博客
关于我
比特币史话·81 | 有容乃大(5): 1比特币300万美元?
阅读量:303 次
发布时间:2019-03-03

本文共 1472 字,大约阅读时间需要 4 分钟。

(美联储总部。图片来源于网络)

前情回顾:

正文:

SWIFT国际转账电文发完之后,银行间还需要进行接下来的清算(clearing)和结算(settlement)才能最终到账。如果支付方银行是位于中国境内的招商银行,账户币种是人民币,接收方银行是位于瑞典的瑞典银行,账户币种是瑞典克朗,那么有如下三种办法:

一、招商银行在瑞典开设招商银行瑞典分行,在瑞典央行开设有清算结算账户,汇款人把人民币换汇成瑞典克朗,通过招商银行瑞典分行中转,经由瑞典央行清算结算,汇入瑞典银行。

二、瑞典银行在中国开设瑞典银行中国分行,汇款人把人民币换汇成瑞典克朗,通过瑞典银行中国分行中转,汇入瑞典银行。

三、为了一笔跨境汇款成立一个分行太不划算,于是大家都选用美元作为统一货币。这样一来,招商银行和瑞典银行都只要和下面我们要讲到的美元清算系统和美元结算系统打交道就可以了,避免了银行间两两互相连接的冗余和混乱。

美元今天的世界货币的地位,和美元清算系统、美元结算系统的支撑是密不可分的。

事实上,美国最早的清算机构,纽约清算所的成立时间比1913年成立的美国央行美联储还要早。早在1853年,纽约清算所就成立了,其创立的目的是解决纽约市银行间混乱的交易情况。

1970年,“清算中心银行间支付系统”CHIPS(Clearing House Interbank Payments System)建立。CHIPS是一个美元大额清算系统,全球96%的美元跨境支付都由CHIPS清算[1]。CHIPS是是全球最大的私营支付清算系统之一,由21家美国银行持股的清算中心支付公司(The Clearing House Payments Company, LLC.)运营,主要进行跨国美元交易的清算。到2015年,CHIPS每日处理25万笔银行间汇款、总共逾1.5万亿美元的清算工作。CHIPS清算后可以对接净额结算系统(需要先轧差),也可以对接全额实时交易系统RTGS (Real-Time Gross Settlement system),完成最后的结算。

对比一下,比特币网络是一个全额实时结算的交易系统,发展到今天每日处理25万笔链上转账交易,不到50万个比特币的总量。按照平均一个比特币1万美元的市场价格,40多万个比特币就意味着40亿美元的交易额。可见,比特币网络的吞吐量已经和CHIPS相当,只是转移的价值量还差距很远。如果未来某一天,同量的全球价值转移需求,载体由美元转为比特币,那么比特币的单价需要达到1比特币300万美元的价格水平,方能用50万个比特币的数量承载1.5万亿美元的需求量。

比特币之上的二层技术“闪电网络”则类似于一个净额结算系统。甲给乙转了100笔共2个比特币,乙给甲转了50笔共3个比特币,那么轧差后是乙给甲净转了1个比特币,这150笔交易只存储在闪电网络内,而只有最后乙给甲转1个比特币这一笔交易会提交到比特币区块链上进行记录。所以闪电网络本身的每秒处理速度可以非常快,接近甚至超越传统支付平台的响应速度。

1970年,美国的Fedwire,也是全球第一个自动化的RTGS(实时全额结算系统),投入使用。此后几十年,全球其他国家纷纷把原来的净额结算系统升级为RTGS系统。相对于净额结算系统,实时全额结算系统(RTGS)中处理流程和资金转帐指令的最终结算是实时连续发生的,没有轧差借记抵付贷记,系统结算流程是基于央行资金的实时转帐。CHIPS所选用的RTGS系统正是美联储转移大额付款的系统Fedwire。

【未完待续】(公众号:刘教链)

转载地址:http://kqum.baihongyu.com/

你可能感兴趣的文章
NLog 自定义字段 写入 oracle
查看>>
NLog类库使用探索——详解配置
查看>>
NLP 基于kashgari和BERT实现中文命名实体识别(NER)
查看>>
NLP 时事和见解【2023】
查看>>
NLP 模型中的偏差和公平性检测
查看>>
Vue3.0 性能提升主要是通过哪几方面体现的?
查看>>
NLP 项目:维基百科文章爬虫和分类【01】 - 语料库阅读器
查看>>
NLP_什么是统计语言模型_条件概率的链式法则_n元统计语言模型_马尔科夫链_数据稀疏(出现了词库中没有的词)_统计语言模型的平滑策略---人工智能工作笔记0035
查看>>
NLP、CV 很难入门?IBM 数据科学家带你梳理
查看>>
NLP三大特征抽取器:CNN、RNN与Transformer全面解析
查看>>
NLP入门(六)pyltp的介绍与使用
查看>>
NLP学习笔记:使用 Python 进行NLTK
查看>>
NLP度量指标BELU真的完美么?
查看>>
NLP的不同研究领域和最新发展的概述
查看>>
NLP的神经网络训练的新模式
查看>>
NLP采用Bert进行简单文本情感分类
查看>>
NLP问答系统:使用 Deepset SQUAD 和 SQuAD v2 度量评估
查看>>
NLP项目:维基百科文章爬虫和分类【02】 - 语料库转换管道
查看>>
NLP:从头开始的文本矢量化方法
查看>>
NLP:使用 SciKit Learn 的文本矢量化方法
查看>>