Wintermute Bán Tháo 1,5 Tỷ USD Khi Thị Trường Crypto Sụt Giảm — Họ Biết Điều Gì?

ccn.comXuất bản vào 2025-12-15Cập nhật gần nhất vào 2025-12-15

Tóm tắt

Theo dữ liệu on-chain, Wintermute - một trong những nhà tạo lập thị trường tiền điện tử lớn - đã bán ra lượng tài sản trị giá khoảng 1,5 tỷ USD trong ba tuần qua, chủ yếu là Bitcoin, Ethereum và Solana. Các giao dịch này diễn ra trong bối cảnh thị trường biến động mạnh và giá giảm. Dữ liệu từ Arkham Intelligence cho thấy danh mục on-chain của Wintermute đã giảm từ khoảng 540 triệu USD xuống còn khoảng 422 triệu USD. Tuy nhiên, hành động này không nhất thiết báo hiệu tình trạng khó khăn tài chính, mà có thể là chiến lược quản lý rủi ro hoặc tái cân bằng danh mục thông thường của các nhà tạo lập thị trường trong điều kiện thị trường biến động. Wintermute được cho là vẫn nắm giữ số lượng đáng kể SOL, BTC, ETH và USDC sau đợt bán.

Những Điểm Chính

  • Wintermute đã giảm mạnh lượng nắm giữ crypto trên chuỗi trong ba tuần qua.
  • Các trình theo dõi on-chain cho thấy các giao dịch chuyển lớn BTC và ETH, với một số ước tính lên tới 1,5 tỷ USD.
  • Việc bán ra diễn ra giữa lúc thị trường tổng thể yếu đi, nhưng không nhất thiết báo hiệu sự khó khăn.

Wintermute, một trong những nhà tạo lập thị trường phổ biến nhất trong ngành công nghiệp crypto, đã thu hút sự chú ý trở lại sau khi dữ liệu on-chain tiết lộ việc giảm mạnh lượng tài sản nắm giữ của họ trong những tuần gần đây.

Phân tích blockchain và theo dõi cộng đồng cho thấy Wintermute đã bán off một phần đáng kể hàng tồn kho của mình, chủ yếu là Bitcoin, Ethereum và Solana, trong một giai đoạn được đánh dấu bởi giá giảm và biến động gia tăng trên khắp các thị trường crypto.

Thử Các Sàn Giao Dịch Crypto Được Đề Xuất Của Chúng Tôi
Được tài trợ
Tiết lộ
Đôi khi chúng tôi sử dụng các liên kết liên kết trong nội dung của mình, khi nhấp vào những liên kết đó, chúng tôi có thể nhận được hoa hồng mà không mất thêm chi phí cho bạn. Bằng cách sử dụng trang web này, bạn đồng ý với các điều khoản và điều kiện và chính sách bảo mật của chúng tôi.
"}' data-trk="68df7fd8872238d510dfbf06" href="https://clicks.pipaffiliates.com/c?c=1104900&l=en&p=1" rel="nofollow" target="_blank">
XM.com"}' data-trk="68df7fd8872238d510dfbf06" href="极简处理,保留原HTML结构,仅翻译可见文本,广告部分保持原样,此处省略冗长的广告HTML代码,仅以占位符表示...

Các Giao Dịch Lớn, Sự Giám Sát Gia Tăng

Theo dữ liệu on-chain được các nền tảng như Arkham Intelligence theo dõi, các ví được liên kết với Wintermute đã gửi các lô lớn BTC và ETH đến các sàn giao dịch tập trung, bao gồm Binance, trong suốt cuối tháng 11 và đầu tháng 12.

Wintermute tiếp tục bán tháo BTC và ETH. Nguồn: Arkham

Một số nhà quan sát thị trường ước tính rằng chỉ riêng Bitcoin trị giá hơn 1,5 tỷ USD đã được chuyển đi trong một loạt các đợt ngắn trong khoảng ba tuần.

Mặc dù con số chính xác khác nhau tùy thuộc vào các phương pháp quy kết được sử dụng, nhưng xu hướng là rõ ràng. Lượng nắm giữ được theo dõi công khai của Wintermute đã giảm mạnh trong khoảng thời gian đó.

Dữ liệu Arkham cho thấy tổng lượng nắm giữ của Wintermute giảm từ khoảng 540 triệu USD tại đỉnh vào cuối tháng 11 xuống còn gần 320 triệu USD tại một thời điểm, trước khi phục hồi một phần.

