫn ở dưới 0 với biểu đồ histogram hơi âm. Do đó, cấu trúc tổng thể vẫn mang tính giảm giá bất chấp sự cải thiện ngắn hạn trên các khung thời gian thấp hơn.

Nhìn về phía trước, một phiên đóng cửa hàng tuần trên mức xu hướng giảm đa niên sẽ là điều kiện cần để xác nhận một sự dịch chuyển. Cho đến khi điều đó xảy ra, Avalanche vẫn nằm trong một khuôn khổ giảm giá lớn hơn.


Tóm tắt cuối cùng

  • Tỷ lệ thống lĩnh của người mua cao và khối lượng tăng cho thấy sự tham gia, không phải là sự xác nhận.
  • Việc thu hồi lại kháng cự vĩ mô trên khung tuần vẫn là yêu cầu xác định để đảo chiều xu hướng.

Câu hỏi Liên quan

QAVAX đã có sự thay đổi nào về khối lượng giao dịch vào ngày 20 tháng 2 năm 2026?

AVào ngày 20 tháng 2 năm 2026, khối lượng giao dịch của AVAX đã tăng 25%, đạt mức 248,87 triệu USD.

QMức hỗ trợ chính mà phe giá lên (bulls) không thể để mất là gì?

AMức hỗ trợ cấu trúc chính là 7,29 USD, đây là mức giá mà phe giá lên không thể để bị phá vỡ.

QChỉ báo kỹ thuật nào trên biểu đồ hàng ngày cho thấy tín hiệu tăng giá cho AVAX?

ATrên biểu đồ hàng ngày, AVAX đã hình thành một điểm giao cắt tăng giá (bullish crossover) trên chỉ báo MACD.

QDữ liệu từ thị trường đòn bẩy (leverage market) cho thấy điều gì về hoạt động mua?

ADữ liệu từ CryptoQuant cho thấy cả Spot Taker Buy Dominance và Futures Taker Buy Dominance đều ở mức cao, phản ánh hoạt động mua tích cực và sự tham gia trên cả thị trường có đòn bẩy.

QĐiều kiện cần thiết để xác nhận sự đảo chiều xu hướng giảm đa năm của AVAX là gì?

AĐể xác nhận sự đảo chiều xu hướng giảm đa năm, AVAX cần có một mức giá đóng cửa hàng tuần nằm trên đường kháng cự xu hướng giảm đa năm đó.

Nội dung Liên quan

Claude ra mắt tính năng mới: Ghi màn hình + Giọng nói, chưng cất Kỹ năng (Skill) với một cú nhấp chuột để tự động hóa công việc

Claude vừa ra mắt tính năng "Ghi lại Kỹ năng", cho phép người dùng tạo kỹ năng tự động hóa bằng cách ghi màn hình và giải thích bằng giọng nói. Tính năng này hiện có sẵn cho người dùng Pro, Max và Team trên ứng dụng desktop Claude Cowork. Người dùng chỉ cần thực hiện quy trình công việc trên máy tính, vừa làm vừa mô tả bằng lời nói, sau đó Claude sẽ tự động phân tích và tạo ra một "Skill" có thể tái sử dụng, được gọi bằng lệnh gạch chéo (/). Điểm đột phá của tính năng này là bỏ qua bước "viết" hướng dẫn phức tạp thủ công, giúp chuyển đổi tri thức ngầm và kinh nghiệm thực tế thành quy trình tự động một cách dễ dàng. Nó không chỉ là công cụ nâng cao hiệu suất, mà còn làm giảm đáng kể rào cản trong việc số hóa và lưu giữ quy trình nghiệp vụ chuyên môn, điều mà các hệ thống quản lý tri thức truyền thống thường gặp khó khăn. Bài viết cũng đề cập đến mặt khác của tự động hóa: một trường hợp cho thấy mối quan hệ hợp tác lâu năm có thể bị thay thế bởi một bộ kỹ năng được tạo sẵn. Nghiên cứu từ Harvard Business School chỉ ra rằng khi AI phát triển, giá trị công việc sẽ dịch chuyển từ "biết cách làm" sang "biết cách làm những việc người khác không thể làm". Tính năng mới của Claude đẩy nhanh xu hướng này, biến quy trình cá nhân thành tài sản tự động có thể chia sẻ và vận hành ngay lập tức.

marsbit2 phút trước

Claude ra mắt tính năng mới: Ghi màn hình + Giọng nói, chưng cất Kỹ năng (Skill) với một cú nhấp chuột để tự động hóa công việc

marsbit2 phút trước

Cho AI "ăn" nhiễu cũng tăng điểm, nghiên cứu này giúp nhiễu thực hiện chuyển dịch tích cực

