Trước thời khắc kiểm tra lạm phát của thị trường chứng khoán Mỹ, Phố Wall đang phải đối mặt với sự 'lừa dối dữ liệu' nghiêm trọng nhất trong lịch sử

链捕手Xuất bản vào 2026-07-13Cập nhật gần nhất vào 2026-07-13

Tóm tắt

Tác giả Wall Street Insights chỉ ra mâu thuẫn sâu sắc giữa các chỉ số lạm phát chính thức và cảm nhận thực tế của người tiêu dùng Mỹ trước thềm công bố dữ liệu CPI tháng 6. Trong khi số liệu chính thức như CPI (tháng 5: +4.2%) và PCE (+3.4%) cho thấy bức tranh "có lo ngại nhưng không khủng hoảng", thì Chỉ số Niềm tin Người tiêu dùng của Đại học Michigan lại chạm mức thấp nhất lịch sử vào tháng 5 và thấp thứ hai trong tháng 6. Theo chuyên gia kinh tế lao động Kathryn Anne Edwards, nguyên nhân chính của khoảng cách này nằm ở hạn chế hệ thống trong phương pháp đo lường CPI hiện hành của Cục Thống kê Lao động Mỹ (BLS). Chỉ số này sử dụng một "giỏ hàng hóa" trung bình, làm mờ đi thực tế lạm phát hoàn toàn khác biệt giữa các nhóm hộ gia đình. Nghiên cứu của BLS từ 2006-2023 cho thấy, tỷ lệ lạm phát hàng năm của nhóm thu nhập thấp nhất cao hơn nhóm thu nhập cao nhất khoảng 0.28 điểm phần trăm, tạo ra chênh lệch tích lũy lên tới 7.7 điểm trong gần hai thập kỷ – một sự khác biệt gần như vô hình trong chỉ số CPI tiêu chuẩn. Edwards nhấn mạnh rằng cơ sở dữ liệu để cải thiện hệ thống đã sẵn có, vì BLS hàng tháng đã thu thập giá của khoảng 100,000 mặt hàng. Việc xây dựng thêm nhiều chỉ số chi tiết theo loại hình hộ gia đình, mức thu nhập, độ tuổi... chủ yếu là vấn đề tổng hợp và trọng số lại dữ liệu hiện có. BLS cũng đã có một số chỉ số chuyên biệt (cho người cao tuổi, người thuê nhà mới...), chứng minh tính khả thi. Tuy nhiên, cải thiện đo lường không giải quyết được những áp lực kinh...

Tác giả: Phố Wall Thấy

Số liệu lạm phát chính thức cho thấy tình hình có thể kiểm soát, nhưng niềm tin của người tiêu dùng Mỹ lại giảm xuống mức thấp nhất trong gần nửa thế kỷ - vết nứt này đang làm lung lay sự tin tưởng cơ bản của thị trường vào dữ liệu vĩ mô.

Dữ liệu CPI tháng 6 của Mỹ sẽ được công bố vào ngày mai. Trước đó, chỉ số giá tiêu dùng tháng 5 tăng 4,2% so với cùng kỳ, chỉ số giá chi tiêu tiêu dùng cá nhân (PCE) tăng 3,4%, số liệu chính thức trình bày một bức tranh "có điểm đáng lo ngại, nhưng không có khủng hoảng".

Tuy nhiên, chỉ số lòng tin người tiêu dùng của Đại học Michigan đạt mức thấp nhất lịch sử kể từ khi có ghi chép vào năm 1978 vào tháng 5, còn số liệu tháng 6 là thấp thứ hai trong lịch sử - trong năm mươi năm mà chỉ số này bao phủ, đã bao gồm khủng hoảng dầu mỏ, hai lần bong bóng thị trường chứng khoán, một đại dịch và sáu lần suy thoái, nhưng người Mỹ vẫn coi thời điểm hiện tại là thời kỳ kinh tế tồi tệ nhất.

Mâu thuẫn này đang gây ra sự suy ngẫm sâu sắc trong giới kinh tế học.

Nhà kinh tế học lao động, cố vấn chính sách độc lập Kathryn Anne Edwards đã viết bài trên chuyên mục Bloomberg chỉ ra rằng, sự chênh lệch lớn giữa chỉ số lạm phát chính thức và cảm nhận thực tế của người dân, nguồn gốc nằm ở sự thiếu sót có hệ thống trong hệ thống đo lường hiện hành - nó dùng một "giỏ thị trường" trung bình để che giấu thực tế lạm phát hoàn toàn khác nhau của các nhóm hộ gia đình khác nhau. Đối với các nhà đầu tư phụ thuộc vào những dữ liệu này để định giá tài sản và dự đoán chính sách, điều này có nghĩa là chỉ số cốt lõi mà họ đã tham khảo trong thời gian dài, có thể không phản ánh chính xác áp lực thực tế của nền kinh tế.

