Binance Square

bdc

5,265 visualizaciones
28 participa(n) en el debate
OnionSam
·
--
🚨🏦💰 #Fed REVELA UN RIESGO BANCARIO DE $349 MIL MILLONES EN EL CRÉDITO PRIVADO! 📊⚠️ Las cuentas financieras actualizadas de la Reserva Federal han revelado una exposición masiva de los bancos estadounidenses a los fondos de crédito privado, que alcanza la asombrosa cifra de $349 mil millones! 📉🔥 Una brecha cada vez mayor entre las «ganancias contables registradas» y la «liquidez física real» está generando graves alertas sistémicas. La Fed de Boston destaca que los préstamos con pago en especie (PIK, por sus siglas en inglés) —en los que los prestatarios en dificultades aplazan el pago de intereses en efectivo y los suman al capital— han aumentado hasta aproximadamente el 10 % en las sociedades de desarrollo empresarial (#BDC s). Los fondos contabilizan estos intereses diferidos no monetarios como «ingresos», lo que crea un desajuste artificial de liquidez mientras los bancos exigen liquidaciones en efectivo. ⚠️ EL RIESGO DE CONTAGIO: Con las tasas reales de incumplimiento ocultas tras las extensiones de deuda, cualquier restricción repentina del financiamiento o requerimiento de capital obligará a las instituciones a liquidar activos. Los activos de riesgo de alta liquidez —en particular, las acciones y #bitcoin (#BTC )— serán los primeros objetivos de las ventas forzadas para obtener efectivo rápidamente, lo que aumentará la probabilidad de un desplome repentino y sistémico del mercado. #Market_Update $BTC {spot}(BTCUSDT) $ETH {spot}(ETHUSDT) $ETC {spot}(ETCUSDT)
🚨🏦💰 #Fed REVELA UN RIESGO BANCARIO DE $349 MIL MILLONES EN EL CRÉDITO PRIVADO! 📊⚠️

Las cuentas financieras actualizadas de la Reserva Federal han revelado una exposición masiva de los bancos estadounidenses a los fondos de crédito privado, que alcanza la asombrosa cifra de $349 mil millones! 📉🔥

Una brecha cada vez mayor entre las «ganancias contables registradas» y la «liquidez física real» está generando graves alertas sistémicas. La Fed de Boston destaca que los préstamos con pago en especie (PIK, por sus siglas en inglés) —en los que los prestatarios en dificultades aplazan el pago de intereses en efectivo y los suman al capital— han aumentado hasta aproximadamente el 10 % en las sociedades de desarrollo empresarial (#BDC s).

Los fondos contabilizan estos intereses diferidos no monetarios como «ingresos», lo que crea un desajuste artificial de liquidez mientras los bancos exigen liquidaciones en efectivo.

⚠️ EL RIESGO DE CONTAGIO:

Con las tasas reales de incumplimiento ocultas tras las extensiones de deuda, cualquier restricción repentina del financiamiento o requerimiento de capital obligará a las instituciones a liquidar activos. Los activos de riesgo de alta liquidez —en particular, las acciones y #bitcoin (#BTC )— serán los primeros objetivos de las ventas forzadas para obtener efectivo rápidamente, lo que aumentará la probabilidad de un desplome repentino y sistémico del mercado.
#Market_Update

$BTC
$ETH
$ETC
red envelope
Good luck 🍀
De OnionSam
Artículo
No te apresures a gritar 'santo grial', primero verifica si las cuentas de OpenLedger se pueden cerrarÚltimamente, el OpenLedger ha cobrado bastante fuerza en la plaza; de las diez publicaciones en la página principal, seis hablan sobre este proyecto. Para ser honesto, en un lugar donde la información es tan fragmentada, si tantas personas se concentran en discutir un proyecto, o realmente hay algo sólido, o la emoción está al máximo. No quiero tomar partido, solo quiero comentar algunas ideas tras leer el whitepaper y algunos aspectos que me parecen que requieren calma. Primero, hablemos de las partes que reconozco. El problema que OpenLedger intenta resolver, efectivamente existe, y ha estado presente durante mucho tiempo. En la industria de la IA, quienes proveen datos, quienes ayudan a etiquetar, y quienes ajustan modelos, la mayoría de las veces no reciben recompensas continuas. Los datos que aportas se usan para entrenar modelos, y si esos modelos generan ganancias, no tienes nada que ver con eso. No es un problema de una empresa en particular, es que todo el mecanismo de incentivos en la industria no se ha construido. OpenLedger busca resolver esto mediante la atribución en la cadena, la lógica es coherente: registrar la relación causal entre cada contribución de datos y cada inferencia del modelo, y luego hacer la distribución automáticamente.

No te apresures a gritar 'santo grial', primero verifica si las cuentas de OpenLedger se pueden cerrar

Últimamente, el OpenLedger ha cobrado bastante fuerza en la plaza; de las diez publicaciones en la página principal, seis hablan sobre este proyecto. Para ser honesto, en un lugar donde la información es tan fragmentada, si tantas personas se concentran en discutir un proyecto, o realmente hay algo sólido, o la emoción está al máximo. No quiero tomar partido, solo quiero comentar algunas ideas tras leer el whitepaper y algunos aspectos que me parecen que requieren calma.
Primero, hablemos de las partes que reconozco. El problema que OpenLedger intenta resolver, efectivamente existe, y ha estado presente durante mucho tiempo. En la industria de la IA, quienes proveen datos, quienes ayudan a etiquetar, y quienes ajustan modelos, la mayoría de las veces no reciben recompensas continuas. Los datos que aportas se usan para entrenar modelos, y si esos modelos generan ganancias, no tienes nada que ver con eso. No es un problema de una empresa en particular, es que todo el mecanismo de incentivos en la industria no se ha construido. OpenLedger busca resolver esto mediante la atribución en la cadena, la lógica es coherente: registrar la relación causal entre cada contribución de datos y cada inferencia del modelo, y luego hacer la distribución automáticamente.
Inicia sesión para explorar más contenidos
Únete a usuarios de criptomonedas de todo el mundo en Binance Square
⚡️ Obtén la información más reciente y útil sobre criptomonedas.
💬 Confía en el mayor exchange de criptomonedas del mundo.
👍 Descubre opiniones reales de creadores verificados.
Correo electrónico/número de teléfono