✍️ Gate 廣場「創作者認證激勵計劃」進行中!
我們歡迎優質創作者積極創作,申請認證
贏取豪華代幣獎池、Gate 精美周邊、流量曝光等超過 $10,000+ 豐厚獎勵!
立即報名 👉 https://www.gate.com/questionnaire/7159
📕 認證申請步驟:
1️⃣ App 首頁底部進入【廣場】 → 點擊右上角頭像進入個人主頁
2️⃣ 點擊頭像右下角【申請認證】進入認證頁面,等待審核
讓優質內容被更多人看到,一起共建創作者社區!
活動詳情:https://www.gate.com/announcements/article/47889
Bitwise、Avalanche推出现貨ETP……瞄準質押收益
比特幣資產管理公司推出Avalanche(AVAX)現貨交易所交易產品(ETP),在為投資者提供AVAX價格敞口的同時,還提供「質押」收益機會。
該產品將其持有資產的約70%通過自身基礎設施進行質押,剩餘30%則留作贖回和運營資金以確保流動性。
13日據CoinTelegraph報導,該產品已在紐約證券交易所(NYSE)以「BAVA」為代碼開始交易,首個交易日收盤價為每股25.50美元,較前一日上漲約1.5%。同期Avalanche(AVAX)上漲1.8%,至9.52美元。
Bitwise將該產品的管理費定為0.34%。但在首個1個月內,對最初50億美元資產免收管理費。此外,產品設計為將包含質押獎勵在內的淨投資收益定期分配給投資者。
其核心並非簡單的現貨敞口,而是通過將持有資產用於網絡驗證以獲得額外獎勵。Bitwise通過其自有的質押部門「Bitwise Onchain Solutions」運營此項業務,據稱Avalanche的年化質押收益率約為5.4%。
Avalanche是一個主打快速處理速度和低延遲的第一層(Layer1)區塊鏈。其在代幣化和企業驗證項目中的應用範圍正在擴大,並且持續進行與FIFA相關項目、懷俄明州的穩定幣構想以及豐田、貝萊德等大型企業及資產管理公司相關聯的嘗試。
Avalanche產品的推出可被視為近期接連出現的相關資產管理擴大趨勢的延伸。此前,納斯達克已於上週向美國證券交易委員會(SEC)提交了VanEck Avalanche Trust的上市申請。圍繞Avalanche的機構需求正得到切實確認。
比特幣持有擴大趨勢
另一方面,虛擬資產現貨ETF及上市公司的持有量正在快速吸收比特幣(BTC)的流通供應量,這也引起了市場關注。據BitBO.io數據,比特幣ETF持有超過129萬枚BTC,略高於總流通量的6%。若加上上市公司持有的117萬枚,ETF和企業持有量合計占比達到約12%。
比特幣持有競爭也蔓延至資產管理公司和銀行。貝萊德(BlackRock)的iShares Bitcoin Trust持有最多的比特幣,約79.1萬枚,保持領先地位,灰度比特幣信託緊隨其後。上市公司中,由Michael Saylor領導的MicroStrategy持有約78.0897萬枚BTC,保持著其作為代表性比特幣財務公司的地位。
政府的持有量也不容小覷。據統計,包括美國、中國、英國在內的各國政府總計持有64.987萬枚BTC。不過,比特幣價格自10月高點12.6萬美元水平回落,目前徘徊在7.51萬美元左右。
Avalanche現貨ETP的出現表明,基於山寨幣的機構產品正超越單純的價格追蹤,向「收益創造型」結構演進。同時,比特幣(BTC)現貨ETF和企業財務吸收供應的趨勢,也暗示著加密市場正逐漸融入傳統金融的資產配置邏輯。
文章摘要 by TokenPost.ai 🔎 市場解讀 Bitwise推出AVAX現貨ETP,表明山寨幣投資產品正超越單純的價格追蹤,向「收益創造型結構」演進。機構資金不僅流向比特幣,也擴散至第一層(Layer1)生態的趨勢得到確認。
💡 策略要點 附加質押收益(約5.4%)的結構對長期持有投資者具有吸引力。但預計也會有利用30%流動性結構和初期費用免除條件的短期資金流入。機構需求能否擴大是AVAX中長期價格的關鍵變數。
📘 術語解釋 ETP:在交易所像股票一樣交易的投資產品 質押:參與區塊鏈網絡驗證並獲得獎勵的方式 第一層(Layer1):擁有自身主區塊鏈的獨立網絡
💡 常見問題 (FAQ)
Q. AVAX現貨ETP與現有ETF有何不同? 結構上類似,但本產品的特點在於超越了單純持有資產,通過質押創造額外收益。即可以同時瞄準價格上漲和網絡獎勵。 Q. 質押收益穩定嗎? 質押收益率會根據網絡狀況和參與率變動。目前約為5%水平,但並非固定利率,可能隨市場環境或驗證參與情況的變化而改變。 Q. 機構為何向AVAX等山寨幣擴展? 這是因為超越比特幣、投資多樣化區塊鏈生態的需求正在增長。特別是代幣化、企業合作等實際應用案例增多的網絡,在機構看来被評估為新的增長資產。
TP AI 注意事項 使用基於TokenPost.ai的語言模型對文章進行了摘要。正文的主要內容可能被省略或與事實不符。