Giá Quant (QNT) Vượt Trên 80 USD Khi Xu Hướng Ngắn Hạn Chuyển Biến Tích Cực

TheNewsCryptoXuất bản vào 2026-01-17Cập nhật gần nhất vào 2026-01-17

Tóm tắt

Đồng Quant (QNT) đã có sự phục hồi đáng chú ý trong các phiên giao dịch gần đây, hiện giao dịch quanh mức 84,40 USD sau khi phá vỡ khỏi vùng tích lũy 70–75 USD, báo hiệu đà tăng mới. Trong 24 giờ qua, QNT tăng hơn 19%, dao động từ 72,22 USD đến 86,42 USD. Vốn hóa thị trường đạt 1,01 tỷ USD, xếp thứ 68. Các chỉ báo kỹ thuật cho thấy tín hiệu tích cực: đường EMA 9 ngày (76,06 USD) vượt lên SMA 21 ngày (75,68 USD), RSI ở 62,47 phản ánh sức mua tăng, và MACD trong vùng dương cho thấy đà tăng mạnh. Chỉ báo Bull Bear Power Trend cũng cho thấy áp lực bán giảm trong khi phe mua dần chiếm ưu thế. QNT đang thoát khỏi giai đoạn tích lũy kéo dài, hình thành các đáy cao hơn và có khả năng tiếp tục tăng. Vùng kháng cự ngắn hạn là 84–86 USD, trong khi hỗ trợ nằm quanh các đường trung bình động 76 USD.

Quant (QNT) đã cho thấy sự phục hồi đáng kể trong các phiên giao dịch gần đây, với giá hiện dao động quanh mức 84,40 USD. Sau một thời thời gian củng cố đi ngang gần vùng 70–75 USD, QNT đã phá vỡ trên mức kháng cự ngắn hạn, báo hiệu đà tăng mới.

Trong 24 giờ qua, QNT đã giao dịch trong khoảng từ mức thấp trong ngày 72,22 USD đến mức cao 86,42 USD, phản ánh mức tăng hơn 19% về giá trị. Hiện tại, QNT đứng ở vị trí thứ 68 với vốn hóa thị trường 1,01 tỷ USD, theo dữ liệu từ CMC.

Các Chỉ Báo Kỹ Thuật Báo Hiệu Cấu Trúc Giá Đang Cải Thiện

Trên biểu đồ hàng ngày, đường EMA 9 ngày (khoảng 76,06 USD) đã vượt lên trên đường SMA 21 ngày (khoảng 75,68 USD), cho thấy sự chuyển dịch tích cực trong ngắn hạn. Sự giao cắt này cho thấy người mua đang dần kiểm soát, và đợt tăng giá gần đây của QNT trên các mức trung bình này củng cố xu hướng này.

Nhìn vào Chỉ số Sức mạnh Tương đối (RSI), QNT hiện ở mức 62,47, tăng lên từ vùng trung lập. Mặc dù chưa vào vùng mua quá mức, nó phản ánh sự quan tâm mua và đà tăng trưởng. Các nhà giao dịch nên theo dõi sát sao, vì các mức tăng thêm có thể đẩy RSI vào vùng quá mua, điều này có thể làm chậm đợt tăng giá tạm thời.

Chỉ báo MACD cũng hỗ trợ kịch bản tăng giá. Đường MACD đã vượt lên trên đường tín hiệu và di chuyển vào vùng tích cực, cho thấy đà tăng đang mạnh lên. Các thanh biểu đồ histogram cũng đang tăng lên, điều này làm tăng thêm sự tin tưởng vào xu hướng tăng hiện tại.

Khi phóng to, chỉ báo Xu hướng Sức mạnh Gấu Bò (BBPT) cho thấy sự cải thiện đáng kể. Áp lực giảm giá, được biểu thị bằng vùng màu đỏ, đã suy yếu đáng kể, trong khi áp lực tăng giá đã bắt đầu ổn định. Sự chuyển dịch này cho thấy người bán đang mất ưu thế và người mua đang dần lấy lại sức mạnh, phù hợp với đợt phá vỡ giá gần đây.

Về góc độ mô hình giá, QNT dường như đang thoát ra khỏi giai đoạn củng cố kéo dài, hình thành các đáy cao hơn trong vài tuần qua. Mô hình này thường báo trước một đợt phá vỡ khi kết hợp với các chỉ báo đà tăng mạnh lên, như được thấy trong cả RSI và MACD.

Tóm lại, QNT hiện đang cho thấy các dấu hiệu mạnh mẽ về sự đảo chiều tăng giá sau một thời gian củng cố. Khi đó, vùng 84–86 USD hiện đã trở thành kháng cự tiềm năng và các đường trung bình động ngắn hạn gần 76 USD đóng vai trò hỗ trợ.

