美国证交会就灰度加密货币ETF期权上市提案启动程序

ambcrypto發佈於 2026-04-09更新於 2026-04-09

文章摘要

美国证券交易委员会(SEC)已启动正式程序,决定是否批准在灰度CoinDesk Crypto 5 ETF(GDLC)上上市和交易期权的提案,显示出对加密货币衍生品持续保持审慎态度。该ETF主要追踪比特币和以太坊等一篮子主流加密资产,并包含XRP、Solana和Cardano等配置。SEC强调此举并非最终决定,而是进入审查下一阶段,旨在进一步评估该提案是否符合《证券交易法》要求,特别是防范欺诈和保护投资者的条款。监管机构要求公众就是否具备足够市场防操纵措施及投资者保护机制提出意见。若获批,这类期权将推动加密货币市场结构进一步复杂化,但SEC的谨慎态度反映出其对加密相关产品市场完整性和潜在操纵风险的持续关注。目前未明确最终决定时间表。

美国证券交易委员会已启动正式程序,决定是否批准在灰度CoinDesk加密货币5 ETF上上市和交易期权的提案,这表明对加密货币相关衍生品持续保持谨慎态度。

此举并不代表对该提案做出决定,而是标志着审查流程进入下一阶段,监管机构在做出最终决定前寻求额外分析和公众意见。

提案瞄准多资产加密货币ETF期权

由NYSE American提交的申请寻求批准上市灰度CoinDesk加密货币5 ETF [GDLC]的期权,该基金旨在追踪一篮子主要数字资产。

根据申报文件,该ETF主要权重偏向比特币和以太坊,同时少量配置XRP、Solana和Cardano

拟议的期权将采用实物交割,并根据现有交易所规则进行交易,适用标准监控和报告机制。

SEC表示需要进一步审查

SEC在命令中表示,启动程序是为了评估该提案是否符合《证券交易法》的要求,特别是在防止欺诈和保护投资者方面。

监管机构特别征求关于交易所是否提供充分分析以证明该产品不易被操纵以及现有保障措施是否足够的意见。

重要的是,SEC指出启动程序并不表示对提案有任何结论,而是反映了需要进一步考虑相关法律和政策问题。

衍生品扩张遭遇监管谨慎

该提案凸显了美国加密货币市场结构的持续演变,产品正逐渐从现货ETF向更复杂的衍生品扩展。

多资产加密货币ETF期权将代表市场复杂化的另一个层面,它允许交易者通过传统金融工具对冲或投机更广泛的数字资产敞口。

然而,SEC的谨慎态度突显了对市场完整性以及加密货币相关产品潜在操纵风险的持续担忧。

后续步骤

委员会已邀请公众就该提案发表评论,包括其是否符合投资者保护标准。

最终决定将在审查期结束后做出,但除提交的程序截止日期外未指定具体时间表。

目前,该申请反映了美国加密货币监管的常见模式:渐进式进展与持续审查并存。


最终总结

  • SEC已就多资产加密货币ETF期权上市提案启动程序,标志着加密货币衍生品的进一步扩张
  • 此举反映了持续的监管谨慎态度,对市场操纵和投资者保护的担忧仍然是决策的核心

相關問答

Q美国证券交易委员会(SEC)针对哪只ETF的期权上市提案启动了正式程序?

A美国证券交易委员会(SEC)针对灰度CoinDesk Crypto 5 ETF(GDLC)的期权上市提案启动了正式程序。

Q灰度CoinDesk Crypto 5 ETF主要追踪哪些数字资产?

A该ETF主要追踪一篮子主要数字资产,其权重主要集中在比特币(Bitcoin)和以太坊(Ethereum),并包含较小比例的瑞波币(XRP)、Solana和Cardano。

QSEC启动这一程序的主要目的是什么?

ASEC启动这一程序是为了进一步评估该提案是否符合《证券交易法》的要求,特别是关于防止欺诈和保护投资者的规定。SEC需要更多的分析和公众意见,尚未做出任何决定。

Q拟议的期权将如何结算?

A拟议的期权将是实物交割(physically settled)的,并将按照现有的交易所规则进行交易,同时适用标准的监控和报告机制。

QSEC的此举反映了其对加密货币相关产品持何种态度?

ASEC的此举反映了其对加密货币相关衍生品持续谨慎的态度,表明监管机构对市场完整性和潜在操纵风险仍然存在担忧,在批准新产品时坚持严格的投资者保护标准。

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