华尔街超罕见信号:鲍威尔降息100个基点仍偏紧缩!摩根士丹利警告了......

币界网Xuất bản vào 2024-08-19Cập nhật gần nhất vào 2024-08-19

币界网报道:

美联储主席鲍威尔将在本周杰克逊霍尔年会上讲话,市场紧盯9月降息信号。摩根士丹利罕见指出,鲍威尔可能会指出,即使降息后,政策仍将保持紧缩。 PGIM固定收益首席美国经济学家Tom Porcelli表示,即使降息100个基点,美联储政策仍偏紧缩。

 

Tom解释说,目前5.3%的联邦基金利率与当前低于3%的消费者价格通胀率相比显得相对较高,即使降息100个基点,美联储的政策仍然偏紧缩,政策是根据显著较高的通胀率和显著较低的失业率来校准的,但这些情况已经发生了变化。

 

摩根士丹利首席经济学家塞思·卡彭特(Seth Carpenter)提到:“市场本周所有注意力都将集中在杰克逊霍尔会议上,会议的主题恰如其分地是'重新评估货币政策的有效性和传导'。我们预计鲍威尔将就美联储的中期战略发表长篇大论,特别是持续的通货紧缩意味着美联储可以专注于维持经济扩张,同时仍能回到2%的目标。” 

他指出,联邦公开市场委员会(FOMC)已经发出降息信号,但鲍威尔可能会指出,即使降息后,政策仍将保持紧缩。事实上,区分水平和变化可能是一个主题。经济活动正在放缓,但并不是特别疲软。就业市场已经降温,但即使是7月份的11.5万也不算特别疲软。市场将不得不决定什么更重要,水平还是趋势。

 

美国失业率从低点上升0.8个百分点,是另一个关于水平与趋势的争论。历史上,失业率上升预示着经济衰退,这种关系已经被大肆渲染。

 

“但我之前曾写过,本轮周期的劳动力市场与过去有多么不同。从历史上看,失业率上升一直是经济衰退的先兆,因为它除了意味着劳动力需求下降之外,还意味着失业。本轮周期中,劳动力需求肯定已从不可持续的速度放缓,但解雇率仍然很低,”卡彭特续称。

 

此外,过去周期中失业率发出的信号一直很弱,因为在经济低迷时期劳动力供应也会下降。这一次,失业率上升因劳动力供应而被放大。换句话说,4.3%的失业率仍然处于低水平,上升趋势发出的信号比过去要少得多。

 

008ACdQ2ly1hst00ioy95j30rs0glwgd.jpg

信用利差也有类似的情况。与最近一轮市场波动前的紧张相比,利差呈扩大趋势,但其水平仍远未达到衰退水平,市场波动期间经历的利差扩大仅仅是从历史窄幅利差的回落。市场仍然对发行人开放,随着收益率压缩,IG和HY发行人继续以当前水平筹集资金,利差扩大看上去是暂时的。

事实上,本轮周期与过去周期的区别在于,现在大多数违约都是因高债务成本而导致的重组,而不是一波彻底破产或盈利不佳。随着美联储降息,即使是这些“软违约”也不会带来太大挑战。  

008ACdQ2ly1hst00eq0z2j30rs09wq4s.jpg

消费者支出约占美国经济的70%,这是另一个很好的例子。美国消费支出飙升至远高于其趋势水平,因此回归到与收入更相符的基本面水平是理所当然的。

 

卡彭特说道:“紧缩的货币政策只会强化这一趋势,我们认为这一过程正在进行中,上周的零售销售报告表明美国消费者仍然健康。”

 

他总结称:“水平与趋势是一个关键的区别,事实上市场通常会交易二阶导数,即加速或减速,我怀疑鲍威尔的讲话至少会含蓄地强调这一区别。经济可以从不可持续的快速增长中放缓,同时仍然足够健康以摆脱衰退。”

 

“这一区别支撑了我们的观点,即美联储将在连续的会议上降息25个基点。当然,我们和美联储都可能是错的。州一级的数据显示,7月份的就业数据受到飓风的抑制,但如果8月份的就业数据表明经济下滑,我们预计降息幅度会更大,但这一结果将是趋势的重大变化。”

