当全球银行系统“崩溃”时会发生什么?

有句名言:"当美国打喷嚏时,世界就会感冒......"换句话说,当人们对美国及其经济稳定性的信心下降时,其他经济体(以及黄金、白银和股票等资产)的价值往往会下降。

与任何其他资产类别一样,加密货币与世界事件有着内在联系,但往往表现得完全相反......

黑镜的真实剧集吗?

当全球银行系统'崩溃'时会发生什么?

这个问题通常会让反加密货币人群指责那些提出这个问题的人传播反乌托邦观点。

然而最近发生的事件,现实生活中发生了一件可能有点像《黑镜》(一部以科幻技术近未来反乌托邦为背景的科幻小说系列)的事情,小说变成了事实,银行业务;以及航班运营和医院管理"崩溃了"。

一家美国网络安全公司的错误更新扰乱了全球 850 万台 Windows 设备,人们实际上无法支付餐费、购物费或其他重要服务费用。

简单来说,这种"恐慌"导致许多人(包括怀疑论者)用全新的眼光看待加密货币。

由于传统交易方式不稳定/不可用,加密货币能否提供替代方案?

答案当然是肯定的。

虽然银行和支付系统瘫痪,但拥有稳定币和其他加密货币的人可以自由交易,这再次证明了去中心化网络的实力和弹性。

整个周末,比特币的价格都做出了反应,迅速呈上升趋势。

到周一,Coindesk 将价格趋势行为的强度和方向定为"显着的上升趋势"(以下,2024 年 7 月 22 日星期一上午 10:00)。

单点故障=大问题

对于许多人来说,比特币和稳定币等去中心化价值交换体系的逻辑首次变成了现实。

事实证明,银行和航空公司都使用同一个服务提供商(CrowdStrike),单点故障导致风险成倍增加。

随着由单个实体控制但受多个实体依赖的人工智能系统的出现,这种情况只会加剧。

与银行业务不同,比特币和以太坊等货币避免了单点故障,因为它们拥有数千个"节点"(参与区块链网络的计算机)。

这些节点有助于确保没有任何单个实体能够控制网络,并且它们还提供了巨大的弹性,因为许多节点可以离线,而网络可以继续运行而不会出现任何重大服务中断。

通过使用区块链的创新技术并拥有多样化和分布式的节点网络,加密的弹性、可信度和完整性现在已被证明是卓越的。

由此导致的价格波动解释

与股票等其他资产一样,加密货币交易通常受叙述和猜测驱动,随着交易者对新闻、谣言和市场情绪做出反应,这可能导致价格波动。

这正是发生的事情,但重要的是要记住,这些价格变动往往像我们的每日头条新闻一样变化无常,而且通常很难区分引发市场变动的确切事件。

很明显,比特币受益于 Crowdstrike 中断和美国总统竞选的阴谋。(比特币较过去两周上涨了 24%,自上周五以来上涨了 8%。)

给每一位投资者的明智建议

稳定币之外的加密投资可能会产生波动,因此了解自己所从事的行业并制定完善的策略是关键。

利用"过山车"的优势

聪明的投资者不会"沉迷于"加密货币每日价格波动的过山车,而是意识到积极利用它可以从中获益。

在设计平衡的投资组合时,投资者通常会寻求通过低相关性或负相关性的资产实现多元化。

这只是意味着,当他们的某一类资产表现良好时,另一类资产的价值可能会持平或下降,这有助于平衡整体风险。

考虑到加密货币对世界事件的(通常相反的)反应,它可以帮助降低投资组合的波动性,并有助于减少市场周期中不可避免的一些起伏,因为其股票代码会朝相反方向滑动。

坚持行之有效的投资策略

无论基于情绪做出决策有多么诱人,投资者都应将自己的策略锚定在经过时间考验的方法来应对市场波动:

美元成本平均法 (DCA):

无论市场状况如何,都坚持定期投资固定金额的原则。

DCA 通过随着时间的推移平均成本并促进资产的稳步积累来减轻短期价格波动的影响。

坚守不渝 (HODL) 策略:

在动荡的市场中,HODL 策略强调长期信念比短期投机更重要。

通过关注资产的内在价值和基本面,而不是屈服于市场恐慌,投资者可以培养自己的韧性。

多元化:

多元化仍然是稳健投资实践的基石,投资者将投资分散到不同的资产(例如不同类型的代币),以尽量降低市场波动带来的风险。

多元化投资组合可增强抵御能力,并防范不可预见的市场动荡。

发生的事件凸显了我们传统金融系统的脆弱性,并凸显了加密货币作为一种弹性替代方案的潜力,它提供不受中心化故障影响的持续交易能力。

但重要的是要记住,由此导致的价格快速波动通常是由投机和对新闻的短期反应驱动的。

通过保持纪律和知情,投资者可以将价格的"过山车"转变为战略优势,确保他们的投资组合能够很好地抵御任何风暴,无论是金融风暴还是技术风暴。

相关推荐
搬砖的小码农_Sky6 分钟前
什么是零知识证明?
区块链·密码学·零知识证明
TinTin Land8 分钟前
高活跃社区 Doge 与零知识证明的强强联手,QED 重塑可扩展性
区块链·零知识证明
985小水博一枚呀14 分钟前
【深度学习滑坡制图|论文解读3】基于融合CNN-Transformer网络和深度迁移学习的遥感影像滑坡制图方法
人工智能·深度学习·神经网络·cnn·transformer
AltmanChan15 分钟前
大语言模型安全威胁
人工智能·安全·语言模型
985小水博一枚呀19 分钟前
【深度学习滑坡制图|论文解读2】基于融合CNN-Transformer网络和深度迁移学习的遥感影像滑坡制图方法
人工智能·深度学习·神经网络·cnn·transformer·迁移学习
数据与后端架构提升之路28 分钟前
从神经元到神经网络:深度学习的进化之旅
人工智能·神经网络·学习
爱技术的小伙子34 分钟前
【ChatGPT】如何通过逐步提示提高ChatGPT的细节描写
人工智能·chatgpt
深度学习实战训练营2 小时前
基于CNN-RNN的影像报告生成
人工智能·深度学习
昨日之日20064 小时前
Moonshine - 新型开源ASR(语音识别)模型,体积小,速度快,比OpenAI Whisper快五倍 本地一键整合包下载
人工智能·whisper·语音识别
浮生如梦_4 小时前
Halcon基于laws纹理特征的SVM分类
图像处理·人工智能·算法·支持向量机·计算机视觉·分类·视觉检测