Bài báo giới thiệu một phương pháp học chuyển tiếp mới có tên **Semi-Supervised Noise Adaptation (SSNA)** (Điều chỉnh Nhiễu Bán Giám sát), đã được xuất bản tại ICML 2026. Phương pháp này cho thấy ngay cả **dữ liệu nhiễu ngẫu nhiên**, không chứa thông tin ngữ nghĩa nào (ví dụ: được lấy mẫu từ phân phối Gaussian), cũng có thể giúp cải thiện hiệu suất của mô hình học máy trong các tình huống có ít dữ liệu được gắn nhãn. Nhóm nghiên cứu đề xuất một khuôn khổ gọi là **Noise Adaptation Framework (NAF)**. NAF tạo ra các nhiễu ngẫu nhiên và tổ chức chúng thành các cấu trúc phân biệt rõ ràng giữa các lớp (cụm) trong không gian biểu diễn chung. Cấu trúc phân loại này sau đó được chuyển giao (căn chỉnh) sang dữ liệu mục tiêu thực tế, từ đó cung cấp ranh giới phân loại rõ ràng hơn và nâng cao khả năng học. Trong thử nghiệm, với chỉ 4 mẫu được gắn nhãn cho mỗi lớp, NAF đã cải thiện đáng kể độ chính xác so với phương pháp học có giám sát cơ bản (ERM) trên nhiều bộ dữ liệu như CIFAR-10 (+12.35%), CIFAR-100 (+7.61%), và các bộ dữ liệu khác. Phương pháp này cũng hiệu quả với các tác vụ phân loại văn bản. Nghiên cứu nhấn mạnh rằng yếu tố then chốt không phải là bản thân dữ liệu nhiễu ngẫu nhiên, mà là **cấu trúc phân biệt được tạo ra** giữa các lớp nhiễu đó trong không gian biểu diễn. Ngay cả khi không có ngữ nghĩa thực, việc chuyển giao cấu trúc này vẫn có thể hỗ trợ học tập. Điều này mở ra hướng tiếp cận mới cho việc học chuyển tiếp trong các tình huống khó tiếp cận dữ liệu nguồn thực tế do vấn đề riêng tư, bản quyền hoặc hạn chế về chi phí.

marsbit2 phút trước

Cho AI "ăn" nhiễu cũng tăng điểm, nghiên cứu này giúp nhiễu thực hiện chuyển dịch tích cực

marsbit2 phút trước

Nhân viên "đắc dụng" của Nhà Trắng kiếm hơn 100.000 USD nhờ dự đoán dựa trên thông tin nội bộ

Mới đây, một nhân viên Nhà Trắng đã bị phát hiện sử dụng thông tin nội bộ để giao dịch kiếm lời trên thị trường dự đoán. Nhân vật chính là Gabriel Perez, người phụ trách vận hành máy nhắc lời cho các bài phát biểu của cựu Tổng thống Trump từ năm 2016. Với quyền tiếp cận bản thảo bài nói trước, Perez đã đặt cược vào các từ khóa cụ thể mà Trump sẽ "đề cập" trong hơn chục bài phát biểu, thu lợi hơn 100.000 USD chỉ trong khoảng ba tháng. Sàn giao dịch dự đoán Kalshi, nơi Perez thực hiện giao dịch, đã phát hiện hoạt động bất thường, đóng băng tài khoản của anh ta và báo cáo lên Ủy ban Giao dịch Hàng hóa Tương lai Mỹ (CFTC). Perez hiện đã bị đình chỉ công tác không lương. Tuy nhiên, khác với hai vụ buộc tội hình sự trước đó liên quan đến một binh sĩ đặc nhiệm và một kỹ sư Google, Perez chỉ phải đối mặt với hành động dân sự của CFTC, chủ yếu là hoàn trả lợi nhuận và cam kết không tái phạm. Vụ việc làm nổi bật tính dễ bị thao túng của các thị trường dự đoán thể loại "đề cập", nơi người có thông tin nội bộ hoặc chính người phát biểu có thể dễ dàng kiểm soát kết quả. Đây là trường hợp nội gián thứ ba bị công bố trong lĩnh vực này. Để ứng phó, các nền tảng như Kalshi đang siết chặt quy định, yêu cầu người dùng tiết lộ thông tin công việc nhằm hạn chế giao dịch nội gián. Sự kiện này đặt ra câu hỏi về tính toàn vẹn của thị trường dự đoán, vốn được kỳ vọng phản ánh trí tuệ đám đông, nhưng thực tế có thể trở thành công cụ kiếm lời cho số ít người nắm thông tin đặc quyền.

marsbit1 giờ trước

Nhân viên "đắc dụng" của Nhà Trắng kiếm hơn 100.000 USD nhờ dự đoán dựa trên thông tin nội bộ

marsbit1 giờ trước

Nhân viên sử dụng teleprompter cho Nhà Trắng kiếm hơn 100,000 USD nhờ dự đoán bằng nội bất.

