Почему после публикации данных по занятости в США криптовалютный рынок начинает волноваться?

Говоря откровенно, ФРС принимает решение о процентной ставке, исходя из данных по занятости, а политика в области ставок напрямую определяет, куда течёт денежный поток.

**Игра на потоках капитала**

Данные по занятости включают количество занятых, уровень безработицы, темпы роста почасовой оплаты труда. Если показатели хорошие (рост занятости, снижение безработицы), рынок считает, что ФРС может продолжить повышать ставки или задержать снижение, и ликвидность в долларах будет заблокирована. Тогда средства в рискованные активы — включая криптовалюты — начнут стекаться в доллар и американские облигации как в безопасные активы. Обратное: если данные плохие, ожидания снижения ставок усилятся, деньги станут более свободными, и инвесторы с большей охотой вложатся в криптовалюты и другие высокорискованные активы.

**Прямой эффект на доллар**

Сильные данные по занятости укрепляют индекс доллара. Так как криптовалюты оцениваются в долларах, при росте доллара цена биткоина, эфириума и других монет в долларах естественно снижается; наоборот, при ослаблении доллара криптовалюты становятся более привлекательными.

**Переключение экономического доверия**

Данные по занятости — это своего рода индикатор экономической активности. Когда показатели хорошие, рынок полон уверенности, деньги могут вернуться в акции, недвижимость и другие реальные активы; при плохих данных инвесторы либо укрываются в безопасных активах, либо рискуют и вкладываются в криптовалюты в надежде на высокую доходность — всё зависит от общего настроения рынка в данный момент.

**Но не стоит воспринимать это слишком буквально**

Переменные в криптовалютном рынке очень многочисленны. Регуляторные новости, крупные события в индустрии, изменение настроений мелких инвесторов — всё это может изменить ситуацию. Данные по занятости — лишь один из множества факторов, влияющих на рынок, а волатильность в криптовалютах значительно выше, чем в традиционных финансах, и спекулятивный характер тут сильнее. Поэтому важно учитывать данные, но не полагаться только на один показатель.