Nội dung Liên quan

Vừa qua, DeepSeek V4 cập nhật DSpark, tốc độ suy luận tăng 80%

Vừa qua, DeepSeek V4 đã được cập nhật với framework giải mã suy đoán mới là **DSpark**, giúp tăng tốc độ suy luận lên tới 80%. Cốt lõi của bản cập nhật này là framework **DSpark**, một kỹ thuật giải mã suy đoán được triển khai trên DeepSeek-V4-Pro hiện có để tăng tốc độ suy luận, chứ không phải là nâng cấp kiến trúc mô hình. DSpark giải quyết các điểm nghẽn về độ trễ và thông lượng trong môi trường sản xuất, đặc biệt ở các tình huống có tải cao. DSpark kết hợp hai cải tiến chính: 1. **Kiến trúc sinh bán tự hồi quy (Semi-Autoregressive Generation)**: Giữ lợi thế về thông lượng cao của mô hình phác thảo song song, đồng thời thêm mô-đun nối tiếp nhẹ để mô hình hóa mối quan hệ phụ thuộc giữa các token, giúp giảm thiểu tỷ lệ chấp nhận suy giảm. 2. **Xác minh theo lịch trình độ tin cậy, nhận biết phần cứng (Confidence-Scheduled Verification)**: Một "đầu độ tin cậy" (Confidence Head) được sử dụng để đánh giá xác suất tồn tại của mỗi token phác thảo. Hệ thống điều phối sẽ xác định độ dài xác minh tối ưu một cách linh hoạt dựa trên đặc điểm tải và phần cứng, chỉ phân bổ tài nguyên tính toán cho những token có khả năng được chấp nhận cao nhất. Trong các thử nghiệm trên nhiều lĩnh vực như suy luận toán học, tạo mã và hội thoại, DSpark vượt trội so với các phương pháp tiên tiến hiện tại như Eagle3 và DFlash. So với cơ sở sinh token đơn trước đó (MTP-1), DSpark đã **tăng tốc độ phản hồi cho người dùng từ 57% đến 85%** (tuỳ thuộc vào việc sử dụng mô hình Flash hay Pro) trong khi vẫn duy trì cùng tổng thông lượng. Cùng với DSpark, DeepSeek cũng công khai mã nguồn **DeepSpec**, một bộ công cụ toàn diện để đào tạo và đánh giá các mô hình phác thảo cho giải mã suy đoán. DeepSpec cung cấp một đường ống công việc tiêu chuẩn bao gồm chuẩn bị dữ liệu, đào tạo và đánh giá, hỗ trợ nhiều thuật toán (DSpark, DFlash, Eagle3) và mô hình mục tiêu (hiện tại là Qwen3 và Gemma).

marsbit5 giờ trước

Vừa qua, DeepSeek V4 cập nhật DSpark, tốc độ suy luận tăng 80%

marsbit5 giờ trước

Cách mà thần đồng Karpathy sử dụng Claude, hóa ra là như thế này?

Andrej Karpathy, một chuyên gia hàng đầu trong lĩnh vực AI, được cho là đã sử dụng một tệp CLAUDE.md cá nhân để hướng dẫn Claude - công cụ AI lập trình từ Anthropic - hoạt động hiệu quả hơn. Dù tính xác thực của tệp này chưa được kiểm chứng, nhưng nội dung của nó phản ánh chính xác những nguyên tắc Karpathy thường chia sẻ. Tài liệu này đưa ra các quy tắc then chốt để tránh những lỗi phổ biến khi AI viết code. Trọng tâm bao gồm: **Đọc kỹ code hiện có** trước khi viết mới để đảm bảo tính nhất quán; **Suy nghĩ thấu đáo** về yêu cầu và các phương án triển khai trước khi bắt tay vào code; **Giữ mọi thứ đơn giản nhất có thể**, tránh thiết kế thừa và chỉ xử lý những vấn đề thực sự tồn tại; **Sửa đổi một cách "phẫu thuật"**, chỉ thay đổi phần cần thiết và tuân thủ phong cách code sẵn có của dự án. Các hướng dẫn khác bao gồm việc luôn **xác minh code** bằng kiểm thử, làm việc **theo mục tiêu rõ ràng**, **gỡ lỗi có phương pháp**, thận trọng khi thêm **phụ thuộc mới**, và **giao tiếp hiệu quả** về những thay đổi. Tài liệu cũng chỉ ra các "mẫu thất bại" thường gặp như làm quá nhiều việc cùng lúc, tạo ra sự trừu tượng hóa không cần thiết, hoặc lạc quyết định ban đầu. Về cơ bản, những nguyên tắc này nhằm biến Claude từ một thực thể tạo code chung chung thành một trợ lý lập trình thực sự hiểu ngữ cảnh, tuân thủ dự án và giảm thiểu nhu cầu viết lại code. Dù tệp gốc có phải của Karpathy hay không, các nguyên tắc này được cộng đồng đánh giá cao và đã có dự án trên GitHub tổng hợp chúng, được cho là giúp giảm tỷ lệ lỗi code do AI tạo ra một cách đáng kể.

marsbit6 giờ trước

Cách mà thần đồng Karpathy sử dụng Claude, hóa ra là như thế này?

marsbit6 giờ trước

Giao dịch

Giao ngay
活动图片