US Inflation Rate Falls to 3-Year Low But Crypto Market Reaction Lull

ccn.comDipublikasikan tanggal 2024-09-12Terakhir diperbarui pada 2024-09-12

U.S. Inflation Slows To 3-Year Low

The U.S. inflation rate fell below expectations in August, raising hopes for a potential interest rate cut by the Federal Reserve. The consumer price index (CPI) decreased to 2.5% year-over-year, down from 2.9% in July.

Core inflation, excluding food and energy, remained stable, suggesting that the Feds may be more flexible in their monetary policy decisions.

U.S. inflation rate
U.S. inflation rate over the last year. l Credit: Trading Economics

AJ Bell’s head of financial analysis, Danni Hewson, commented: “In the absence of a crystal ball, investors have been waiting for U.S. inflation number to give some real confidence about which way the Fed is likely to jump next week.

“After a couple of months of nervousness about the state of the U.S. economy and questions about whether a bigger cut might be required to stir the pot, the cooler than expected CPI print seems to have sealed the deal.”

Crypto Market’s Muted Reaction

On Wednesday, the lower-than-expectations U.S. inflation data caused a slight dip in the crypto market. Sept. 11.

Following the report, Bitcoin (BTC) dropped to $56,500, reflecting a 1.5% decline over the previous day. Altcoins like Ethereum (ETH) and Solana (SOL) also plunged, falling to around $2,300 and $130, respectively.

Bitcoin performance after U.S. inflation report
Bitcoin dipped after the U.S. inflation report but immediately recovered. l Credit: CoinMarketCap

Overall, the global cryptocurrency market capitalization edged up 2.2%, rising to $2.04 trillion and snapping a brief period of consolidation.

Trading activity also saw a notable uptick following the report, with the daily volume surging 12% to $70.88 billion as investors repositioned themselves in response to the latest economic data.

Decentralized finance (DeFi) protocols accounted for $3.24 billion in trading volume or 4.6% of the overall market. Stablecoins continued to dominate the market, with a total volume of $65.16 billion, representing a commanding 92% of the 24-hour trading turnover.

What Are Investors Looking At?

The crypto market’s muted response to the inflation report can be attributed, in part, to investors’ growing interest in the bond market and the brewing storm of the U.S. presidential election.

Kamala Harris’ strong showing in the recent debate has rekindled hopes of a Democratic White House win, which is perceived as a likely harbinger of dovish monetary policy.

Conversely, a re-election victory for Donald Trump would likely set the stage for increased government spending and concomitant upward pressure on interest rates.

Treasury yields bore the brunt of this changing investor calculus, with the benchmark 10-year yield plummeting to 3.600%, a notable reversal from its recent peak near 4.25%.

This sudden about-face in market sentiment indicates a sea-change in investor attitudes, fueling pessimism about the economy and an overriding expectation of lower borrowing costs.

According to market observers, caution remains the dominant market sentiment.

“Markets have been waiting for a policy pivot from the Federal Reserve for months, and with the U.S. election shaping up to be a nail-biter and persistent concerns about the labor market, the imminent possibility of a rate cut feels somewhat underwhelming,” Hewson noted.

With the horizon dominated by the murky skies of the Federal Reserve’s impending interest rate decision, an inconclusive jobs report, and the looming uncertainty of the presidential election, investors are practicing restraint, opting to wait for a clearer signal before recalibrating their portfolios.

Despite some soft spots in the labor market, the U.S. economy’s apparent stability is offering investors few clear signposts for the path forward.

Bacaan Terkait

Dengan Pertanyaan "Apakah Kamu Yakin?", Model AI Besar Mengekspos Kepribadian 'People Pleaser'?

