美股创一个月最大单日跌幅,发生了什么?

coinvoicePublicado a 2025-11-12Actualizado a 2025-11-14

作者:华尔街见闻

 

美国政府停摆结束带来的短暂乐观情绪迅速消散,市场焦点转向大量推迟的经济数据、美联储降息前景的不确定性以及对高估值科技股的担忧,从而引发了对高估值科技股和风险资产的广泛抛售。

10月13日周四,美股三大股指在当日的交易中集体下挫,以科技股为主的纳斯达克综合指数收盘暴跌2.29%。

风险情绪恶化也蔓延至加密货币市场,比特币跌破10万美元大关,以太坊一度跌超10%。

此次抛售的直接催化剂,是多位美联储官员发表的谨慎言论,暗示降息需谨慎。据芝商所(CME)数据,利率期货市场显示,降息概率已从一周前的超过70%骤降至50%左右。

这一转变加剧了本月以来已在进行的市场轮动。据报道,投资者正从今年表现最热门的股票中获利了结,转而投向估值更低、更具防御性的板块,这一“避险模式”在周四的交易中表现得淋漓尽致。

美股创一个月最大单日跌幅

美国政府关门事件结束,经济数据推迟发布,投资者重估美联储12月降息前景,周四美股创一个月最大单日跌幅。

美股基准股指:

标普500指数收跌113.43点,跌幅1.66%,报6737.49点。

道琼斯工业平均指数收跌797.60点,跌幅1.65%,报47457.22点,脱离收盘历史最高位。

纳指收跌536.102点,跌幅2.29%,报22870.355点。纳斯达克100指数收跌536.102点,跌幅2.05%,报24993.463点。

罗素2000指数收跌2.77%,报2382.984点。

恐慌指数VIX收涨14.33%,报20.02,北京时间04:23曾涨至21.31,之后有所回吐涨幅。

科技七巨头:

美国科技股七巨头(Magnificent 7)指数跌2.26%,报203.76点。

特斯拉收跌6.64%,英伟达跌3.58%,谷歌A跌2.84%,亚马逊跌2.71%,微软跌1.54%,Meta则收涨0.14%。

芯片股:

费城半导体指数收跌3.72%,报6818.736点。

AMD跌4.22%,台积电跌2.90%。

甲骨文收跌4.15%,博通跌4.29%,高通跌1.23%。

多位美联储官员发表鹰派言论,“中间派”开始动摇

多位美联储官员发表鹰派言论,对通胀表示担忧,并对未来降息持谨慎态度。

其中,克利夫兰联储主席Hammack(2026年FOMC票委)表示,预计通胀还将在未来2-3年高于2%这一目标。随着就业市场的疲软,美联储的就业目标(即双重使命中的就业方面)正面临挑战。预计关税将推高通胀,并持续到明年初。美联储需要维持一定程度上的政策限制性,从而为通胀降温。

明尼阿波利斯联储主席Neel Kashkari周四表示,由于经济的韧性,他反对上个月的降息,并对12月的决定持观望态度。圣路易斯联储主席Alberto Musalem也重申,他认为货币政策需要“顶住”通胀。

由于对通胀的担忧以及部分官员认为劳动力市场依然稳健,越来越多决策者对进一步放松货币政策流露出犹豫,其中包括一些此前坚定的支持者。

最新动态是,波士顿联储主席Susan Collins和旧金山联储主席Mary Daly——两位今年都曾投票支持降息的官员——发出了迄今最明确的谨慎信号。Collins直言,近期进一步放松政策的“门槛相对较高”,而Daly则表示,现在对12月的决定下结论为时过早,她持“开放心态”。

即将公布的海量数据(这可能带来更多而非更少的不确定性),加上近期密集的员鹰派表态,已经将市场对12月降息的押注推回到50%以下。

12月会议的两种可能

展望12月的会议,结果似乎正倒向“两种选择”:要么维持利率不变,要么再次降息25个基点。据《华尔街日报》记者Nick Timiraos分析,另一种可能是,美联储在12月降息的同时,通过政策指引为未来进一步的宽松政策设定更高的门槛。

无论最终决定如何,鲍威尔都可能面临比10月会议上(两人异议)更多的反对票。Evercore ISI副主席Krishna Guha在周四的一份报告中写道,Collins明确反对12月降息的表态,“加剧了我们对鲍威尔管理FOMC内部分歧能力的担忧”。

Guha分析称,如果美联储决定降息,堪萨斯城联储主席Jeffrey Schmid可能会得到Collins和Musalem等人的附议;如果美联储决定按兵不动,那么此前主张更大幅度降息的理事Stephen Miran,则可能与同样支持宽松政策的理事Christopher Waller和Michelle Bowman一起投下反对票。

这进一步凸显了委员会内部的深刻裂痕,使得12月的决策充满变数。


声明:本内容为作者独立观点,不代表 CoinVoice 立场,且不构成投资建议,请谨慎对待,如需报道或加入交流群,请联系微信:VOICE-V。

来源:华尔街见闻

Lecturas Relacionadas

Claude se volvió 'tonto' en toda la red, y Anthropic aclara el motivo: No es el modelo quien te falla

