eToro报告第一季度强劲利润增长,尽管加密货币交易量下滑

TheNewsCrypto发布于2026-05-13更新于2026-05-13

文章摘要

eToro公布第一季度净利润同比增长37%至8200万美元,主要得益于大宗商品交易的激增。尽管加密货币交易量下滑,大宗商品交易量同比飙升近400%,贡献了约60%的交易佣金。公司资产管理规模增长15%至170亿美元,客户资金账户数量增加12%至402万个。期内eToro在纽约激活BitLicense启动加密交易,并扩展股票产品覆盖至日本市场。其AI投资工具Tori整合了Grok 4.2市场情绪分析,并于4月底完成对自托管钱包提供商Zengo的收购。截至4月,平台总入金量同比增长53%至14亿美元,资产管理规模进一步升至187亿美元。

尽管加密货币活动有所下滑,eToro通过商品交易的大幅增长成功应对,实现了净收入8200万美元,同比增长37%。

该公司周二表示,其第一季度净收入同比增长37%,达到8200万美元,高于2025年第一季度的6000万美元。调整后的息税折旧摊销前利润同比增长35%,达到1.09亿美元,而净贡献增长了19%,达到2.58亿美元。

商品交易量飙升近400%

商品交易是业绩向好的主要驱动力,其交易量同比增长近400%,约占本季度交易佣金的60%。该公司已激活其BitLicense,开始在纽约进行加密货币交易,并将其股票产品范围扩展到包括日本公司,使其交易所覆盖范围达到26个。

资金账户总数增长了12%,达到402万个,而资产管理规模增长了15%,达到170亿美元。截至3月31日,公司的现金及短期投资总额为13亿美元。

尽管商品交易激增,但加密货币交易量却出现下滑。数据显示,4月份加密货币相关交易共200万笔,同比下降32%,且每笔交易投资额下降22%,至207美元。

在产品方面,eToro推出了由AI驱动的"代理投资组合"功能,并加强了与xAI的合作。他们的AI投资代理Tori现已整合了由Grok 4.2驱动的市场情绪分析。

此外,该公司于4月30日完成了对自托管加密钱包提供商Zengo的收购。首席执行官Yoni Assia表示,此举进一步推动了eToro连接传统金融与链上基础设施的目标。4月份,总资金转移额达到14亿美元,同比增长53%,同时资产管理规模继续攀升至187亿美元,同比增长19%。

今日重点加密新闻:

不丹GMC为全球金融机构推出快速通道许可

标签eToro交易所

相关问答

QeToro第一季度净利润同比增长了多少?

AeToro第一季度净利润同比增长了37%,从去年同期的6000万美元增至8200万美元。

QeToro第一季度业绩增长的主要驱动力是什么?

A主要驱动力是商品交易,其交易量同比增长了近400%,占当季交易佣金的约60%。

Q在商品交易激增的同时,eToro的加密货币交易表现如何?

A在商品交易激增的同时,eToro的加密货币交易出现下滑。四月份数据显示,加密交易笔数同比下降32%至200万笔,单笔交易投资额也下降了22%,至207美元。

QeToro在人工智能方面有哪些新进展?

AeToro推出了由人工智能驱动的“智能组合”功能,并加强了与xAI的合作。其AI投资助理Tori现已整合了由Grok 4.2支持的市场情绪分析。

QeToro在4月30日完成了一项什么收购?其意义何在?

AeToro于4月30日完成了对自我托管加密钱包提供商Zengo的收购。首席执行官Yoni Assia表示,此举进一步推动了eToro连接传统金融与链上基础设施的目标。

你可能也喜欢

Gate 研究院:加密金融产品掀起“华尔街化”浪潮,是竞争还是融合?

2009年比特币的创世区块暗含对传统金融体系的批判,其理想是建立去中心化、去中介、去银行的点对点金融系统。然而十七年后,比特币现货ETF获批、贝莱德等巨头发行相关产品、CME推出受监管衍生品、RWA(真实世界资产)和代币化国债市场快速增长等现象,显示传统金融正系统性地介入加密资产的发行、定价、托管和分销环节,引发了加密市场是否“华尔街化”的讨论。 文章认为,这并非单方面的吞并,而是加密体系与传统金融的双向融合与互补。加密领域提供无许可开放性、24小时交易和可编程结算,但缺乏合规通道、机构级托管和主流分销网络;传统金融则拥有牌照、信任、资金和渠道,但受限于交易时间、跨境门槛和结算效率。双方正朝彼此的核心优势靠拢。 这种融合体现为两条路径:一是以Gate为代表的加密交易所,逐步从提供代币化美股、CFD差价合约,发展到接入真实股票、港股、韩股交易,成为连接加密账户与传统券商基础设施的前端入口;二是以Robinhood为代表的传统券商,通过收购加密交易所、推出股票代币和建设自有Layer 2,将加密资产和链上代币化产品整合进其平台。两者的共同目标是争夺下一代综合金融账户的入口,让用户在一个界面内交易多种资产。 同时,RWA和链上国债作为资产层的融合正在加速。尽管规模尚小,但代币化国债等产品为链上提供了低波动收益资产,并吸引JP摩根、贝莱德等传统机构参与,测试未来资本市场的底层结算方式。 最终,加密与华尔街并非谁征服谁,而是在共同塑造一个更高效、全球化的统一资本市场。用户未来或将在同一个账户中自由交易比特币、股票、ETF、链上国债等多种资产,体验无缝的跨资产配置。去中心化的理想仍在底层协议中延续,而在应用层,一个融合了双方优势的新金融形态正在形成。

marsbit15分钟前

Gate 研究院:加密金融产品掀起“华尔街化”浪潮,是竞争还是融合?

marsbit15分钟前

给AI喂“噪声”也能涨分,这项工作让噪声实现正迁移

这篇发表于ICML 2026的研究提出了一种名为“半监督噪声自适应(SSNA)”的新方法,其核心思想是:迁移学习中,用于辅助训练的“源数据”可以不是真实的图像或文本,而是**完全没有语义的随机噪声**。 传统迁移学习需要大量有标签的源数据,但在隐私、版权等限制下,真实数据往往难以获得。SSNA框架(NAF)打破了这一限制。研究者为每个目标类别(例如CIFAR-10的10个类)生成一组对应的高斯分布噪声样本,并为每个噪声类预先指定一个目标类别编号(但编号本身无意义)。 NAF通过三个步骤实现“正迁移”: 1. **利用少量真实标签**:使用目标域中极少的标注样本进行基础监督学习,建立噪声与真实类别间的初步联系。 2. **在噪声域构建判别结构**:训练模型将同类噪声聚集、异类噪声分离,形成清晰的类别结构。 3. **跨域对齐**:将噪声域中学习到的类别结构(分布)与目标域的对齐,从而将判别性知识迁移到真实数据上。 实验表明,在每类仅有4个标注样本的极端少样本设定下,NAF相比仅使用标注数据的基线方法(ERM)在多个数据集上取得显著提升(如CIFAR-10提升12.35%)。研究还发现,关键因素在于噪声域中是否形成了**可分离的类别结构**,而非噪声数量多少。当把所有噪声压缩为一点(无结构)时,性能会大幅下降。 这项工作的意义在于,它揭示了迁移学习中可迁移的知识可能不限于数据的“语义内容”,**表征空间的“组织结构”本身也是一种有效的知识**。这为无法获取真实源数据的场景提供了一种低成本、保护隐私的替代方案。

marsbit21分钟前

给AI喂“噪声”也能涨分,这项工作让噪声实现正迁移

marsbit21分钟前

交易

现货
活动图片