نهنگ های آربیتروم همچنان توکن های ARB را خریداری می کنند

آربیتروم

پس از راه اندازی و عرضه توکن آربیتروم (ARB)، به دلیل اختلاف بین دارندگان توکن و بنیاد آربیتروم (Arbitrum Foundation) شایعات و فشار فروش پدیده های غالب بودند.

Lookonchain، پلتفرم معروف ردیابی بلاک چین، چهار نهنگ را شناسایی کرده که با وجود اتفاقات اخیر، به طور پیوسته توکن های ARB را خریداری می کنند.

به گفته تحلیلگران، اندرو کانگ (Andrew Kang) از Mechanism Capital یکی از چهار نهنگی است که 1.51 میلیون توکن ARB را در سطح 1.23 دلار به قیمت 1.85 میلیون دلار (یو اس دی کوین) خریداری کرده و به دارایی های قبلی خود افزوده است.
شرح مختصر ارز پایدار یو اس دی کوین (USDC) و موارد استفاده آن

کانگ در مجموع 2.85 میلیون یو اس دی کوین برای خرید 2.3 میلیون توکن ARB با میانگین قیمت خرید 1.24 دلار هزینه کرده است.

نهنگ دیگری که ممکن است یک نهاد سرمایه گذاری باشد، 5.86 میلیون توکن ARB را به ارزش حدود 7.15 میلیون دلار از صرافی متمرکز “Gate.io” خریداری کرده است و در حال حاضر در مجموع 17.62 میلیون توکن به ارزش حدود 21.5 میلیون دلار در اختیار دارد. این نهنگ اکنون بزرگ ترین هولدر شخصی است.

سومین نهنگ 795381 توکن ARB دیگر در سطح 1.26 دلار به قیمت 1 میلیون USDC خریداری کرد و در حال حاضر 10.6 میلیون توکن ARB به ارزش تقریبی 12.94 میلیون دلار دارد.

چهارمین نهنگ نیز دوباره 532012 توکن ARB به ارزش حدود 661000 دلار خریداری کرد. این نهنگ در حال حاضر در مجموع 4.58 میلیون توکن به ارزش تقریبی 5.59 میلیون دلار دارد.

فعالیت های جدید نهنگ ها پس از آن صورت گرفت که بنیاد آربیتروم با واکنش شدید نسبت به سیستم رای گیری مدیریتی خود مواجه شد. به همین دلیل تیم بنیاد مجبور شد دو پیشنهاد جدید را با چند تغییر ارائه کند که در آنها متعهد شده که 700 میلیون توکن باقیمانده را تا زمانی که دائو مجوز یک برنامه هزینه مناسب را تایید کند، در کیف پول تحت کنترل خود نگه دارد.

منابع:

حسام شایق

مقالات مرتبط

توصیه بزرگ‌ترین بانک خصوصی برزیل برای تخصیص ۳ درصد از سبد دارایی به بیت‌کوین در سال ۲۰۲۶

شرکت مدیریت دارایی ایتائو، بازوی سرمایه‌گذاری بانک ایتائو یونیبانکو، بزرگ‌ترین بانک خصوصی…

راهنمای استفاده از ربات‌های تریدر مبتنی بر هوش مصنوعی

مبنای اصلی هوش مصنوعی شامل سه روش یادگیری تحت نظارت (یادگیری از داده‌های برچسب‌خورده) ، یادگیری بدون نظارت (پیدا کردن الگوها در داده‌های بدون برچسب) و یادگیری تقویتی (یادگیری از طریق آزمون و خطا) است. ربات‌های معامله‌گر ارز رمزنگاری از این روش‌های یادگیری ماشین به شکل‌های مختلف استفاده می‌کنند: مدل‌های یادگیری تحت نظارت با بررسی داده‌های گذشته، حرکت قیمت‌ها را پیش‌بینی می‌کنند، مدل‌های یادگیری بدون نظارت الگوهای رفتاری مشابه را شناسایی و دسته‌بندی می‌کنند والگوریتم‌های یادگیری تقویتی استراتژی‌های معاملاتی را در لحظه تنظیم و بهینه می‌کنند.

ریپل با بیشترین افت کارمزد از سال ۲۰۲۰ مواجه شد

کارمزد تراکنش‌های شبکه ریپل(XRP) با سقوط ۸۹ درصدی به پایین‌ترین سطح از…

دیدگاهتان را بنویسید