12 月 ETH 价格预测 · 发帖挑战 📈
12 月降息预期升温,ETH 热点回暖,借此窗口期发起行情预测互动!
欢迎 Gate 社区用户 —— 判趋势 · 猜行情 · 赢奖励 💰
奖励 🎁:预测命中的用户中抽取 5 位,每位 10 USDT
时间 📅:预测截止 12 月 11 日 12:00(UTC+8)
参与方式 ✍️:
在 Gate 广场发布 ETH 行情预测帖,写明价格区间(如 $3,200–$3,400,区间需<$200),并添加话题 #ETH12月行情预测
发帖示例 👇
示例①:
#ETH12月行情预测
预测区间:$3,150-$3,250
行情偏震荡上行,若降息如期落地 + ETF 情绪配合,冲击前高可期 🚀
示例②:
#ETH12月行情预测
预测区间:$3,300-$3,480
资金回流 + L2 降费利好中期趋势,向上试探 $3,400 的概率更高 📊
评选规则 📍
以 12 月 11 日 12:00(UTC+8)ETH 实时价格为参考
价格落入预测区间 → 视为命中
若命中人数>5 → 从命中者中随机抽取 5 位 🏆
山寨币:XRP、SOL、DOGE、LINK的ETF爆发
在所有目光都聚焦于Solana ETF (SOL),总流入约为**$682 百万时,XRP ETF却悄然超越,流入达到$874 百万**——尽管SOL产品率先推出。与此同时,一系列与LTC、HBAR、DOGE和LINK相关的新山寨币ETF也正式加入战局,每只基金自推出以来均录得稳定但温和的资金流入。
“山寨币自助餐”菜单正式登陆华尔街
自上市以来,七只独立的Solana ETF共计吸引了**$618,62百万的净流入,目前总管理资产达$915,08百万**,这些基金已占Solana市值的约1,15%。
与此同时,XRP已吸引**$874,28百万**,据sosovalue.com数据。
该平台仪表板上仅显示有四只XRP ETF——分别由Grayscale、Franklin Templeton、Canary和Bitwise管理。其中Canary旗下ETF,代码为XRPC,自首日以来吸引了**$357 百万资金流入。仅在昨日,整个组合吸引了$50,27百万**,其中Grayscale GXRP贡献最大。
总计,这四只ETF共持有**$906,46百万XRP**,相当于XRP市值的0,68%。
对于希望布局LINK、HBAR、LTC和DOGE的投资者,这些新上市ETF也已录得总计**$133,46百万的净流入。其中DOGE有两只ETF——Grayscale GDOG和Bitwise BWOW——吸引了$2,85百万**。
ETF洪流开启:山寨币选择激增
Grayscale GLNK吸引了约**$40,90百万**,而Canary的LTCC (跟踪莱特币)吸引了**$7,67百万**。Canary的HBAR ETF (HBR)已录得**$82,04百万**的净流入。
当投资者能够轻松“在基金间切换”时,随着资金不断流动,市场波动性很可能加剧。
尽管XRP和SOL ETF你追我赶,但它们距离BTC和ETH ETF仍有很大差距——后者早一年多上线,正接近两周年。
随着越来越多山寨币ETF入市,资金流向将继续分散。最大挑战在于投资者的热情能否跟得上产品扩容速度。目前,新ETF间竞争激烈,但要达到BTC和ETH ETF的体量还有很长的路要走。
不过,这一扩展显示市场正迈入新阶段——多元选择、激烈竞争和新资金涌入的阶段。
Bitcoin Hyper——新一波ETF浪潮下的潜力山寨币
尽管ETF格局主导着机构资金流向,散户和中线投资者仍在寻找可能打破传统ETF格局的潜力山寨币。
其中一个日益突出的项目是Bitcoin Hyper (HYPER)——该项目是基于**Solana虚拟机 (SVM)**运行的比特币Layer-2,实现了Solana速度与比特币安全性的结合。
凭借presale已募集近$29 百万、总量恒定为210亿枚代币、质押年化收益(APY)40%,HYPER正在吸引众多交易员和小型机构投资者的关注。
这种模式有望让“沉睡”的BTC参与DeFi——分析师认为,这是ETF之外最强增长机会之一,也让Bitcoin Hyper成为明年最值得关注的潜力山寨币之一。
访问Bitcoin Hyper
FAQ 📊
目前哪个加密ETF吸引的资金最多? XRP和SOL在山寨币中领先,而BTC与ETH的总流入仍遥遥领先。
近期有哪些新ETF面向投资者? LINK、HBAR、LTC和DOGE相关ETF刚刚上市,为市场提供更多选择。
新山寨币ETF的总流入是多少? DOGE、HBAR、LINK、LTC合计超**$133 百万**——而XRP和SOL因更早推出,流入更高。
XRP和SOL ETF与BTC、ETH有何差距? 虽增长迅速,但距离BTC与ETH ETF的庞大规模仍有很大差距。