美联储撤回加密货币政策,银行获得更多自由

bitcoinist發佈於 2025-12-18更新於 2025-12-18

文章摘要

2025年4月24日,美联储宣布撤销此前针对银行处理加密货币和美元代币的专项监管规定。今后,银行将按常规方式接受监管,而不再遵循单独的加密货币政策。此次调整同时涉及联邦存款保险公司(FDIC)和货币监理署(OCC)撤销2023年关于加密货币风险的联合声明。 新政策允许银行在符合风险管理标准的前提下,自由开展加密货币托管、交易及结算等业务,无需事先通知或获得批准。此举旨在消除重复性审批流程,为银行(包括未投保的加密银行)提供更清晰的创新路径,同时将其加密业务纳入常规监管体系。市场分析认为,新规有望加速金融机构对数字资产服务的探索与应用。

美联储于2025年4月24日宣布,将撤回此前针对银行处理加密货币和美元代币的监管规定。即日起,银行将按照传统监管方式接受监督,而不再需要遵守单独的加密货币政策要求。

银行加密业务审批流程提速

被撤销的规定包括:2022年要求州成员银行开展加密业务前必须通知美联储的指导函,以及2023年要求银行必须获得事先批准才能处理美元代币的政策声明。这些规定此前阻止了部分小型银行(尤其是未投保的加密专项机构)开立美联储账户或使用支付系统。

其他监管机构同步采取了行动。联邦存款保险公司(FDIC)和货币监理署(OCC)也撤销了两份2023年发布的关于加密货币风险的联合声明。这些声明曾警示加密银行领域存在的流动性和治理风险。撤回声明后,银行在提供加密服务时面临的正式程序障碍将减少。

美联储新指导框架

美联储表示,2025年12月17日发布的新指导方针为投保和未投保的州成员银行提供了探索加密货币等创新业务的清晰路径,只要这些机构符合美联储的风险管理标准。


加密业务纳入常规监管体系

美联储表示将继续监督银行的加密业务,但将通过常规监管流程实施。银行开展加密活动(包括数字资产托管、交易或结算)不再需要额外报备或获取事前批准。此次并未新增规定,只是将加密业务纳入现有监管框架。

加密货币总市值现报2.9万亿美元 图表来源:TradingView

关键时间节点与行动

2025年4月24日为关键生效日期。当日美联储撤回了2022-2023年间发布的指导函及两份2023年跨部门联合声明,这些文件此前规定了银行加密业务的报批流程。此次调整直接将加密活动并入常规银行监管体系。

美国联邦储备系统 图片来源:TuftsNow

对银行与市场的影响

由于无需再遵守旧规,银行在提供加密服务方面获得更大自主权,能够快速开发、测试和管理数字资产。不过美联储仍将持续关注银行的风险管理状况。

虽然此次调整未完全取消监管要求,但消除了过去因重复文书工作和审批程序形成的制度壁垒。

头图来源:Unsplash,图表来源:TradingView

相關問答

Q美联储于何时宣布取消银行处理加密货币和美元代币的特定规则?

A2025年4月24日。

Q被撤销的规则包括哪些具体文件?

A包括2022年要求州成员银行在处理加密货币前通知美联储的信函,以及2023年要求银行在处理美元代币前获得批准的信函。同时,FDIC和OCC也撤销了两份关于加密货币风险的2023年联合声明。

Q新政策下,银行在开展加密货币活动时是否需要提前获得批准?

A不需要。银行不再需要发送额外通知或事先获得批准,即可开展数字资产的托管、交易或结算等活动。

Q美联储将通过何种方式继续监督银行的加密货币业务?

A通过常规的监管流程进行监督,而不是单独的以加密货币为重点的要求。

Q这一政策变化对银行的主要影响是什么?

A银行在提供加密货币服务方面拥有更多自由,不再受旧规限制,能够更快地开发、测试和管理数字资产,同时减少了文书工作和批准流程的重复性障碍。

你可能也喜歡

大模型能写出工业级优化算法吗?MIT提出FrontierOR给AI设下考场

麻省理工学院等机构的研究者推出了FrontierOR基准,用于评估大语言模型(LLM)设计大规模优化算法的能力。该基准不同于传统测试建模或调用求解器的任务,重点考察LLM能否像运筹学(OR)专家一样,针对复杂工业问题结构,自主设计出可扩展、高效且高质量的算法,例如分解、启发式搜索或混合策略。 FrontierOR包含180个源自OR学术文献的真实任务,并筛选出50个更具挑战性的“Hard”子集。评测采用两阶段流程:首先生成的算法需通过小实例的可行性预筛,然后在工业级规模的大实例上评估其解质量、速度及综合质效(QTE)。 实验结果显示,顶尖模型如GPT-5.3、Claude Opus 4.6等,在代码可执行性上已接近上限,但要在Hard任务上生成同时满足高质量和高速度的算法仍很困难。分析表明,能力较强的模型已减少基础建模错误,失败模式转向搜索深度与策略设计不足。此外,研究测试了三种自演化框架(如CORAL),发现通过迭代优化,LLM生成的算法性能可显著提升,在部分最难任务上QTE指标能从0.15提升至0.50。 这项工作标志着LLM-for-OR的研究重心正从“能否建模”转向“能否设计算法”,为开发能自主设计优化算法的AI智能体指明了方向,未来可能在供应链、能源、交通等领域实现更智能的决策支持系统。

marsbit1 小時前

大模型能写出工业级优化算法吗?MIT提出FrontierOR给AI设下考场

marsbit1 小時前

交易

現貨
活动图片