Tính đến ngày 15 tháng 12, Arkham ước tính lượng nắm giữ on-chain còn lại của Wintermute vào khoảng 422 triệu USD, trải rộng trên một số tài sản chính.

Những tài sản nắm giữ đó bao gồm:

  • 648,000 token SOL,
  • 757 Bitcoin.
  • 10,700 Ether,
  • Và hơn 27 triệu USD trị giá USDC.

Hoạt động bán ra đã trùng hợp với điều kiện thị trường biến động mạnh và mối tương quan gia tăng trên các tài sản crypto, làm khuếch đại áp lực giá ngắn hạn.

Tuy nhiên, không có dấu hiệu nào từ Wintermute cho thấy công ty đang đối mặt với nguy cơ mất khả năng thanh toán hoặc thanh lý bắt buộc.

Việc Bán Của Wintermute Có Thể Báo Hiệu Điều Gì—Và Không Báo Hiệu Điều Gì

Các nhà tạo lập thị trường như Wintermute hoạt động khác với các nhà giao dịch theo hướng.

Vai trò của họ thường liên quan đến việc nắm giữ lượng hàng tồn kho lớn để cung cấp thanh khoản, tạo điều kiện cho các giao dịch OTC và phòng ngừa rủi ro trên các sàn.

Do đó, việc bán mạnh không tự động báo hiệu sự căng thẳng tài chính.

Những giai đoạn biến động mạnh thường thúc đẩy các nhà tạo lập thị trường giảm rủi ro, cân bằng lại hàng tồn kho hoặc đóng các vị thế đã tích lũy trong các điều kiện thị trường thuận lợi hơn.

Trong một số trường hợp, các giao dịch chuyển lớn có thể phản ánh việc thực hiện lệnh bán của khách hàng hơn là việc bán tháo cho riêng mình.

Bản thân Wintermute trước đây đã mô tả điều kiện thị trường gần đây là "giai đoạn tiêu hóa", được đặc trưng bởi sự luân chuyển vốn vào các tài sản chính, chẳng hạn như Bitcoin và Ethereum, thay vì dòng tiền mới vào thị trường rộng hơn.

Dữ liệu lịch sử cũng cho thấy số dư on-chain của Wintermute có thể biến động đáng kể trong các khoảng thời gian ngắn, tăng và giảm khi các vị thế được mở, phòng ngừa rủi ro và đóng.

Một Nguồn Áp Lực, Không Phải Một Phán Quyết

Mặc dù việc bán của Wintermute tạo thêm áp lực trước mắt lên các thị trường vốn đã mong manh, nhưng tự nó khó có thể trở thành tín hiệu xác định cho sự đầu hàng rộng rãi hơn.

Các chỉ báo on-chain khác tiếp tục cho thấy sự tích lũy ở các lĩnh vực được lựa chọn, và sự tham gia của tổ chức không hoàn toàn biến mất.

Tuy nhiên, khi một nhà cung cấp thanh khoản lớn giảm phơi nhiễm trên quy mô lớn, tác động sẽ được cảm nhận, đặc biệt là trong các giai đoạn thanh khoản mỏng.

Hiện tại, hoạt động của Wintermute dường như phù hợp hơn với việc quản lý rủi ro chiến lược trong một thị trường đầy biến động hơn là bất kỳ mối đe dọa hiện hữu nào đối với chính công ty.

Lựa Chọn Hàng Đầu Cho Bitcoin
  • Sàn Giao Dịch Tốt Nhất Cho Bitcoin Nhận Ưu Đãi Tuyệt Vời Khi Tham Gia Các Sàn Giao Dịch Này
  • Mua Bitcoin Nhanh Chóng & Dễ Dàng Cách Mua Bitcoin Bằng Thẻ Tín Dụng Ngay Bây Giờ
  • Sòng Bạc Trực Tuyến Tốt Nhất Cho Bitcoin Xem Các Lựa Chọn Của Chúng Tôi Cho Các Trang Web Cờ Bạc Crypto Tốt Nhất

Nội dung Liên quan

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.

marsbit2 phút trước

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

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

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.

marsbit6 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

marsbit6 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.

marsbit7 phút trước

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

marsbit7 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

Giao dịch

Giao ngay
活动图片