FIGR 一日内暴跌9%……加密货币关联股波动性再次扩大

随着投资情绪变化，加密货币相关股剧烈波动，Figure Technology Solutions（$FIGR）也持续呈现暴涨暴跌行情。

24日（当地时间）盘中早段，FIGR股价下跌超过9%，跌至32美元中段。本周初一度升至37美元一线的走势在一天内被逆转，市场认为这清晰地反映了加密货币联动股多空拉锯的格局。

较年初下跌逾20%……高成长股与数字资产不确定性构成压力

经过此次回调，FIGR自年初以来的累计跌幅已超过20%。随着数字资产价格波动，以及高利率环境下高成长科技股的估值受到动摇，只要市场风险偏好稍有变化，股价便出现大幅震荡。

事实上，本周初的上涨主要受到市场对区块链贷款——即“代币化贷款”等加密货币基础设施领域兴趣重燃的影响，带动整个加密货币相关股获得上行动能。然而当天，短期获利了结与避险情绪共同作用，推动股价急速转向。

伯恩斯坦称“估值偏低”……基于代币化信贷平台及贷款增长给出67美元目标价

尽管波动剧烈，但华尔街的看法并不悲观。伯恩斯坦指出，考虑到FIGR的代币化信贷平台及贷款处理额的增长，该股目前“估值偏低”，给出67美元的目标价。分析认为，这意味着相对于当前股价，大约存在两倍的上涨空间。

Figure Technology Solutions是一家利用区块链技术从事并管理住房净值信贷额度（HELOC）等消费贷款的金融科技公司。首席执行官Michael Tannenbaum近期表示，其月度处理规模首次突破了100亿美元。按当前汇率（1美元=1483.90韩元）计算，约合1.4839万亿韩元。

市场气氛现逆转迹象……比特币逼近8万美元之际，一季度业绩成“分水岭”

另一方面，也有分析认为这并非FIGR独有的问题。受地缘政治风险与利率变量影响，风险资产偏好动摇，加密货币联动股普遍承压。但伯恩斯坦指出，与Robinhood Markets（$HOOD）、Circle、Coinbase（$COIN）等类似，FIGR在公布一季度业绩之前，“可能已接近或已越过底部”。部分股票相较于去年高点已回撤超过50%。

与此同时，加密货币价格反弹亦被观测到。比特币（BTC）近期逼近8万美元关口，以太坊（ETH）也站上2400美元，为市场情绪改善提供了支撑。FIGR将于5月11日盘后公布一季度业绩，市场共识预期每股收益（EPS）为0.22美元，营收为1.603亿美元。

기사요약 by TokenPost.ai

🔎 市场解读 - FIGR在一天内暴跌9%，凸显“加密货币联动股”特有的高波动性 - 周初因代币化贷款预期涨至37美元一线后，因短期获利了结及避险情绪迅速逆转 - 在高利率环境下，高成长科技股估值敏感，投资情绪变化在股价上被放大反映 💡 策略要点 - 检查点1：比特币（逼近8万美元）、以太坊（超过2400美元）等加密货币价格走势直接影响相关股情绪 - 检查点2：5月11日一季度业绩（EPS 0.22美元、营收1.603亿美元共识预期）为短期方向“分水岭” - 检查点3：伯恩斯坦给出67美元目标价（约为当前股价的2倍）→ 增长预期依然有效，但需进行波动性管理（分批买入、止损/再平衡） 📘 术语解释 - 加密货币联动股：与加密货币价格/情绪同步走动的交易所、挖矿、区块链基础设施、金融科技相关股票 - 代币化贷款/代币化信贷平台：将贷款债权、信贷以区块链上的“代币”形式发行和管理，以提高处理速度、透明度和结算效率的结构 - HELOC：以房屋资产作为抵押的信用额度贷款形式（可按需提款使用） - EPS（每股收益）：企业利润除以股数的指标，业绩预期/失望可能加剧股价波动

💡 常见问题解答 (FAQ)

Q. FIGR股价在一天内暴跌9%的核心原因是什么？ 由于FIGR被归类为“加密货币联动股”，对加密货币市场情绪变化非常敏感。本周初因代币化贷款等加密货币基础设施的期待而上涨，但随后短期获利了结与避险情绪叠加，卖压增大导致暴跌。高利率环境下高成长股估值动摇也加剧了波动。 Q. Figure Technology Solutions从事什么业务，为何被归为“加密货币相关股”？ FIGR是一家利用区块链技术从事并管理HELOC（房屋净值信贷额度）等消费贷款的金融科技公司。由于其强调基于区块链处理与记录贷款的“代币化信贷平台”，市场将其视为与加密货币/区块链基础设施主题同步波动的股票。 Q. 未来有哪些日程和指标有助于判断FIGR的走势方向？ ① 5月11日（盘后）发布的季度财报是核心分水岭（共识预期：EPS 0.22美元，营收1.603亿美元）。② 比特币、以太坊等加密货币价格走势会影响相关股投资情绪，需同步关注。③ 月度处理规模（CEO提及：月处理量突破100亿美元）等贷款增长指标是否持续也很重要。

TP AI 注意事项 使用基于TokenPost.ai的语言模型对文章进行了摘要。可能遗漏或与事实不符。