GSR推出多资产加密ETF,提供质押收益

TheNewsCrypto发布于2026-04-23更新于2026-04-23

文章摘要

2026年4月22日,机构加密货币交易平台GSR推出了其首支加密货币交易所交易基金(ETF)——Crypto Core3 ETF(代码BESO),首日交易额约达500万美元。该ETF在纳斯达克上市,是首支同时覆盖比特币、以太坊和Solana三大主流加密货币,并提供质押收益及动态分配策略的美国ETF产品。 BESO采用研究驱动的动态调仓策略,每周根据市场信号调整三种加密货币的配置比例,以最大化收益。根据GSR发布的研究模型,初始配置中以太坊占51.4%,Solana占41.67%,比特币仅占6.93%。该基金收取1%的管理费。 GSR由两位前高盛交易员于2013年创立,现已成为领先的加密货币做市商。其CEO表示,推出ETF旨在吸引更广泛的投资者群体。此次推出恰逢多家华尔街机构积极布局加密货币ETF,例如摩根士丹利的现货比特币ETF自4月8日上市以来已净流入1.638亿美元,高盛也于4月14日申请了比特币收益增强型ETF。 此外,新闻中还提及了孙宇晨与世界自由金融就代币冻结纠纷提起诉讼的事件。

周三,机构加密交易平台GSR推出了其首支加密货币交易所交易基金(ETF),交易首日该基金交易额达到约500万美元。

强势进军加密ETF行业

GSR周三宣布,其加密核心三币ETF(BESO)除追踪比特币、以太坊和Solana的实时价格外,还将提供质押激励。根据GSR在X平台发布的另一篇帖子,该基金管理费为1%,将采用"动态分配策略"以实现收益最大化。

纳斯达克数据显示,交易首日BESO共成交185,574份,价值约480万美元。盘后交易中,基金净值从26.04美元涨至33美元。在GSR进军市场之际,多家金融机构已创建或明确表示计划推出加密货币交易所交易基金(ETF)。

摩根士丹利是其中之一——其自4月8日推出的现货比特币ETF已实现净流入1.638亿美元。高盛于4月14日申报的比特币优先收益ETF,则让投资者在获取被动收入的同时有望从比特币价格上涨中获利。

GSR由高盛前交易员Cristian Gil和Richard Rosenblum于2013年创立,现已成为领先的加密做市商。GSR首席执行官Xin Song表示,公司旨在通过进入加密ETF行业触达更多投资者。

据GSR透露,BESO的比特币、以太坊和Solana配置将根据研究驱动的信号每周重新平衡,以实现更高收益。周三GSR发布的模型投资组合研究显示,以太坊和Solana占比最高,分别达到51.4%和41.67%,而比特币占比仅为6.93%。

今日加密新闻聚焦:

孙宇晨就代币冻结纠纷起诉World Liberty Financial

标签竞争币比特币

相关问答

QGSR推出的新加密货币ETF名称是什么?

AGSR推出的新加密货币ETF名称为Crypto Core3 ETF,交易代码为BESO。

QBESO ETF包含哪些加密货币资产?

ABESO ETF包含比特币(Bitcoin)、以太坊(Ethereum)和Solana三种加密货币资产。

QBESO ETF的首日交易额达到多少?

ABESO ETF在首日交易中成交了185,574份份额,交易额约为480万美元。

QGSR的BESO ETF提供什么独特功能?

ABESO ETF除了跟踪比特币、以太坊和Solana的价格外,还提供质押收益(staking yields),并采用动态分配策略来最大化回报。

QGSR公司的背景是什么?

AGSR由两位前高盛交易员Cristian Gil和Richard Rosenblum于2013年创立,是一家领先的加密货币做市商。

你可能也喜欢

Anthropic全球警告,OpenAI已跨“可靠性阈值”:AI自我加速启动

AI领域出现重要警告与发展洞察。Anthropic发出全球警告,指出AI递归自我改进进程加速,已接近“自己造自己”的临界点,呼吁减缓研究。 与此同时,OpenAI后训练团队负责人Yann Dubois在访谈中揭示了关键内部视角: 1. **能力提升是连续线性,但实用性感知是跳跃的**。AI能力在达到“可靠性阈值”前如同玩具,跨越后则成为可托付工作的可靠工具。OpenAI被认为在去年12月左右跨过了此阈值。 2. **AI正进入自我加速循环**。模型能力提升后,本身已成为研发的有力工具(如辅助编程),从而加速下一代模型的开发,形成越转越快的正反馈回路。 3. **AI构建更像“手艺”而非纯科学**。在硬核领域,经验、直觉和反复试错(类似“炼金术”)目前扮演关键角色,科学解释常事后补足。 4. **垂直应用(Harness)价值巨大,甚至能触及AGI体验**。Dubois认为,若冻结现有模型,仅通过精心打磨针对特定领域的编排系统,即可在许多场景中实现类似通用人工智能(AGI)的效果。当前瓶颈常在于“最后一公里”——权限、数据连接与业务流程集成,而非模型智能本身。 5. **持续学习仍是核心挑战**。模型难以像人类一样在特定环境中持续学习和优化,其学习曲线容易趋于平缓,这是亟待解决的重要问题。 综上,AI发展已迈过关键可靠性门槛,进入自我加速阶段,同时为垂直领域的深度应用与集成创造了巨大机遇与挑战。

marsbit3小时前

Anthropic全球警告,OpenAI已跨“可靠性阈值”:AI自我加速启动

marsbit3小时前

交易

现货
合约
活动图片