A Bloomberg anunciou uma parceria estratégica com a Kaiko destinada a abordar a fragmentação persistente de dados nos mercados financeiros baseados em blockchain. A colaboraçãoA Bloomberg anunciou uma parceria estratégica com a Kaiko destinada a abordar a fragmentação persistente de dados nos mercados financeiros baseados em blockchain. A colaboração

Bloomberg e Kaiko Trazem Dados Confiáveis On-Chain

2026/02/27 15:42
Leu 4 min

A Bloomberg anunciou uma parceria estratégica com a Kaiko destinada a resolver a fragmentação persistente de dados nos mercados financeiros baseados em blockchain. A colaboração está focada em expandir o acesso a informações financeiras licenciadas diretamente dentro de ambientes blockchain, permitindo que participantes institucionais confiem em conjuntos de dados consistentes e autorizados enquanto experimentam com ativos tokenizados.

A Bloomberg, a maior empresa de media privada do mundo com foco principal em dados financeiros e análise, procura trazer maior estrutura aos mercados onde a informação está atualmente distribuída por vários fornecedores. A Kaiko, uma empresa de dados e análise cripto baseada em Paris, traz expertise especializada nos mercados de ativos digitais. Juntas, as empresas pretendem distribuir e licenciar informações financeiras da Bloomberg on-chain para bancos, instituições financeiras e outros participantes de mercado regulamentados.

Resolver Inconsistências de Dados em Ativos Tokenizados

A iniciativa foi concebida para resolver inconsistências de dados que surgiram à medida que os instrumentos financeiros tradicionais migram para infraestrutura blockchain. Em muitos ecossistemas tokenizados, as empresas podem depender de diferentes fontes para dados de preços, informações de referência ou identificadores de títulos. Esta fragmentação pode aumentar o risco de incompatibilidades, desafios de reconciliação e ineficiências operacionais, particularmente em contextos institucionais onde a precisão e consistência são críticas.

Ao incorporar dados licenciados diretamente nos ambientes blockchain, a Bloomberg e a Kaiko pretendem criar uma fonte de verdade partilhada para os participantes do mercado. As empresas indicaram que esta abordagem poderia ajudar a reduzir disputas relacionadas com a reconciliação de dados, ao mesmo tempo que melhora a confiança nas avaliações e registos de transações nos mercados tokenizados.

Foco Inicial em Títulos do Tesouro Tokenizados e Repos

As primeiras aplicações dos dados on-chain licenciados concentrar-se-ão em títulos do Tesouro dos EUA tokenizados e mercados de acordos de recompra a operar na Canton Network. A Canton Network foi concebida especificamente para casos de uso financeiro institucional, tornando-a um ambiente adequado para entidades regulamentadas que testam versões baseadas em blockchain de instrumentos familiares.

A integração é direcionada principalmente a bancos tradicionais, gestores de ativos e outras instituições financeiras regulamentadas que estão a explorar a blockchain como infraestrutura alternativa para emitir, negociar e liquidar produtos financeiros convencionais. Para estas instituições, o acesso a dados fiáveis e padronizados é visto como um pré-requisito para uma adoção mais ampla.

Dados Fiáveis como Fundação para Mercados Digitais

A liderança da Kaiko enfatizou que a parceria expande a disponibilidade de dados de mercado tradicionalmente usados em mercados financeiros estabelecidos e adapta-os para infraestrutura emergente de títulos tokenizados. Esta perspetiva reflete uma preocupação mais ampla da indústria em torno da fiabilidade de dados nos mercados de ativos digitais, onde os participantes dependem de mais do que apenas feeds de preços. Indicadores de sentimento, dados de referência e múltiplos conjuntos de dados complementares são frequentemente necessários para tomar decisões informadas.

No entanto, as informações de diferentes emissores e fornecedores de dados divergem frequentemente, criando incerteza e o potencial para avaliações imprecisas. Problemas semelhantes foram observados nos mercados de ativos tokenizados, onde alguns agregadores da indústria sugeriram que os tamanhos de mercado reportados podem estar sobreavaliados por uma margem significativa devido a metodologias de dados inconsistentes.

Criar um Conjunto de Dados Unificado para Instituições

Ao oferecer um conjunto de dados licenciado e partilhado incorporado nos sistemas blockchain, a Bloomberg e a Kaiko procuram estabelecer uma camada de dados mais unificada para mercados tokenizados. Espera-se que esta abordagem apoie uma melhor integridade de dados, reduza a fricção operacional e melhore a confiança entre participantes institucionais. Para bancos e gestores de ativos que avaliam finanças baseadas em blockchain, tal consistência pode desempenhar um papel fundamental no aumento da adoção para além de programas piloto.

À medida que os esforços de tokenização continuam a expandir-se por classes de ativos, a parceria sublinha a importância de alinhar a inovação blockchain com os padrões de dados que sustentam as finanças tradicionais. Ao unir estes dois mundos, a Bloomberg e a Kaiko estão a posicionar-se no centro dos esforços para tornar os mercados financeiros tokenizados mais transparentes, eficientes e prontos para instituições.

A publicação Bloomberg and Kaiko Bring Trusted Data On-Chain apareceu primeiro em CoinTrust.

Isenção de responsabilidade: Os artigos republicados neste site são provenientes de plataformas públicas e são fornecidos apenas para fins informativos. Eles não refletem necessariamente a opinião da MEXC. Todos os direitos permanecem com os autores originais. Se você acredita que algum conteúdo infringe direitos de terceiros, entre em contato pelo e-mail crypto.news@mexc.com para solicitar a remoção. A MEXC não oferece garantias quanto à precisão, integridade ou atualidade das informações e não se responsabiliza por quaisquer ações tomadas com base no conteúdo fornecido. O conteúdo não constitui aconselhamento financeiro, jurídico ou profissional, nem deve ser considerado uma recomendação ou endosso por parte da MEXC.