Theo Dõi Thị Trường Tài Sản Số Vượt Ra Ngoài Các Sàn Giao Dịch Truyền Thống Tiền Mã Hóa

insights.glassnodeXuất bản vào 2026-05-21Cập nhật gần nhất vào 2026-05-21

Tóm tắt

Glassnode đã mở rộng phạm vi phân tích Tài chính Truyền thống (TradFi) trong nền tảng Studio, giúp kết nối hoạt động thị trường crypto bản địa với các công cụ niêm yết ngày càng phát triển liên quan đến tài sản kỹ thuật số. Sự mở rộng này phản ánh vai trò ngày càng lớn của ETF, công ty quỹ kho bạc và các phương tiện niêm yết khác trong phân tích thị trường, khi sự tiếp xúc của tổ chức ngày càng vượt ra ngoài thị trường giao ngay. Hai nhóm chỉ số mới đã được ra mắt: Giá & Khối lượng ETF Giao ngay Mỹ và Giá & Khối lượng Công ty Quỹ Kho bạc Tài sản Số Mỹ. Dữ liệu về Công ty Quỹ Kho bạc Tài sản Số (DAT) giúp so sánh hành vi cổ phiếu niêm yết so với tài sản crypto cơ bản, từ đó đánh giá mức độ biến động (beta) mạnh hay yếu so với thị trường crypto. Trong khi đó, việc bổ sung khối lượng giao dịch cho ETF Giao ngay Mỹ cung cấp thông tin chi tiết về thanh khoản, mức độ tham gia và sự tin tưởng, giúp xác định dòng tiền thực chuyển qua kênh TradFi so với các sàn crypto bản địa. Các chỉ số mới này tăng cường khả năng của Glassnode trong việc kết nối dữ liệu crypto bản địa với các công cụ thị trường truyền thống, mang đến cho người dùng góc nhìn thống nhất về tài sản giao ngay, ETF và các công cụ quỹ kho bạc niêm yết trực tiếp trong Studio.

Glassnode tiếp tục mở rộng phạm vi bao phủ Tài chính Truyền thống trong Studio, giúp người dùng kết nối hoạt động thị trường "crypto-native" (gốc tiền mã hóa) với vũ trụ ngày càng lớn mạnh của các công cụ niêm yết gắn liền với tài sản số.

Sự mở rộng này phản ánh vai trò ngày càng lớn của ETF, các công ty quỹ dự trữ (treasury companies) và các phương tiện niêm yết khác trong phân tích thị trường tài sản số, khi sự tiếp xúc của các tổ chức ngày càng vượt ra ngoài các thị trường giao ngay (spot).

Hai nhóm chỉ số mới hiện đã có mặt:

  • Giá & Khối lượng ETF Giao Ngay của Mỹ
  • Giá & Khối lượng Công ty Quỹ Dự Trữ Tài Sản Số của Mỹ.

Đối với mỗi loại tài sản mã hóa được chọn, người dùng giờ đây có thể truy xuất giá hàng ngày và khối lượng giao dịch trên các ETF giao ngay của Mỹ và các công ty quỹ dự trữ niêm yết công khai có liên quan, với một chuỗi thời gian cho mỗi mã chứng khoán. Điều này cung cấp cho các nhà đầu tư cái nhìn toàn diện hơn về cách tiếp xúc với tiền mã hóa đang được thể hiện thông qua các thị trường vốn chủ sở hữu truyền thống.

DAT: Phân Tích Hành Vi Cổ Phiếu So Với Tiền Mã Hóa

Đối với các công ty Quỹ Dự Trữ Tài Sản Số (DAT) của Mỹ, dữ liệu giúp việc so sánh cách thức các cổ phiếu niêm yết vận hành so với tài sản mã hóa cơ bản trở nên dễ dàng hơn, và đánh giá những cái tên nào thể hiện beta cổ phiếu mạnh hơn hoặc yếu hơn đối với các biến động của thị trường tiền mã hóa.

Ví dụ, người dùng có thể so sánh hiệu suất của BTC với các công ty nắm giữ BTC trên bảng cân đối kế toán của họ để xác định cổ phiếu nào vận hành giống như đại diện trực tiếp cho tiền mã hóa hơn, và những cái tên nào giao dịch với hồ sơ cổ phiếu đặc thù riêng hơn.

Xem biểu đồ trực tiếp

Khối Lượng ETF Giao Ngay Mỹ: Đánh Giá Điều Kiện Thanh Khoản và Sự Tham Gia

Việc bổ sung khối lượng giao dịch đặc biệt hữu ích cho các ETF giao ngay của Mỹ. Khối lượng giao dịch cung cấp cái nhìn sâu sắc về thanh khoản, sự tham gia và niềm tin.

