Áp lực bán Bitcoin 'gần cạn kiệt' sau khi vốn hóa th ị trường USDT giảm 4 tỷ USD: CryptoQuant
Stablecoin lớn nhất Tether (USDT) đã mất 4 tỷ USD vốn hóa thị trường chỉ trong hai tháng, nhưng lịch sử cho thấy đợt sụt giảm này gần như đã chạm đáy.
Những điểm chính:
- Vốn hóa thị trường của Tether giảm liên tục 60 ngày gần 4 tỷ USD, là một trong những đợt sụt mạnh nhất.
- Phân tích cho thấy áp lực bán mạnh của thị trường gấu có thể đã qua giai đoạn căng thẳng nhất.
- So sánh với thị trường gấu năm 2022 cho thấy chỉ báo RSI tiếp tục có sự phân kỳ.
Đợt sụt giảm của USDT khiến nghi ngờ về “gia tốc” bán tháo Bitcoin
Nền tảng phân tích onchain CryptoQuant đã đăng blog tuần trước, cảnh báo rằng vốn hóa Tether đang “trải qua một trong những giai đoạn giảm mạnh nhất từng ghi nhận”.
“Đà suy giảm thậm chí còn tăng tốc ở biên: gần 870 triệu USD nguồn cung USDT đã biến mất trong 11 ngày gần đây nhất, cho thấy sự sụt giảm không chỉ là hậu quả kéo dài của các đợt mua lại trước đó,” các nhà phân tích nhận định.
Dữ liệu CryptoQuant ghi nhận đường trung bình động đơn giản (SMA) 30 ngày của biến động vốn hóa USDT trong 60 ngày ở mức âm 4,88 tỷ USD tính đến ngày 10 tháng 8.
Mức độ sụt giảm này gợi nhớ lại các thị trường gấu crypto trước đây và sánh ngang với những lần lớn nhất từng có. Mức nghiêm trọng này có tác động đến Bitcoin và sự phục hồi của toàn thị trường. Stablecoin cung cấp nguồn thanh khoản then chốt, khi dòng tiền này cạn kiệt thì nguồn vốn hoặc “sức bật” để triển khai cũng giảm, cho thấy nhà đầu tư ít quan tâm mua vào ở mức giá hiện tại.
“Điều cần lưu ý là tương quan giữa dòng tiền USDT và giá BTC không cho thấy mối quan hệ nhân quả. Cả hai nhiều khả năng cùng phản ứng với các điều kiện phòng thủ rủi ro, khi đợt mua lại gia tăng diễn ra đồng thời với bán giao ngay, thay vì dẫn đầu,” nhóm phân tích CryptoQuant cho biết. Họ bổ sung:
“Các giai đoạn USDT tăng trưởng bền vững thường trùng với những chu kỳ tăng giá mạnh của Bitcoin, trong khi các đợt sụt giảm kéo dài lại gắn với nhu cầu yếu, điều chỉnh sâu và điều kiện thị trường xấu đi.”
Giai đoạn giảm vốn hóa mạnh nhất trong 60 ngày của USDT hoàn thành vào ngày 13 tháng 7, khi đạt mức âm 5,72 tỷ USD.
Khi nhìn xa hơn, CryptoQuant lưu ý rằng các pha co rút vốn hóa rõ rệt nhất trong lịch sử thường xảy ra ở các giai đoạn cuối của những đợt suy giảm thị trường vĩ mô.
“Theo lịch sử, các pha sụt giảm vốn hóa USDT sâu nhất của thị trường cũng đánh dấu các thời điểm khi áp lực bán đang tiến gần đến kiệt sức hơn là tiếp tục tăng tốc,” báo cáo nhấn mạnh.
Chỉ báo RSI hàng tuần cho tín hiệu phân kỳ giống thời điểm đảo chiều năm 2022
Các phát hiện này bổ sung thêm bằng chứng cho thấy thị trường gấu hiện tại có thể đang đi vào những giai đoạn cuối cùng.



Tuyên bố miễn trừ trách nhiệm: Mọi thông tin trong bài viết đều thể hiện quan điểm của tác giả và không liên quan đến nền tảng. Bài viết này không nhằm mục đích tham khảo để đưa ra quyết định đầu tư.
Bạn cũng có thể thích
LVMH giảm 37% trong năm, từng là cổ phiếu giá trị lớn nhất châu Âu, hiện đã rớt khỏi top 10.
Vào thứ Ba, cổ phiếu của LVMH đã giảm 2,6%, vốn hóa thị trường giảm xuống còn 201 tỷ euro (khoảng 232 tỷ đô la), thấp hơn một chút so với L'Oréal và lần đầu tiên kể từ năm 2017 rơi khỏi top 10 châu Âu. Năm nay, cổ phiếu LVMH đã giảm tổng cộng 37%, trở lại mức từng thấy khi các cửa hàng toàn cầu phải đóng cửa do lệnh phong tỏa vì đại dịch. Khi nhu cầu hàng xa xỉ suy giảm, nhiều ngân hàng đầu tư đã hạ xếp hạng đối với LVMH.

Becent: Cam kết duy trì sự ổn định và chiều sâu cho thị trường trái phiếu chính phủ Mỹ
Meta tự phát triển chip AI, dự kiến triển khai vào nửa đầu năm sau nhằm giảm chi phí và giảm sự phụ thuộc vào Nvidia
Meta sẽ bắt đầu triển khai chip AI tự nghiên cứu thế hệ thứ ba MTIA 450 tại các trung tâm dữ liệu vào nửa đầu năm sau, trong khi thế hệ thứ tư dự kiến sẽ được đưa vào trung tâm dữ liệu vào cuối năm 2027. Trong 12 tháng tới, cam kết triển khai chip tự nghiên cứu của Meta đã vượt quá lượng điện tương đương 1 gigawatt. Ông Yee Jiun Song, Phó Chủ tịch kỹ thuật của Meta, cho biết so với các sản phẩm hiện tại của Nvidia, chip tự nghiên cứu của họ hiệu quả hơn và tiêu thụ ít năng lượng hơn khi vận hành các mô hình AI.
