美股创一个月最大单日跌幅,发生了什么?

coinvoicePublié le 2025-11-12Dernière mise à jour le 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

Lectures associées

Claude est accusé d’être devenu bête sur tout le web, Anthropic lève le voile : ce n’est pas le modèle qui vous trahit

Le titre «Tout le monde accuse Claude d’être devenu bête, Anthropic révèle la vérité : ce n’est pas le modèle le problème» résume un malentendu répandu parmi les utilisateurs de Claude Code. Beaucoup pensent qu’un modèle plus grand signifie nécessairement une IA plus intelligente, ce qui les pousse à choisir des versions plus coûteuses comme Fable. Cependant, Anthropic a récemment clarifié cette confusion en expliquant la différence cruciale entre deux paramètres : le choix du modèle (Model) et le niveau d’effort (Effort). Le modèle détermine les capacités «gelées» de l’IA, basées sur des poids fixes acquis lors de l’entraînement. Il définit ce que l’IA sait ou ne sait pas faire. En revanche, le paramètre Effort contrôle l’«attitude» de Claude : à quel point il explore les fichiers, exécute des tests, vérifie ses réponses et persévère dans des tâches complexes. Un Effort élevé génère jusqu’à 7 fois plus de tokens qu’un Effort faible, car l’IA effectue plus de travail de fond. En mars, un changement par défaut du niveau d’Effort de «high» à «medium» a causé une impression généralisée que Claude était soudainement «devenu stupide», déclenchant des critiques sur GitHub. Anthropic a ensuite rétabli le paramètre par défaut et a souligné que, souvent, un modèle plus petit avec un Effort élevé peut surpasser un grand modèle avec un Effort faible. La clé est de diagnostiquer les erreurs : si Claude manque de persévérance (ne lit pas les fichiers, abandonne trop tôt), il faut augmenter l’Effort. S’il manque de connaissances malgré un contexte adéquat, il faut changer de modèle. Anthropic compare ainsi les modèles : Sonnet est un généraliste minutieux, Opus un expert rapide, et Fable un spécialiste pour les problèmes les plus complexes. Cet article marque un tournant : l’enjeu n’est plus seulement d’avoir le meilleur modèle, mais de savoir orchestrer intelligemment les agents IA. Bien paramétrer l’Effort et choisir judicieusement le modèle permet d’optimiser les performances et de réduire les coûts. Désormais, la compétence essentielle consiste à «donner du travail à l’IA» de manière efficace, pour exploiter pleinement son potentiel.

marsbitIl y a 32 mins

Claude est accusé d’être devenu bête sur tout le web, Anthropic lève le voile : ce n’est pas le modèle qui vous trahit

marsbitIl y a 32 mins

La Fondation Ethereum pourrait-elle devenir une "mascotte" ? Des organisations diversifiées se partagent désormais ses fonctions

La Fondation Ethereum (EF) est en pleine restructuration. L'équipe de support protocolaire a été dissoute et au moins huit cadres ont démissionné cette année, marquant la plus importante réduction d'effectifs de l'EF à ce jour. Ces départs coïncident avec l'émergence d'organisations indépendantes comme ETHLabs et Ethereum Institutional, qui reprennent des fonctions autrefois assumées par la Fondation. La réforme interne, initiée par le co-fondateur Vitalik Buterin, visait à restructurer l'organisation. Un récent communiqué a annoncé le licenciement de 54 employés, soit 20% du personnel, qualifiant ces postes de non essentiels. Parallèlement, d'anciens membres de l'EF créent de nouvelles entités : ETHLabs se concentre sur la recherche et le développement pour faire d'Ethereum une couche de règlement mondiale, tandis qu'Ethereum Institutional promeut l'adoption institutionnelle de la blockchain. Simultanément, l'EF innove techniquement. Son équipe de sécurité a testé avec succès l'utilisation d'agents IA pour auditer le réseau Ethereum, découvrant une vulnérabilité réelle. Si l'EF affirme que l'IA ne remplace pas les chercheurs, elle pourrait à terme impacter sa structure. Face à ces changements et aux critiques sur sa gouvernance, l'influence centrale de l'EF sur l'écosystème semble diminuer. Certains observateurs suggèrent qu'elle pourrait évoluer vers un rôle plus symbolique, laissant des organisations plus agiles piloter l'adoption à grande échelle et le développement futur d'Ethereum.

marsbitIl y a 59 mins

La Fondation Ethereum pourrait-elle devenir une "mascotte" ? Des organisations diversifiées se partagent désormais ses fonctions

marsbitIl y a 59 mins

Près d'une centaine de joueurs se ruent vers les données incarnées : 44,7 milliards levés en un an, qui peut vraiment gagner de l'argent en "vendant des données" ?

Près d'une centaine d'acteurs se ruent dans le secteur des données d'embodiment : 44,7 milliards de yuans levés en un an, mais qui peut vraiment gagner de l'argent en "vendant des données" ? Le secteur des données pour l'intelligence incarnée (embodiment) est en plein essor, avec 97 acteurs identifiés en Chine, dont 70 dans la collecte et 27 dans l'infrastructure. Sur un an, 15 prestataires de services indépendants spécialisés ont levé environ 44,7 milliards de yuans, un montant modeste comparé aux investissements totaux dans l'embodiment. La collecte s'organise autour de quatre approches principales : téléopération de robots physiques, collecte sans robot (via capteurs de mouvement), synthèse par simulation et distillation de vidéos internet. La plupart des acteurs combinent plusieurs méthodes. Les prestataires indépendants constituent le groupe le plus important (40%), devant les plateformes publiques (26%) et les fabricants de robots (25%). La capacité de production annuelle actuelle est estimée entre 1,6 et 1,8 million d'heures de données, avec un objectif de multiplication par 15 à 20 d'ici 1 à 3 ans. Des "usines à données" sont implantées dans 20 provinces, principalement dans les régions côtières développées. Le financement reste concentré sur des sociétés en phase précoce ; plus de la moitié des prestataires indépendants financés ont moins d'un an. La startup Lightwheel AI se distingue, ayant levé 31 milliards de yuans et atteint une valorisation de plus de 20 milliards de dollars. Cependant, les investisseurs restent prudents, aucun n'ayant effectué de pari massif sur le secteur. En résumé, le marché des données d'embodiment est devenu une piste indépendante et créatrice d'emplois, mais il en est encore à ses débuts. La viabilité commerciale d'un modèle basé sur la seule vente de données n'est pas encore démontrée. Les prochaines années seront cruciales pour vérifier si ces "vendeurs de pelles" peuvent réellement être rentables.

marsbitIl y a 3 h

Près d'une centaine de joueurs se ruent vers les données incarnées : 44,7 milliards levés en un an, qui peut vraiment gagner de l'argent en "vendant des données" ?

marsbitIl y a 3 h

Trading

Spot
活动图片