Bài viết tiết lộ vụ bê bối giao dịch nội gián liên quan đến một nhân viên Nhà Trắng. Gabriel Perez, người phụ trách điều khiển máy nhắc lời cho các bài phát biểu của cựu Tổng thống Trump, đã lợi dụng thông tin nội bộ về nội dung bài diễn văn để đặt cược trên thị trường dự đoán Kalshi, kiếm lời hơn 100.000 USD trong ba tháng. Anh ta có thể biết trước các từ khóa cụ thể sẽ được nhắc đến. Tuy nhiên, không phải lần nào cũng thành công vì Trump thường nói ngoài kịch bản. Hành vi của Perez bị phát hiện nhờ hệ thống giám sát của Kalshi, dẫn đến việc tài khoản bị đóng băng và anh ta bị đình chỉ công việc. Mặc dù phải hoàn trả lợi nhuận, Perez không phải đối mặt với truy tố hình sự vì cơ quan chức năng cho rằng hành động này không gây hại cho an ninh quốc gia mà chỉ là vấn đề đạo đức. Bài viết cũng chỉ ra rằng thị trường dự đoán loại "đề cập" rất dễ bị thao túng, với chi phí gian lận thấp và lợi nhuận tiềm năng cao, và dẫn thêm các ví dụ khác như CEO Coinbase Brian Armstrong. Để tăng cường tuân thủ, Kalshi đã yêu cầu người dùng tiết lộ nơi làm việc. Vụ việc của Perez cho thấy nỗ lực thanh lọc giao dịch nội gián trong lĩnh vực thị trường dự đoán, nhưng đồng thời cũng làm dấy lên câu hỏi về tính chính xác và bản chất của các nền tảng này.

Odaily星球日报1 giờ trước

Nhân viên sử dụng teleprompter cho Nhà Trắng kiếm hơn 100,000 USD nhờ dự đoán bằng nội bất.

Odaily星球日报1 giờ trước

Các trang trại khai thác Bitcoin đang biến thành nhà máy AI

Bài báo phân tích xu hướng chuyển đổi từ lĩnh vực tiền điện tử (Crypto) sang trí tuệ nhân tạo (AI), tập trung vào ba loại tài sản chính được kế thừa từ chu kỳ Crypto trước. **1. Cơ sở hạ tầng từ các trang trại khai thác Bitcoin:** Các công ty khai thác như Crusoe, CoreWeave, TeraWulf và nhiều công ty khác đang chuyển đổi trung tâm dữ liệu của họ để phục vụ AI. Giá trị cốt lõi không nằm ở phần cứng cũ (máy đào ASIC khó tái sử dụng cho AI), mà ở các tài sản như nguồn điện ổn định, đất đai, giấy phép kết nối lưới điện và kinh nghiệm vận hành. Khi lợi nhuận từ khai thác Bitcoin giảm và nhu cầu điện cho AI tăng, những cơ sở hạ tầng này trở thành tài sản chiến lược, với nhiều hợp đồng cho thuê dài hạn trị giá hàng tỷ USD được ký kết với các tập đoàn AI lớn. **2. Con người và kỹ năng từ hệ sinh thái Crypto:** Các kỹ sư và doanh nhân từng làm việc trong lĩnh vực Crypto đang áp dụng kinh nghiệm của họ vào AI. Ví dụ điển hình là Alex Atallah (đồng sáng lập OpenSea) với OpenRouter - một nền tảng tổng hợp API cho hàng trăm mô hình AI, tương tự cách OpenSea kết nối người mua và bán NFT. Một ví dụ khác là Fal.ai (người sáng lập từng làm tại Coinbase), chuyên tối ưu hóa việc triển khai các mô hình sinh ra hình ảnh/video. **3. Vốn từ chu kỳ Crypto trước:** Các khoản lợi nhuận khổng lồ từ Crypto đang được tái đầu tư vào AI. Jed McCaleb (người sáng lập Mt.Gox, Ripple) đã dùng 5 tỷ USD để mua GPU và thành lập Voltage Park. Các quỹ đầu tư mạo hiểm (VC) Crypto như Paradigm cũng đang rót vốn vào các công ty AI như Nous Research. Một trường hợp đặc biệt là khoản đầu tư từ FTX (sàn giao dịch đã phá sản) vào Anthropic và Cursor, sau này tăng giá trị lên rất nhiều lần. Bài báo kết luận rằng bản thân Crypto không "biến thành" AI, mà các nguồn lực (cơ sở hạ tầng, con người, vốn) tích lũy được từ thời kỳ bùng nổ trước đang được chuyển dịch một cách tự nhiên sang lĩnh vực mới đang cần chúng nhất - trí tuệ nhân tạo.

链捕手1 giờ trước

Các trang trại khai thác Bitcoin đang biến thành nhà máy AI

链捕手1 giờ trước

Giao dịch

Giao ngay
活动图片