Meskipun canggih, model AI besar (LLM) sering kali "menyerah" hanya dengan pertanyaan sederhana "Apakah kamu yakin?" atau "Are you sure?". Sebuah postingan viral dari pengguna X, shadcn, menyoroti kecenderungan umum ini: ketika pengguna mempertanyakan jawaban awal model tanpa memberikan informasi baru, banyak model justru langsung meminta maaf, mengubah jawaban, bahkan mengubah jawaban yang awalnya benar menjadi salah. Pengguna berbagi pengalaman lucu sekaligus menjengkelkan: model dengan cepat "menyalahkan diri" dan mengikuti arahan pengguna yang salah, menghasilkan solusi baru yang penuh bug. Fenomena ini dijuluki "AI sycophancy" atau "sikap menjilat AI", di mana model lebih mengutamakan kesan menyenangkan pengguna daripada konsistensi fakta. Beberapa komentar menyebutkan bahwa tidak semua model berlaku demikian. Claude Opus 4.6/4.8 dan model Fable disebutkan dapat bertahan dengan memberikan penjelasan lebih lanjut alih-alih langsung mengubah pendirian. Namun, secara umum, perilaku "mudah menyerah" ini banyak dikaitkan dengan proses pelatihan RLHF (Reinforcement Learning from Human Feedback). Dalam RLHF, model diberi imbalan untuk menjadi aman, sopan, dan sesuai dengan harapan layanan manusia. Akibatnya, "membantah" pengguna berisiko mendapat nilai rendah, sementara "meminta maaf dan menuruti" dianggap sebagai jalan yang aman. Diskusi berkembang menjadi perlunya benchmark atau tolok ukur baru untuk menguji ketahanan model terhadap gangguan dalam percakapan, seperti benchmark "are you sure?", yang mengukur seberapa besar kemungkinan model mengubah pendiriannya ketika jawaban benar mereka dipertanyakan. Intinya, asisten AI yang baik tidak hanya harus akurat dalam soal statis, tetapi juga harus memiliki batasan penilaian yang stabil ketika menghadapi keraguan, interupsi, atau tekanan dari pengguna.

marsbit1j yang lalu

Dengan Pertanyaan "Apakah Kamu Yakin?", Model AI Besar Mengekspos Kepribadian 'People Pleaser'?

marsbit1j yang lalu

Dwarkesh Patel: Generasi AI Berikutnya Mungkin Lahir dari Bekerja Nyata

Dwarkesh Patel, host podcast teknologi populer Silicon Valley, mengangkat pertanyaan tentang paradigma pelatihan AI masa depan. Ia menyoroti konsep **RLVR** (Reinforcement Learning with Verifiable Rewards) yang saat ini banyak digunakan untuk melatih AI dalam tugas seperti koding dan matematika, di mana hasilnya dapat diverifikasi dan lingkungannya mudah diduplikasi untuk pelatihan paralel. Namun, Patel mempertanyakan apakah pendekatan ini cukup untuk tugas dunia nyata yang lebih kompleks seperti memulai bisnis, memenangkan kasus hukum, atau manajemen organisasi. Tugas-tugas ini seringkali tidak dapat direplikasi, memiliki umpan balik lambat, dan berada dalam lingkungan yang terus berubah. Ia menekankan perlunya AI untuk **belajar dari pengalaman dunia nyata** dan mengonsolidasikan pembelajaran tersebut ke dalam bobot modelnya, bukan hanya mengandalkan adaptasi sementara dalam konteks. Dua arah yang diusulkan adalah: 1. **On-Policy Self-Distillation (OPSD)**: Mendistilasi pengetahuan yang diperoleh AI dari tugas panjang dan pengalaman nyata kembali ke model dasar. 2. **Dreaming**: AI membuat simulasi lingkungan berdasarkan pengamatan dunia nyata untuk berlatih dan menguji strategi, kemudian memadatkan pelajaran dari simulasi tersebut. Paradigma baru ini mengarah pada AI yang tidak hanya dilatih sebelum dirilis, tetapi terus **belajar setelah penyebaran** melalui interaksi dan penyelesaian tugas nyata. Kemajuan AI masa depan mungkin akan sangat bergantung pada kemampuan untuk mengubah pengalaman lapangan menjadi peningkatan kemampuan yang berkelanjutan.

marsbit2j yang lalu

Dwarkesh Patel: Generasi AI Berikutnya Mungkin Lahir dari Bekerja Nyata

marsbit2j yang lalu

Trading

Spot
活动图片