HeyJaredDEBUNK Podcast
🇯🇵🇺🇸🇰🇷🇨🇳🇪🇸の5ヶ国語で展開されるweb3ニュースレターの日本語版。「1日5分でweb3をより深く学ぶ」をコンセプトに、web3の注目トレンドやプロジェクトの解説、最新ニュース紹介などのリサーチ記事を毎日配信しています。 www.web3researchjapan.com
- Indexed pieces, last 90 days
- 2
- Latest publication
- Jul 26, 2026
- Audience
- By platform
- Earliest in this view
- Jul 11, 2026
The latest indexed work is over 30 days old. There may be a gap in what we hold.
One publication, every platform
Open a platform to follow it on its own.
Why these are grouped
They share a verified publisher identifier or are linked from the publication’s official site. People stay separate from their publications.
Latest pieces
パーペチュアル（無期限先物）とは？ (opens the original)
Read excerpt
クリプト取引で最も大きなお金が動いているのは、実は「現物」ではありません。今回はその主役であるパーペチュアル（無期限先物）を、ゼロから解説します。 期限がないのになぜ現物価格と連動するのか。100倍レバレッジで何が起きるのか。そして、社員11人ほどで年間2000億円規模を叩き出すHyperliquidまで。 ▼ この動画でわかること * パーペチュアル（無期限先物）とは何か * 現物・先物・パーペチュアルの違い * レバレッジと強制ロスカット（清算）の仕組み * ファンディングレートがなぜ「必要」なのか * 日本の取引所の手数料が高い、構造的な理由 * Hyperliquidの強さと、分散化という課題 ▼ チャプター 00:00 パーペチュアルとは？ 03:49 先物とヘッジ 07:14 無期限先物とは 08:26 レバレッジと清算 11:27 ファンディングレート 16:51 現物 vs パーペ 17:47 なぜ今アツい？ 20:46 予測市場との融合 23:53 発祥と歴史 25:38 あらゆる資産へ 28:08 Hyperliquidと課題 34:12 展望・まとめ ▼ 出演 三
なぜ今、世界中が予測市場に賭けているのか (opens the original)
Read excerpt
選挙の勝者から、イーロン・マスクの投稿数、メタの新規参入まで——いま世界中のお金と注目が「予測市場（Prediction Market）」に流れ込んでいます。 世論調査が外した2024年の米大統領選を、Polymarketは当てた。これは単なるギャンブルなのか、それとも未来を映す“真実のマシン（トゥルースマシン）”なのか。 クリプト×AIニュースレター DEBUNK のポッドキャスト第1回は、予測市場の仕組み・2強（Polymarket / Kalshi）・盛り上がりの背景・規制やインサイダーといった課題、そして「保険」へと進化していく未来までを、まるごと掘り下げます。 ▼DEBUNKとは クリプトとAIの“いま”を、ハイプではなく学びのために。「For learning, not for hype.」をコンセプトに、毎朝クリプト/AIのレポートを配信するニュースレターです。 📩ニュースレター（無料購読）： https://www.debunkresearch.com/ 𝕏 ： https://x.com/debunkrsch ▼出演 三井滉平（Aww 戦略責任者 / DEBUNK編集
Publishing over time
Last 90 days. Choose a month to open its work.
Recurring subjects
Named in the text we hold. One piece can cover several.
Audience
Each platform is measured on its own. Audiences can overlap.
Newsletter
No verified audience measurement yet.
Podcast
No verified audience measurement yet.
About this data
Counts cover the work we have indexed. Tone needs enough text and a confident classification. Excerpts and episode notes are not full articles or transcripts.
Identity or attribution wrong? Suggest a correction.