
Рыночная капитализация крипты: почему цена токена — ловушка для новичков
Рыночная капитализация (market cap) — это общая стоимость всех монет криптовалюты в обращении, рассчитанная как цена одной монеты, умноженная на общее количество монет в обороте. Это ключевой показатель реального размера проекта — в отличие от цены одной монеты, которая сама по себе почти ничего не говорит.
Почему цена монеты вводит в заблуждение
Цена одной монеты зависит не только от «ценности» проекта, но и от того, сколько всего монет выпущено. Проект с 100 триллионами монет по цене $0,0001 может иметь такую же капитализацию, что и проект с 1 миллионом монет по цене $10 000 — при абсолютно разных ценах монеты их реальный рыночный размер может быть одинаковым. Именно поэтому фраза «эта монета дешёвая, у неё есть куда расти» без учёта капитализации — плохой ориентир для решений.
Капитализация vs полностью размытая капитализация
Важно не путать рыночную капитализацию с полностью размытой капитализацией (FDV, fully diluted valuation) — показателем, который учитывает не только монеты, уже находящиеся в обращении, но и весь максимальный объём выпуска, включая ещё не выпущенные монеты. Если у проекта FDV сильно выше текущей капитализации, это значит, что в будущем на рынок поступит много новых монет — а рост предложения обычно оказывает давление на цену.
На что обращать внимание
Сравнивая два проекта, ориентируйтесь на капитализацию и FDV, а не на «дешевизну» одной монеты. Также полезно проверять ликвидность (объём торгов) рядом с капитализацией: у проекта с высокой заявленной капитализацией, но крайне малым объёмом торгов, реальная цена при попытке продать крупную позицию может сильно отличаться от заявленной.
Материал носит образовательный характер и не является инвестиционной рекомендацией.

Автор
Mike RobinsonРедактор ленты новостей
Не стою на месте и каждый день пишу: крипта, Bitcoin, альткоины. Пишу на разные темы, связанные с виртуальным рынком валют.
Комментарии (0)
Пока нет комментариев — будь первым!
Похожие материалы

RAG: как ИИ учат отвечать фактами, а не выдумками

Дообучение ИИ: как из общей модели делают узкого специалиста
