
对冲基金和区块链正走向更加高效的
区块链及其相关技术是否会被用来复制现有的在线垄断市场或让他们真正地开放,使所有市场参与者都能参与更民主、更开放的市场?
有可能的是现有的参与者(银行、券商、交易所等)将试图把中介为基础的商业模式转为为私人许可的区块链,这可以排除所有的不被允许参与者。
新的参与者比如 T0.com,试图使用基于区块链的数字令牌技术来动摇股票借贷市场,但最初遭到来自于既定利益团体的阻碍,比如养老、共同基金以及主要的经纪商,这些都难以克服。
虽然理论上区块链应该能使没有优先商业关系的市场参与者更容易参与贸易,但一些法律的分歧问题,比如交易对方的信用风险识别并不容易得到解决。
提供金融保障金/财务杠杆的能力也不会受到分布式账单技术(比如区块链)的直接影响,因此,资产负债表和风险中介仍会是传统银行提供的很有价值的服务。
利益的民主化
一种更加“无摩擦”的交易周期范围是肯定存在的。在交易后的清算/结算环境中,创新技术发挥的余地有限,而且在买卖双方进行的交易中更难具有创新。修正协议帮助在世界范围内引进高频率/算法交易,但这仅限于贸易执行阶段。
区块链只是多种技术创新中的一类,技术创新还包括机器学习/人工智能、多用户的云服务以及大型数据库平台,这些技术都有可能让市场从现在的参与者中解放,并开始真正的,不仅停留于幻想中的过程,让流动性的生成远离市场制造者和投资银行,并趋向于市场自己的结构。
主要的辅助好处之一在于,对冲基金与采用分布式账单技术的过程可以显著减少一系列昂贵,耗时的活动。而对所有的授权参与者,基于区块链的账单能提供 不断更新,安全以及可用的服务。这将排除在对冲基金和交易对方间需要的反复不断交流数据,并随后减少无限协调数据和存储的需要。
无论是转变传统的清算/结算周期或是支持在价格发现/流动性的过程中遇到的非股权类资产,投资银行(如:Goldman Sachs)、新兴技术参与者(如:Digital Asset Holdings)、交易所(如:Nasdaq Linq)以及市场数据供应商(如:Markit)都会据此把握机会,定位自我。
只是广阔链中的一种连接
基于区块链的技术只代表全球金融市场基础中更广阔,更根本的转变中的一方面。如上所述,自从创建欧洲结算系统以来,交易后的周期仍然会是很大的自由创新区域。
现在,许多的商业规则促进了新技术(如区块链)的采用,尤其是对银行监管资本收益的影响,特别是对于投资银行。
不再使用自己的资产负债表和交易技巧作为一种竞争优势,新规定将促使银行转变成实用性参与者,通过更多关注新技术来实现更稳定、不易波动的股东回 报。Goldman公司想认为自己是“科技企业”,这并不奇怪。作为实用企业的好处在于,你可以发现‘资金流’从而可能开拓其他赚钱的机会。
颠覆性技术是未来的发展方向,也是市场上的每个人都长期渴望的领域。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
用 SQL 验证业务逻辑:从规则拆解到数据把关的实战指南 在业务系统落地过程中,“业务逻辑” 是连接 “需求设计” 与 “用户体验 ...
2025-09-11塔吉特百货孕妇营销案例:数据驱动下的精准零售革命与启示 在零售行业 “流量红利见顶” 的当下,精准营销成为企业突围的核心方 ...
2025-09-11CDA 数据分析师与战略 / 业务数据分析:概念辨析与协同价值 在数据驱动决策的体系中,“战略数据分析”“业务数据分析” 是企业 ...
2025-09-11Excel 数据聚类分析:从操作实践到业务价值挖掘 在数据分析场景中,聚类分析作为 “无监督分组” 的核心工具,能从杂乱数据中挖 ...
2025-09-10统计模型的核心目的:从数据解读到决策支撑的价值导向 统计模型作为数据分析的核心工具,并非简单的 “公式堆砌”,而是围绕特定 ...
2025-09-10CDA 数据分析师:商业数据分析实践的落地者与价值创造者 商业数据分析的价值,最终要在 “实践” 中体现 —— 脱离业务场景的分 ...
2025-09-10机器学习解决实际问题的核心关键:从业务到落地的全流程解析 在人工智能技术落地的浪潮中,机器学习作为核心工具,已广泛应用于 ...
2025-09-09SPSS 编码状态区域中 Unicode 的功能与价值解析 在 SPSS(Statistical Product and Service Solutions,统计产品与服务解决方案 ...
2025-09-09CDA 数据分析师:驾驭商业数据分析流程的核心力量 在商业决策从 “经验驱动” 向 “数据驱动” 转型的过程中,商业数据分析总体 ...
2025-09-09R 语言:数据科学与科研领域的核心工具及优势解析 一、引言 在数据驱动决策的时代,无论是科研人员验证实验假设(如前文中的 T ...
2025-09-08T 检验在假设检验中的应用与实践 一、引言 在科研数据分析、医学实验验证、经济指标对比等领域,常常需要判断 “样本间的差异是 ...
2025-09-08在商业竞争日益激烈的当下,“用数据说话” 已从企业的 “加分项” 变为 “生存必需”。然而,零散的数据分析无法持续为业务赋能 ...
2025-09-08随机森林算法的核心特点:原理、优势与应用解析 在机器学习领域,随机森林(Random Forest)作为集成学习(Ensemble Learning) ...
2025-09-05Excel 区域名定义:从基础到进阶的高效应用指南 在 Excel 数据处理中,频繁引用单元格区域(如A2:A100、B3:D20)不仅容易出错, ...
2025-09-05CDA 数据分析师:以六大分析方法构建数据驱动业务的核心能力 在数据驱动决策成为企业共识的当下,CDA(Certified Data Analyst) ...
2025-09-05SQL 日期截取:从基础方法到业务实战的全维度解析 在数据处理与业务分析中,日期数据是连接 “业务行为” 与 “时间维度” 的核 ...
2025-09-04在卷积神经网络(CNN)的发展历程中,解决 “梯度消失”“特征复用不足”“模型参数冗余” 一直是核心命题。2017 年提出的密集连 ...
2025-09-04CDA 数据分析师:驾驭数据范式,释放数据价值 在数字化转型浪潮席卷全球的当下,数据已成为企业核心生产要素。而 CDA(Certified ...
2025-09-04K-Means 聚类:无监督学习中数据分群的核心算法 在数据分析领域,当我们面对海量无标签数据(如用户行为记录、商品属性数据、图 ...
2025-09-03特征值、特征向量与主成分:数据降维背后的线性代数逻辑 在机器学习、数据分析与信号处理领域,“降维” 是破解高维数据复杂性的 ...
2025-09-03