Flow數據顯示,根據CryptoQuant 的累積買/賣差額,Bitcoin ETF資金流入正在吸走流動性,山寨幣賣壓達到五年來極端水平。
山寨幣拋壓達到極端,源於流動性遷移與淨拋售
山寨幣的拋售已達到五年來的極端水平,市場結構顯示這是一場持續的淨分發,而非短暫的回調。這一趨勢與流動性向市值最高、對機構最友好的資產轉移相吻合。
根據IT Tech的數據,過去13個月,除Ethereum ETH -5.54% 外的山寨幣累積買/賣差額約為負2090億美元,顯示現貨市場持續淨拋售。該指標聚合了現貨市場的taker端流向,用以顯示長期內買方還是賣方占據主導;若長期出現負值,意味著需求持續短缺。
這一背景表明市場正處於結構性輪動,而非週期性暫停。隨著流動性集中於市場頂端,願意承擔風險的交易對手減少,非Bitcoin BTC -4.68% 交易對的深度依然稀薄,價格衝擊顯著升高。
意義何在:Bitcoin ETF資金流入、流動性枯竭、山寨幣表現不佳
根據Bloomberg高級ETF分析師Eric Balchunas的說法,強勁的現貨Bitcoin ETF資金流入,正在吸納本可能流向高Beta山寨幣的加密資本。機構對受監管Bitcoin敞口的集中需求,機械性地壓縮了長尾代幣的風險溢價。
據Cointelegraph報導,企業數字資產金庫已吸收約800億美元的散戶資本,這些資本過去常常助推山寨幣投機,進一步強化了流動性流失的觀點。這種分流有助於解釋市場廣度減弱、掛單本薄,以及山寨幣行情在間歇性反彈時難以持續的現象。
編輯觀點來看,這種流動性遷移視角,有助於將以ETF為中心的資金流入與山寨幣現貨長期負流向的信號聯繫起來。10x Research表示:「流動性、動能與信心都已遷移他處,山寨幣市場異常安靜。」
截至撰寫時,Ethereum報價約2,018.84美元,30天波動率約18.04%。現價低於其50日簡單移動均線2,731.34美元與200日均線3,254.75美元,14日RSI為35.51,在過去30個交易日中有13日收高。
接下來需關注什麼及可能的市場情境
關鍵指標:BTC主導率、Bitcoin ETF資金流、CryptoQuant累積買/賣差額
BTC主導率:若持續升高,意味資本進一步集中於Bitcoin並遠離小型代幣,這符合市場防禦階段。若停滯或反轉,則可能預示市場廣度有望回升。
Bitcoin ETF淨流入:若持續出現正值且山寨幣現貨成交量低迷,則印證流動性仍然集中。若流入放緩或出現流出,則壓力可望舒緩,市場表現有望擴散。
累積買/賣差額:若趨於穩定且負值收斂,意味山寨幣現貨賣家已現疲態。若創新低或負值擴大,則表明淨分發繼續、反彈脆弱。
情境推演:賣方疲憊對比10x Research流動性轉移下的持續流出
賣方疲憊:若BTC主導率趨於平穩,ETF流入回歸常態,現貨賣出失衡收斂,山寨幣有望迎來喘息,領漲者可能是流動性佳、監管前景較明朗的主流代幣。任何改善都可能是漸進且依賴數據的。
持續流出:若Bitcoin ETF持續吸引超額資金流入,企業金庫保留本應流向山寨幣的資本,則山寨幣弱勢或將延續。在這種情況下,反彈易迅速消退,因流動性仍集中且現貨拋壓持續。
免責聲明:文章中的所有內容僅代表作者的觀點,與本平台無關。用戶不應以本文作為投資決策的參考。
您也可能喜歡
美股錯過了眼前的「好消息」?盈利預期罕見上調,策略師:基本面強得「不像真的」
Seaport Research Partners認為,美股正面臨企業盈利與股價表現的明顯背離:第二季盈利強勁,分析師預期持續上修,但高利率與盈利持續性的擔憂壓抑估值,工業、交通運輸等板塊可能存在錯價機會。不過,如果聯準會重新釋放升息信號,短期內仍可能對股市帶來壓力。
美國中選在即,華爾街押注國會分裂,市場或迎來溫和喘息?
美國中期選舉臨近,華爾街普遍押注民主黨奪回眾議院、共和黨守住參議院的「分裂國會」格局,認為這將限制激進政策、緩解不確定性。歷史數據顯示,自1950年以來,共和黨總統任內出現分裂國會時,美股年均漲幅達13.7%,高於共和黨或民主黨單獨掌控國會時的8.3%和4.9%。若選舉結果偏離預期,市場仍可能劇烈波動。
美股知名投資人Eric Jackson加入盛大科技(SDA.US)顧問委員會 協助公司國際化戰略與投資者關係建設
EMJ Capital 創始人、知名科技投資人 Eric Jackson 正式加入公司顧問委員會。

AI推理時代「光互連」需求爆棚!「站在光裡」的Lumentum (LITE.US)搶跑NPO、擴容OCS 迎接盈利躍升時刻
從底層工程角度來看,光互連需求的增長來自更多計算節點之間更頻繁、更嚴格的數據交換:混合專家模型(MoE)的專家並行需要跨GPU分發和彙總數據;預填充與解碼分離(Prefill–Decode Disaggregation)需要傳輸鍵值快取(KV Cache);複雜智能體工作流增加模型調用、工具執行和數據訪問的併發量。

