Analisis: Ethereum mengalami rebound namun menghadapi hambatan makro, data derivatif dan indikator on-chain menunjukkan sentimen pasar yang hati-hati
PANews 6 Maret melaporkan, menurut Cointelegraph, meskipun Ethereum rebound 22% dari level terendah $1.800 pada 24 Februari, pergerakan harganya masih dipengaruhi oleh faktor makro. Premi tahunan futures ETH jauh di bawah ambang netral 5%, dan indikator skew opsi naik menjadi 7%, menunjukkan bahwa trader profesional tetap berhati-hati, sehingga menambah ketidakpastian di pasar.
Data on-chain menunjukkan volume perdagangan mingguan DEX di jaringan Ethereum turun dari $20,2 miliar sebulan lalu menjadi $12,6 miliar, dan pendapatan mingguan DApp turun 47% secara mingguan menjadi $14,1 juta. Meskipun indikator on-chain melemah, Ethereum tetap mendominasi dalam total nilai terkunci (TVL), termasuk Layer 2, dengan hampir 65% dari total TVL pasar blockchain. TVL mainnet Ethereum mencapai $55,4 miliar, jauh melampaui pesaing utamanya Solana yang sebesar $6,8 miliar, mencerminkan preferensi investor institusi terhadap desentralisasi.
Disclaimer: Konten pada artikel ini hanya merefleksikan opini penulis dan tidak mewakili platform ini dengan kapasitas apa pun. Artikel ini tidak dimaksudkan sebagai referensi untuk membuat keputusan investasi.
Kamu mungkin juga menyukai

Chip AI buatan Meta sendiri akan diterapkan pada paruh pertama tahun depan, bertujuan untuk menurunkan biaya dan mengurangi ketergantungan pada Nvidia.
Meta akan mulai menggunakan chip AI generasi ketiga yang dikembangkannya sendiri, MTIA 450, di pusat data pada paruh pertama tahun depan, sementara generasi keempat diperkirakan akan memasuki pusat data pada akhir tahun 2027. Dalam 12 bulan ke depan, komitmen Meta untuk distribusi chip buatannya sendiri telah melebihi setara konsumsi listrik 1 GW. Wakil Presiden Teknik Meta, Yee Jiun Song, menyatakan bahwa dibandingkan dengan produk yang saat ini dikirim oleh Nvidia, chip buatan sendiri memiliki efisiensi yang lebih tinggi dan konsumsi energi yang lebih rendah saat menjalankan model AI.
