比特币暴跌冲击公共退休基金,市值大幅缩水

TheNewsCrypto發佈於 2026-02-05更新於 2026-02-05

文章摘要

美国11只主要公共养老基金因投资与比特币挂钩的微盘股Strategy股票遭受重大未实现亏损。其持有的近180万股Strategy股票当前价值2.4亿美元,较最初5.77亿美元缩水3.37亿美元,跌幅达58%。过去六个月该股票价格下跌约67%,多数养老基金亏损接近60%。 纽约州共同退休基金亏损比例近60%,佛罗里达州管理委员会未实现亏损超4000万美元,威斯康星、北卡罗来纳等州养老基金均出现类似跌幅。这些基金通过投资高杠杆比特币关联股间接暴露风险,在比特币价格持续走低时加剧亏损。 该事件表明杠杆化比特币相关股票可能为长期退休投资组合注入巨大波动性,未来基金管理人或需重新评估此类高波动性替代投资与传统资产的配置关系。

美国11支主要公共养老基金目前报告称,其持有的比特币关联微盘股Strategy股份出现重大未实现亏损。这些基金合计持有的近180万股Strategy股份当前价值2.4亿美元,较此前5.77亿美元大幅缩水。根据Fintel数据,市场信息显示这相当于3.37亿美元的账面损失。

综合报告显示,Strategy股票在过去六个月下跌约67%。多数养老基金较初始投资价值下跌近60%。该价格走势反映出加密市场整体的极端波动性。由于持有比特币的杠杆属性,在数字资产下跌时加剧了损失。

养老基金风险敞口明细

纽约州共同退休基金持有最大头寸之一,其价值已损失近60%。佛罗里达州行政管理委员会同样面临超过4000万美元的重大未实现亏损。威斯康星州公共养老基金持仓价值下跌约60%,反映出普遍趋势。北卡罗来纳、新泽西、犹他、肯塔基和马里兰等其他州基金也报告类似跌幅。密歇根养老基金是唯一例外,其头寸较小且受影响较轻。

此次集体下跌揭示了通过Strategy等股票间接持有比特币的风险。即便未直接投比特币,这些投资仍可能导致退休储蓄受损。养老基金管理人此前热衷将Strategy作为比特币价格回报的高贝塔替代投资,从而进行投资。随着比特币价格持续走低,该替代股票急剧下跌并造成账面损失。

市场与Strategy背景

Strategy管理层曾采取募集股权基金购买比特币的策略,从而在传统市场形成杠杆风险敞口。该策略在市场乐观时期表现成功,但在价格下跌期间加剧了损失。随着加密市场整体降温,市场对杠杆式比特币投资的态度已转冷。

由于比特币价格剧烈回调,美国公共养老基金在Strategy股票上遭遇重大未实现亏损。账面损失约3.37亿美元,多数头寸下跌约60%。这表明杠杆化比特币相关股票可能为长期退休投资组合带来巨大波动。未来基金管理者或需重新评估高波动性替代投资相较于传统资产对退休保障的影响。

加密新闻要点:

币安回应伪造法律函件 否认破产指控

标签比特币比特币(BTC比特币(BTC)区块链BTC交易所基金策略美国

相關問答

Q哪些美国公共养老基金因比特币相关投资遭受重大未实现亏损?

A纽约州共同退休基金、佛罗里达州管理委员会、威斯康星州公共养老基金,以及北卡罗来纳州、新泽西州、犹他州、肯塔基州和马里兰州的其他州基金均报告了类似亏损。密歇根州的养老计划是唯一受影响较小的例外。

Q这些养老基金通过什么方式间接投资比特币?

A这些养老基金通过投资微盘股Strategy的股票来间接投资比特币。Strategy公司采用筹集股权资金购买比特币的策略,从而在传统市场中提供杠杆化的比特币风险敞口。

Q这些养老基金的总亏损金额是多少?

A根据Fintel的数据,这些养老基金持有的近180万股Strategy股票目前价值2.4亿美元,较之前的5.77亿美元大幅下降,未实现亏损达3.37亿美元。

QStrategy股票价格下跌的主要原因是什么?

AStrategy股票价格下跌主要由于比特币价格大幅回调,其杠杆化的比特币持有放大了损失。过去六个月该股票下跌约67%,反映了加密市场的极端波动性。

Q这次事件对养老基金管理策略可能产生什么影响?

A此次亏损事件可能导致养老基金管理人重新评估高波动性代理投资(如比特币相关股票)在退休投资组合中的使用,与传统资产相比,这类投资可能带来过大风险。

你可能也喜歡

越过“内存墙”,AI推理时代的晶圆级革命与算力路线

2026年,AI产业进入新拐点:全球主要云厂商的推理资本支出首次超过训练。这意味着算力需求核心从“炼模型”转向“用模型”,瓶颈也从计算规模变为“内存墙”——即数据在GPU与片外存储间搬运带来的高能耗与延迟。 为突破内存墙,Cerebras公司选择了“晶圆级计算”的激进路线。其核心产品WSE-3不切割晶圆,直接制成超大芯片,集成90万个AI核心和44GB片上SRAM,带来远超传统GPU(如英伟达B200)的片上内存带宽。其架构将模型权重存储于片外MemoryX,按需流式传输至芯片计算,从而在LLM推理,尤其是首token延迟和长上下文任务中展现出显著优势,token生成速率可达GPU的1.5-5倍。同时,其芯片内互联功耗也远低于当前GPU。 但这种极致物理优化也带来挑战:通过先进制程提升SRAM容量的路径已近天花板;整片晶圆发热量大,需专用液冷;片外I/O带宽有限,难以高速扩展形成大规模集群;软件生态也与主流CUDA不兼容。 与此同时,行业巨头正通过多条路径围剿:1)自研ASIC推理芯片(如谷歌TPU、微软Maia);2)利用台积电SoW等先进封装技术将“晶圆级”能力通用化、平民化;3)探索光互联/光计算作为终极解决方案。 Cerebras还面临商业转型的挑战,巨额订单迫使其从芯片商转向云服务商,需快速建设专用数据中心,交付压力巨大。 最终,AI推理时代的算力架构呈现路线分野:Cerebras向左,追求单任务下的极致低延迟;英伟达向右,以通用性应对多变负载。技术变革仍在继续,谁将主导未来,尚无定论。

marsbit1 小時前

越过“内存墙”,AI推理时代的晶圆级革命与算力路线

marsbit1 小時前

交易

現貨
合約
活动图片