TagsAltcoinCrypto MarketQNTQuant

Câu hỏi Liên quan

QGiá Quant (QNT) hiện tại là bao nhiêu và đã tăng bao nhiêu phần trăm trong 24 giờ qua?

AGiá Quant (QNT) hiện tại đang dao động quanh mức 84,40 USD. Trong 24 giờ qua, QNT đã tăng hơn 19% giá trị.

QChỉ báo kỹ thuật nào cho thấy sự chuyển dịch tích cực trong xu hướng ngắn hạn của QNT?

AĐường EMA 9 ngày (khoảng 76,06 USD) đã vượt lên trên đường SMA 21 ngày (khoảng 75,68 USD), báo hiệu sự chuyển dịch tích cực trong ngắn hạn.

QChỉ số RSI hiện tại của QNT là bao nhiêu và điều này có ý nghĩa gì?

AChỉ số RSI hiện tại của QNT là 62,47, cho thấy sức mua đang tăng lên nhưng chưa vào vùng quá mua. Điều này phản ánh động lực tăng giá đang phát triển.

QTín hiệu từ chỉ báo MACD cho thấy điều gì về xu hướng giá của QNT?

AĐường MACD đã cắt lên trên đường tín hiệu và di chuyển vào vùng dương, cho thấy động lượng tăng giá đang mạnh lên. Các thanh histogram cũng đang tăng, củng cố thêm xu hướng tăng.

QMức hỗ trợ và kháng cự ngắn hạn chính cho QNT là gì?

AVùng kháng cự tiềm năng hiện tại là khoảng 84–86 USD, trong khi các đường trung bình động ngắn hạn quanh 76 USD đóng vai trò là hỗ trợ.

Nội dung Liên quan

Chủ tịch CFTC cũ, Chủ tịch Circle Tarbert: Một mặt khuyên bạn chủ nghĩa dài hạn, mặt kia tự mình thoái vốn 30 triệu USD

Tác giả: Zen, PANews Trước tình cảnh cổ phiếu Circle (CRCL) giảm 70% so với đỉnh và bị hạ xếp hạng, Chủ tịch Heath Tarbert - cựu Chủ tịch CFTC - trong một cuộc phỏng vấn ngày 14/7 đã kêu gọi các nhà đầu tư kiên nhẫn và tập trung vào tầm nhìn dài hạn của công ty. Tuy nhiên, hành động của ông lại trái ngược hoàn toàn. Kể từ khi Circle IPO, Tarbert đã không ngừng bán cổ phiếu CRCL thông qua kế hoạch giao dịch 10b5-1 được lập trước, thu về tổng cộng khoảng 30 triệu USD. Ông chưa từng mua lại cổ phiếu trên thị trường mở, ngay cả khi giá cổ phiếu lao dốc. Bài viết nêu bật sự mâu thuẫn giữa lời nói "chủ nghĩa dài hạn" và hành động "thoái vốn" mạnh tay của Tarbert. Sự nghiệp của ông được mô tả là điển hình của "cánh cửa xoay" chính trị-thương mại Mỹ: từ các vị trí cấp cao tại Bộ Tài chính và CFTC, ông nghỉ hưu chỉ 27 ngày trước khi gia nhập Citadel Securities - một nhà tạo lập thị trường lớn - vào thời điểm công ty này đang đối mặt với cuộc điều tra của Quốc hội sau sự kiện GameStop. Sau đó, ông chuyển sang Circle, nơi ông được cho là đã sử dụng kinh nghiệm và quan hệ quản lý để giúp công ty vượt qua các rào cản pháp lý và niêm yết thành công. Bài báo đặt câu hỏi liệu Tarbert có thực sự tin vào tương lai dài hạn của Circle hay không, khi mà ông liên tục chốt lời trong khi lại khuyên các cổ đông nhỏ lẻ giữ vị thế. Nó gợi ý rằng mô hình của ông là tận dụng tối đa kiến thức về chu kỳ chính sách và cơ hội thị trường để biến các nguồn lực và uy tín tích lũy được thành lợi thế nghề nghiệp và tài chính cá nhân, trong khi rủi ro dài hạn được chuyển sang cho các nhà đầu tư tin tưởng vào những tường thuật công khai của ông.

marsbit13 phút trước

Chủ tịch CFTC cũ, Chủ tịch Circle Tarbert: Một mặt khuyên bạn chủ nghĩa dài hạn, mặt kia tự mình thoái vốn 30 triệu USD

marsbit13 phút trước

Gate Research: Làn sóng "phố Wall hóa" trong các sản phẩm tài chính tiền điện tử - Cạnh tranh hay Hội tụ?

