Bitget App
交易「智」變
快速買幣市場交易合約BOT理財跟單
Metaplanet 藉選擇權 roll-up 交易增加比特幣收益

Metaplanet 藉選擇權 roll-up 交易增加比特幣收益

AbmediaAbmedia2024/10/15 23:48
作者:Florence
Metaplanet 藉選擇權 roll-up 交易增加比特幣收益 image 0

隨著越來越多上市公司盛行將比特幣做為資產儲備,只買入比特幣已經不夠看了!日本 Metaplanet 公布與新加坡數位資產交易公司 QCP Capital 進行比特幣選擇權交易,並透過 roll-up 交易,提高執行價來增加比特幣權利金收入,Metaplanet 稱之為「目標買入」,強調是獲取比特幣的另一種途徑。

靈活運用選擇權 roll-up 交易增加比特幣收益

Metaplanet 在 10/3 與 QCP Capital 承作選擇權交易,共賣出 223 份比特幣賣權合約,條件如下:

  • 到期日:2024/12/27
  • 執行價:62,000 
  • 權利金:0.1075 BTC /每合約

如今隨著比特幣價格的上漲,Metaplanet 決定使用 roll-up 交易,將執行價從原先的 62,000 提高到 66,000,收益率也提高了 2.65%,達到 13.4%。在此次交易中,Metaplanet 又多獲得 5.9095 枚比特幣的權利金。

註:在選擇權交易中,roll-up 是一種調整策略,指的是將現有的選擇權合約的執行價格向上調整。 這通常在賣出賣權 (Put) 時使用,當標的資產價格上漲時,投資者可以通過買回原有的 Put 合約並賣出一個更高履約價的新 Put 合約來鎖定利潤。

在到期日 2024/12/27,若比特幣跌破執行價格 66,000 美元,Metaplanet 將有義務以執行價格購買比特幣。不過換算下來損益平衡價約為 57,156 美元,比執行價格 66,000 美元低。

而若比特幣在到期日高於 66,000 美元,Metaplanet 不用執行任何交易,等於直接賺取權利金,Metaplanet 強調此種策略為「目標買入」,是獲取比特幣的另一種方法,資金用途未發生改變。

Metaplanet 已擁有 860 枚比特幣,股價今年迄今上漲逾五倍

Metaplanet 在 5 月宣布開始採用比特幣作為其戰略儲備資產後,近幾個月一直在瘋狂購買比特幣。目前已擁有 861.387 枚比特幣,平均成本為 9,313,428 日圓 (約 62,506 美元)。

Metaplanet 的股價週三收在 1,200 日圓。今年迄今已上漲 511%。七月時還一度上漲到 3,000 日圓的價位

 Metaplanet 藉選擇權 roll-up 交易增加比特幣收益 image 1

這篇文章 Metaplanet 藉選擇權 roll-up 交易增加比特幣收益 最早出現於 鏈新聞 ABMedia

0

免責聲明:文章中的所有內容僅代表作者的觀點,與本平台無關。用戶不應以本文作為投資決策的參考。

PoolX: 鎖倉獲得新代幣空投
不要錯過熱門新幣,且APR 高達 10%+
立即參與

您也可能喜歡

DeFi 無邊界:互通性如何形塑下一代金融

簡單來說 在 Hack Seasons 大會上, DeFi 領導者討論了實現無縫互通性的道路,強調鏈抽象、用戶友好型設計以及混合多鍊和跨鏈策略是創建無摩擦的關鍵 DeFi 到 2025 年,

Mpost2025/05/07 22:22
DeFi 無邊界:互通性如何形塑下一代金融

瑞士航空、漢莎航空系統和 Camino Network Host Web3 黑客松推動旅遊業創新

簡單來說 漢莎航空系統、瑞士國際航空和卡米諾網路基金會共同主辦了 Web3 法蘭克福黑客馬拉松,探索區塊鏈和人工智慧如何提高效率、降低成本並支持旅遊永續性。

Mpost2025/05/07 22:22
瑞士航空、漢莎航空系統和 Camino Network Host Web3 黑客松推動旅遊業創新

從炒作到影響:Hack Seasons 大會上關於人工智慧和區塊鏈的真知灼見

簡單來說 在杜拜舉行的 Hack Seasons 大會上,一場關於「人工智慧和 Web3 「炒作導致什麼?」探索如何融合 Web3 人工智慧可以重塑使用者體驗、安全性和數位創新,強調解決現實世界問題的潛力。

Mpost2025/05/07 22:22
從炒作到影響:Hack Seasons 大會上關於人工智慧和區塊鏈的真知灼見

人工智慧訓練資料稀缺並非問題所在

簡單來說 人們越來越擔心訓練人工智慧模型的資料短缺,但公共互聯網提供了龐大且不斷擴展的資料來源,因此人工智慧不太可能面臨真正的資料短缺。

Mpost2025/05/07 22:22
人工智慧訓練資料稀缺並非問題所在