-
No momento da venda, o Ether (ETH) estava sendo negociado acima de US$ 2.200.
-
As operações foram detectadas em três endereços diferentes.
Uma baleia do ecossistema Ethereum vendeu grandes quantidades de éter (ETH), éter embrulhado (wstETH) e bitcoin embrulhado (WBTC) antes da recente quebra do mercado, e depois comprou de volta uma quantidade ainda maior desses ativos a preços mais baixos.
De acordo com dados divulgados em 8 de junho de 2026 pela Lookonchain, uma empresa de análise on-chain, As operações foram detectadas em três endereços Ethereum:
É importante esclarecer que no mercado de criptomoedas uma pessoa ou entidade que controla grandes volumes de ativos digitais é chamada de “baleia”. No caso da ETH, o endereço ou entidade com 1.000 ETH ou mais costuma ser classificado como baleia.
E deve-se notar que wstETH é uma versão tokenizada da ETH apostada através do Lido, enquanto WBTC é uma versão tokenizada do bitcoin que circula no Ethereum e permite que o ativo criado por Satoshi Nakamoto seja utilizado para exposição em aplicações de finanças descentralizadas (DeFi), conforme explica a CriptoNoticias.
Agora, esta baleia começou a reduzir a exposição entre os dias 12 e 21 de maio, antes da correção geral do mercado.
Depois, após a queda de preços registada no início de junho, os mesmos endereços voltaram a acumular os ativos anteriormente vendidos.
No caso do ETH, a baleia vendeu 60 mil unidades quando o ativo estava sendo negociado perto de US$ 2.040. Também vendeu 9.442 wstETH por aproximadamente US$ 24 milhões, como pode ser visto no gráfico a seguir no retângulo que diz “vender” (venda, em espanhol).
Por sua vez, vendeu 600 WBTC a um preço médio de US$ 78.538, totalizando cerca de US$ 47,1 milhões.
Após a correção geral do mercado no início de junho, as mesmas administrações começaram a reconstruir posições. Os registros de 7 de junho mostram recompras de 60.088 ETH e 10.000 wstETH a um preço médio de US$ 1.606. Também adquiriu 611 WBTC a um preço médio de US$ 63.280, ou 11 unidades a mais do que havia vendido anteriormente.
Como resultado, A baleia acabou com mais ETH, mais wstETH e mais WBTC do que antes da correção, mas comprada a preços mais baixos.
Atualmente, a carteira principal contém cerca de 47.900 ETH, 10.000 wstETH, 769 WBTC e mais de US$ 20 milhões em stablecoins. Outro endereço detém mais de 22.800 ETH, enquanto o terceiro mantém uma posição menor em Ether.
Esses movimentos mostram uma estratégia precisa: reduzir a exposição antes de um declínio acentuado e reconstruir posições quando os preços recuarem.
O que podemos aprender com esta situação?
Embora não sejam milhões de dólares investidos e embora não seja totalmente claro como esta entidade conseguiu antecipar a queda dos preços com tanta precisão, os movimentos destas “baleias” têm impacto direto nos rumos do mercado e oferecem lições práticas e valiosas para qualquer estratégia financeira.
Uma dessas lições é que a volatilidade não é o inimigo, é a ferramenta. Enquanto o investidor retalhista médio normalmente entra em pânico e vende com prejuízo durante uma crise, o “capital inteligente” vê as quedas de preços como zonas de desconto (desde que invista num activo com a convicção de que, a longo prazo, o seu preço voltará a subir). A lição é clara: nos mercados financeiros, paciência e sangue frio pagam mais do que a reação emocional.
O poder de ter liquidez também é evidente. Esta baleia só conseguiu recomprar suas criptomoedas mais baratas porque obteve lucros antes do crash. Se você tem 100% do seu dinheiro investido o tempo todo, mesmo após aumentos de preços, você se torna um simples espectador quando o mercado entra em colapso. Ter liquidez (como stablecoins ou fiduciários) armazenada lhe dá o poder de tirar vantagem de “negócios”.
Além disso, não se esqueça que as baleias deixam rastros que você pode seguir. A grande vantagem da tecnologia das criptomoedas é que ela é transparente. Como demonstra esta notícia, as ferramentas on-chain permitem ver os movimentos dos grandes jogadores em tempo real. Aprender a ler ou seguir quem analisa esses dados pode ajudar a antecipar as correções.