Ví dụ, một đợt tăng vọt mạnh về khối lượng giao dịch ETF xung quanh một biến động giá lớn hoặc sự kiện vĩ mô có thể báo hiệu việc định vị lại mạnh mẽ của các tổ chức — và việc so sánh khối lượng ETF với thị trường giao ngay cơ bản cho thấy có bao nhiêu dòng tiền thực sự đang di chuyển qua các kênh Tài chính Truyền thống (TradFi) so với các kênh "crypto-native". Khối lượng giao dịch bền vững có thể xác nhận nhu cầu thực sự đằng sau một xu hướng giá, trong khi khối lượng giao dịch mỏng trong một đợt biến động có thể cần phải thận trọng hơn.

Xem biểu đồ trực tiếp

Cùng với nhau, những chỉ số mới này tăng cường khả năng của Glassnode trong việc kết nối dữ liệu "crypto-native" với các công cụ thị trường truyền thống, mang đến cho người dùng một cái nhìn thống nhất về tài sản giao ngay, ETF và các phương tiện quỹ dự trữ niêm yết ngay trong Studio.

Khám Phá Các Chỉ Số Mới Trong Studio

  • Giá Công ty DAT
  • Khối lượng Giao dịch Công ty DAT
  • Giá ETF Giao Ngay Mỹ
  • Khối lượng Giao dịch ETF Giao Ngay Mỹ

  • Theo dõi chúng tôi trên X để cập nhật và phân tích thị trường kịp thời
  • Tham gia kênh Telegram của chúng tôi để nhận những hiểu biết thường xuyên về thị trường
  • Đối với các chỉ số on-chain, bảng điều khiển và cảnh báo, hãy truy cập Glassnode Studio

Miễn trừ trách nhiệm: Báo cáo này chỉ dành cho mục đích thông tin và giáo dục. Phân tích thể hiện một nghiên cứu tình huống hạn chế với những ràng buộc đáng kể và không nên được hiểu là lời khuyên đầu tư hoặc tín hiệu giao dịch dứt khoát. Các mô hình hiệu suất trong quá khứ không đảm bảo kết quả trong tương lai. Luôn luôn tiến hành thẩm định kỹ lưỡng và xem xét nhiều yếu tố trước khi đưa ra quyết định đầu tư.

Câu hỏi Liên quan

QGlassnode đã mở rộng phạm vi bao phủ Tài chính Truyền thống của mình trong Studio với mục đích chính là gì?

AMục đích chính là giúp người dùng kết nối hoạt động thị trường bản địa tiền điện tử (crypto-native) với thế giới ngày càng mở rộng của các công cụ niêm yết gắn liền với tài sản kỹ thuật số.

QHai nhóm chỉ số mới nào hiện đã có trong Glassnode Studio?

AHai nhóm chỉ số mới là: 1) Giá và Khối lượng giao dịch của ETF Spot Hoa Kỳ. 2) Giá và Khối lượng giao dịch của Công ty Kho bạc Tài sản Kỹ thuật số Hoa Kỳ.

QDữ liệu về Công ty Kho bạc Tài sản Kỹ thuật số (DAT) giúp nhà đầu tư phân tích điều gì?

ADữ liệu giúp so sánh cách hành vi của cổ phiếu niêm yết tương quan với tài sản tiền điện tử cơ bản, từ đó đánh giá mã chứng khoán nào thể hiện mức độ biến động (beta) mạnh hơn hoặc yếu hơn so với thị trường tiền điện tử.

QTại sao việc bổ sung chỉ số về khối lượng giao dịch cho ETF Spot Hoa Kỳ lại đặc biệt hữu ích?

AKhối lượng giao dịch cung cấp cái nhìn sâu sắc về tính thanh khoản, mức độ tham gia và sự tin tưởng của thị trường. Nó có thể cho thấy sự định vị lại của tổ chức, so sánh dòng tiền thực qua kênh TradFi so với crypto-native, và xác nhận nhu cầu thực sự đằng sau một xu hướng giá.

QTheo bài viết, các chỉ số mới này mang lại lợi ích tổng thể gì cho người dùng Glassnode Studio?

AChúng tăng cường khả năng kết nối dữ liệu bản địa tiền điện tử với các công cụ thị trường truyền thống, mang đến cho người dùng một cái nhìn thống nhất về tài sản spot, ETF và các phương tiện kho bạc niêm yết trực tiếp trong Studio.

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.

marsbit3 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

marsbit3 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.

marsbit4 phút trước

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

marsbit4 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