Gate Research Institute: Sự hòa hợp hay cạnh tranh trong làn sóng "phố Wall hóa" các sản phẩm tài chính tiền mã hóa? Từ tầm nhìn ban đầu về một hệ thống tài chính phi tập trung, loại bỏ trung gian của Bitcoin, thị trường tiền mã hóa đang chứng kiến sự hội tụ mạnh mẽ với tài chính truyền thống (TradFi). Các quỹ ETF Bitcoin, tài sản thế giới thực được mã hóa (RWA) và trái phiếu chính phủ trên chuỗi cho thấy các tổ chức như BlackRock, Fidelity đang đưa tài sản mã hóa vào hệ thống phát hành, định giá, lưu ký và phân phối truyền thống. Tuy nhiên, đây không phải là một trò chơi tổng bằng không. Xu hướng này thể hiện sự bổ sung lẫn nhau: TradFi cung cấp khung pháp lý, mạng lưới phân phối rộng và sự tin cậy, trong khi Crypto mang lại tính mở, thanh khoản toàn cầu 24/7 và khả năng thanh toán lập trình được. Hai hướng đi tiêu biểu minh chứng cho sự hội tụ hai chiều: các sàn giao dịch tiền mã hóa (CEX) như Gate mở rộng sang giao dịch cổ phiếu thực, ETF thông qua cơ sở hạ tầng môi giới truyền thống; trong khi các công ty môi giới truyền thống như Robinhood tích hợp tài sản mã hóa và phát triển tài sản mã hóa (như cổ phiếu mã hóa) để thu hút người dùng. Mục tiêu chung của cả hai hướng là tranh giành "tài khoản tài chính tổng hợp" thế hệ tiếp theo - một điểm vào duy nhất nơi người dùng có thể giao dịch đa dạng tài sản từ cổ phiếu, tiền mã hóa đến RWA. Sự tăng trưởng mạnh mẽ của thị trường RWA, đặc biệt là cổ phiếu mã hóa, bất chấp xu hướng thị trường giảm, cho thấy đây là một xu hướng cấu trúc thực sự. Kết luận, "phố Wall hóa" không có nghĩa là thị trường tiền mã hóa bị TradFi thôn tính. Thay vào đó, đây là một sự chuyển đổi hai chiều, nơi cả hai hệ thống đang cùng nhau định hình lại thị trường vốn thành một cấu trúc hỗn hợp hiệu quả và toàn cầu hơn, với trải nghiệm người dùng liền mạch cho nhiều loại tài sản khác nhau.

marsbit16 phút trước

Gate Research: Làn sóng "phố Wall hóa" trong các sản phẩm tài chính tiền điện tử - Cạnh tranh hay Hội tụ?

marsbit16 phút trước

S&P Dow Jones và Pantera Ra Mắt Chỉ Số Tiền Mã Hóa, Bitcoin Bị Loại Vì "Không Tạo Ra Doanh Thu"

Chỉ số tài sản kỹ thuật số mới S&P Pantera Digital Asset Index vừa được S&P Dow Jones Indices và Pantera Capital ra mắt, tập trung vào các tài sản crypto có nguồn thu thực tế và đã loại trừ Bitcoin, XRP và các meme coin. Chỉ số này áp dụng tiêu chí sàng lọc lấy cảm hứng từ S&P 500, yêu cầu các giao thức phải có thu nhập ròng dương trong nhiều quý liên tiếp và giá trị phải được phân phối cho người nắm giữ token. Bitcoin bị loại vì không đáp ứng tiêu chí "tạo ra doanh thu giao thức". 18 tài sản thành phần (danh sách đầy đủ chưa công bố) được lựa chọn dựa trên thu nhập, với 5 nắm giữ lớn nhất là Ethereum (ETH), BNB, Solana (SOL), TRON (TRX) và Hyperliquid (HYPE). Pantera giải thích việc loại Bitcoin nhằm phục vụ các nhà đầu tư tổ chức, những người đã có sẵn kênh tiếp cận riêng qua ETF và cần một công cụ benchmark để đánh giá cơ bản các giao thức tạo ra doanh thu. Chỉ số hiện mới chỉ là benchmark; các sản phẩm ETF theo dõi chỉ số này đang được thảo luận. Sự hợp tác giữa Pantera và Morgan Stanley có thể mở đường phân phối sản phẩm đến khách hàng giàu có. Thông tin này làm dấy lên tranh luận trong cộng đồng: liệu việc loại trừ Bitcoin có củng cố định vị "vàng kỹ thuật số" của nó, trong khi các tài sản khác bị phân loại như nền tảng công nghệ tạo doanh thu. Pantera chỉ ra một khoảng trống sản phẩm lớn, khi nhiều tổ chức muốn tiếp cận crypto nhưng thiếu các công cụ đầu tư đa dạng, có cơ sở cơ bản rõ ràng.

marsbit19 phút trước

S&P Dow Jones và Pantera Ra Mắt Chỉ Số Tiền Mã Hóa, Bitcoin Bị Loại Vì "Không Tạo Ra Doanh Thu"

marsbit19 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

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.

marsbit23 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

marsbit23 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.

marsbit23 phút trước

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

marsbit23 phút trước

Giao dịch

Giao ngay
活动图片