**Los usuarios de Claude Code se quejaban de que el modelo se volvió más torpe, pero Anthropic aclara: el problema no era el modelo, sino el ajuste de "Esfuerzo".** En marzo, muchos desarrolladores notaron que Claude Code parecía menos competente: omitía leer archivos o ejecutar pruebas. La comunidad criticó fuertemente a Anthropic. La causa real fue un cambio en la configuración predeterminada del nivel de **Esfuerzo (Effort)**, de "alto" a "medio", realizado para reducir la latencia. Este ajuste afectó cuánto trabajo invertía Claude en una tarea, no su conocimiento fundamental. Anthropic explica la diferencia clave entre **Modelo** y **Esfuerzo**: * **Modelo (Sonnet, Opus, Fable):** Representa la "inteligencia" o conocimiento base del modelo (pesos congelados del entrenamiento). Cambiarlo resuelve problemas de "¿puede hacerlo?". * **Esfuerzo (Effort):** Representa la "actitud" o cuánto trabajo está dispuesto a realizar en una tarea específica (leer archivos, ejecutar pruebas, verificar). Un Esfuerzo bajo hace que Claude responda rápido pero pida más contexto; un Esfuerzo alto lo hace investigar y trabajar de forma más autónoma. **Conclusión importante:** Un modelo más pequeño (como Sonnet) con un Esfuerzo alto puede superar a un modelo más grande (como Opus) con un Esfuerzo bajo en muchas tareas. El cambio de marzo demostró que los usuarios a menudo subestimaban el impacto del control de Esfuerzo, culpando erróneamente al modelo. **Marco para solucionar problemas:** 1. Verifica primero el contexto y las instrucciones (prompt). 2. Si Claude se equivoca, pregúntate: **¿Es que "no sabe" o "no se esfuerza lo suficiente"?** * **No se esfuerza (ej., omite pasos):** Aumenta el nivel de Esfuerzo. * **No sabe (ej., errores persistentes a pesar del contexto):** Cambia a un modelo más capaz. La lección es que el uso efectivo de herramientas de IA como Claude Code ya no se trata solo de elegir el modelo más potente, sino de aprender a **gestionar y asignar recursos** (modelo y esfuerzo) de manera inteligente para cada tarea, optimizando tanto el rendimiento como el coste.

marsbitHace 33 min(s)

Claude se volvió 'tonto' en toda la red, y Anthropic aclara el motivo: No es el modelo quien te falla

marsbitHace 33 min(s)

Casi un centenar de jugadores se lanzan al sector de datos embodiment: 44.700 millones de financiación en un año, ¿quién puede ganar dinero realmente "vendiendo datos"?

**Resumen en español europeo:** Más de 90 empresas, incluidas 70 dedicadas a la recopilación, compiten en el emergente campo de los datos de inteligencia encarnada en China. En el último año, 15 proveedores de datos independientes recaudaron aproximadamente 4.470 millones de RMB. El artículo, basado en estadísticas de "Quantum Bit", describe diez aspectos clave del sector: 1. **Métodos de recopilación:** Se dividen en cuatro categorías: teleoperación de robots reales, recopilación sin robot (con captura de movimiento), simulación y destilación de vídeos de internet. La mayoría de las empresas (43%) utilizan múltiples métodos, siendo la teleoperación la ruta única más común (31%). 2. **Perfil de los actores:** Los proveedores de datos independientes son el grupo más numeroso (40%), seguidos por plataformas de datos estatales (26%) y fabricantes de robots (25%). Dos tercios de las empresas son "nativas" del sector. 3. **Capacidad y distribución:** La capacidad anual actual se estima en 1,6-1,8 millones de horas, con el objetivo de multiplicarla por 15-20 en 1-3 años. Las "fábricas de datos" están presentes en 20 provincias, concentrándose en el delta del Yangtsé. 4. **Financiación y etapa:** La financiación del último año para proveedores independientes (44.700 millones RMB) es modesta comparada con la inversión total en inteligencia encarnada. El sector está muy fragmentado, con una sola "unicornio" (Lightwheel AI) que acaparó el 70% de la inversión. 69 fondos han invertido, pero ninguno de forma significativa, mostrando cautela. 5. **Conclusión:** El mercado de datos encarnados es ya una industria independiente y generadora de empleo, pero se encuentra en una fase muy temprana. Aún no está claro si "vender datos" será un negocio rentable, y los próximos 1-2 años serán cruciales para validar el modelo.

marsbitHace 3 hora(s)

Casi un centenar de jugadores se lanzan al sector de datos embodiment: 44.700 millones de financiación en un año, ¿quién puede ganar dinero realmente "vendiendo datos"?

marsbitHace 3 hora(s)

Trading

Spot
活动图片