CryptoQuant cita il calo della crescita delle partecipazioni dei whale di bitcoin come indicatore ribassista
Il tasso di crescita mensile in calo delle riserve dei whale di bitcoin è un indicatore ribassista per il prezzo dell'asset digitale, secondo il fornitore di dati onchain CryptoQuant.
Il rapporto settimanale di CryptoQuant mostra che la variazione percentuale su 30 giorni delle riserve dei whale è scesa dal 6% di febbraio all'attuale tasso di crescita dell’1%.
Il rapporto afferma che il calo di appetito dei grandi detentori di bitcoin è un segnale ribassista di mercato. "Storicamente, un tasso di crescita mensile superiore al 3% nelle riserve dei whale è stato associato a un aumento dei prezzi di bitcoin, cosa che al momento non sta avvenendo," hanno dichiarato gli analisti di CryptoQuant.
La domanda complessiva di bitcoin scende in territorio negativo
Il rapporto si concentra su una delle metriche di CryptoQuant chiamata “domanda apparente”. Si tratta della differenza tra la sovvenzione totale giornaliera dei blocchi bitcoin e la variazione giornaliera del numero di bitcoin che non si sono mossi da almeno un anno.
"Nel complesso, la domanda apparente di bitcoin è rallentata sensibilmente dall’inizio di aprile, quando l’asset digitale era scambiato a 70.000 dollari. La domanda è passata da una crescita su 30 giorni di 496.000 bitcoin, il livello più alto da gennaio 2021, all’attuale crescita negativa di 25.000," si legge nel rapporto.
Gli analisti di CryptoQuant hanno evidenziato dati che mostrano come, con il rallentamento della domanda, i prezzi di bitcoin siano scesi da circa 70.000 dollari a inizio giugno fino a un minimo di 49.000 dollari il 5 agosto. "Sarebbe necessario vedere nuovamente un'espansione della domanda apparente affinché i prezzi si riprendano," hanno aggiunto gli analisti.
Il rapporto di CryptoQuant ha aggiunto che il calo della domanda è evidente anche nel minor premio di prezzo per bitcoin su Coinbase.
"All’inizio del 2024, il premio di prezzo per bitcoin scambiato su Coinbase aveva raggiunto lo 0,25%, in concomitanza con una forte domanda per bitcoin, come evidenziato nei grafici precedenti, e maggiori acquisti da parte degli exchange-traded fund. Tuttavia, da allora il premio è in diminuzione e attualmente si attesta allo 0,01%, indicando che la domanda di bitcoin negli Stati Uniti si sta indebolendo," hanno dichiarato gli analisti di CryptoQuant.
Esclusione di responsabilità: il contenuto di questo articolo riflette esclusivamente l’opinione dell’autore e non rappresenta in alcun modo la piattaforma. Questo articolo non deve essere utilizzato come riferimento per prendere decisioni di investimento.
Ti potrebbe interessare anche
LVMH è scesa del 37% quest'anno: una volta era la società con la maggiore capitalizzazione di mercato in Europa, ora è uscita dalla top ten.
Martedì, il prezzo delle azioni di LVMH è sceso del 2,6%, portando la capitalizzazione di mercato a 201 miliardi di euro (circa 232 miliardi di dollari), leggermente inferiore a quella di L’Oréal, uscendo così per la prima volta dalla top ten europea dal 2017. Quest'anno il titolo LVMH ha registrato un calo complessivo del 37%, tornando ai livelli raggiunti quando la chiusura globale dei negozi era stata causata dalla pandemia. Con il calo della domanda per i beni di lusso, diverse banche d'investimento hanno già abbassato il rating di LVMH.

Meta implementerà i suoi chip AI auto-sviluppati nella prima metà del prossimo anno, con l'obiettivo di ridurre i costi e diminuire la dipendenza da Nvidia.
La terza generazione del chip AI sviluppato internamente da Meta, MTIA 450, sarà implementata nei data center nella prima metà del prossimo anno, mentre la quarta generazione è prevista per entrare nei data center entro la fine del 2027. Negli ultimi 12 mesi, Meta si è impegnata a una capacità di distribuzione di chip proprietari equivalente a oltre 1 gigawatt di consumo energetico. Secondo Yee Jiun Song, vicepresidente dell’ingegneria presso Meta, rispetto ai prodotti attualmente distribuiti da Nvidia, i chip proprietari di Meta offrono maggiore efficienza e consumano meno energia nell’esecuzione dei modelli di AI.