Một con số, che giấu hàng triệu trải nghiệm lạm phát

Cục Thống kê Lao động Mỹ (BLS) hàng tháng theo dõi biến động giá của khoảng 100.000 loại hàng hóa và dịch vụ, và thông qua khảo sát chi tiêu tiêu dùng để gia quyền chúng, tạo ra CPI phản ánh hành vi mua sắm của "người tiêu dùng điển hình".

Hiện tại, BLS chỉ duy trì ba bộ giỏ tiêu dùng: tất cả người tiêu dùng, tất cả người tiêu dùng thành thị, và người lao động làm công ăn lương và nhân viên văn phòng thành thị.

Edwards chỉ ra rằng, hạn chế cơ bản của khung này nằm ở chỗ, nó nén các nhóm tiêu dùng có tính dị biệt cao thành một giá trị trung bình duy nhất.

Nghiên cứu của chính BLS đã chứng minh sự khác biệt này không thể bỏ qua: một nghiên cứu bao phủ từ năm 2006 đến 2023 cho thấy, tỷ lệ lạm phát hàng năm của các hộ gia đình thuộc nhóm thu nhập thấp nhất cao hơn khoảng 0,28 điểm phần trăm so với nhóm thu nhập cao nhất, chênh lệch tích lũy lên tới 7,7 điểm phần trăm.

Nói cách khác, trong gần hai thập kỷ, áp lực lạm phát mà người nghèo thực sự phải chịu vượt xa người giàu, và sự chênh lệch này hầu như không thể thấy trong CPI tiêu chuẩn.

Tác động của cách xử lý "trung bình hóa" này đối với thị trường là thực chất. Khi các nhà đầu tư và nhà hoạch định chính sách dựa vào CPI tổng thể để đánh giá xu hướng chính sách tiền tệ, những gì họ nhìn thấy là một con số đã được xử lý làm mượt thống kê, chứ không phải sự phân bố áp lực thực tế bên trong nền kinh tế.

Nền tảng dữ liệu đã sẵn sàng, thiếu là ý chí chính sách

Luận điểm cốt lõi của Edwards không phải là lật đổ hệ thống hiện có, mà là chỉ ra rằng ngưỡng kỹ thuật để mở rộng chiều đo lường là rất thấp.

BLS đã hoàn thành công việc nặng nhọc nhất - thu thập dữ liệu biến động giá của 100.000 loại hàng hóa và dịch vụ hàng tháng. Trên cơ sở này, xây dựng nhiều chỉ số phân khúc hơn theo các chiều như loại hình hộ gia đình (độc thân, đã kết hôn không con, đã kết hôn có con vị thành niên, v.v.), mức thu nhập, thuê nhà hoặc sở hữu nhà, tuổi tác, về bản chất chỉ là việc gia quyền và trình bày lại cùng một tập dữ liệu gốc theo những cách khác nhau.

BLS đã có một số tiền lệ: CPI cho người cao tuổi, CPI cho người thuê mới, CPI loại trừ thay đổi quy cách sản phẩm, và loạt nghiên cứu CPI chia theo ngũ phân vị thu nhập.

Tần suất công bố của các loạt này thấp hơn CPI hàng tháng, nhưng đã chứng minh tính khả thi của con đường kỹ thuật. Edwards đề nghị, ba giỏ hiện có ít nhất nên được mở rộng gấp mười lần, và cung cấp dữ liệu hàng tháng cho mỗi loại hộ gia đình điển hình, đồng thời tăng biên chế nhân viên nghiên cứu của BLS và mở rộng quy mô mẫu khảo sát chi tiêu tiêu dùng.

Ngoài sự biến dạng dữ liệu, áp lực kinh tế thực sự không thể tránh khỏi

Edwards khẳng định rõ ràng rằng, việc cải thiện hệ thống đo lường không thể giải quyết vấn đề của bản thân nền kinh tế.

Bà liệt kê nhiều áp lực mà nền kinh tế Mỹ hiện đang phải đối mặt: tuyển dụng chậm lại, tăng trưởng lương chậm chạp, giá cả duy trì ở mức cao trong thời gian dài, nợ thẻ tín dụng tiếp tục leo thang, lãi suất cao kìm hãm sức sống thị trường nhà ở, và tác động tiềm tàng của trí tuệ nhân tạo đối với thị trường việc làm.

Những áp lực cấu trúc này cùng nhau giải thích tại sao lại có vết nứt sâu như vậy giữa lòng tin người tiêu dùng và dữ liệu chính thức. Theo quan điểm của Edwards, con đường đúng đắn để hàn gắn mâu thuẫn này không phải là yêu cầu công chúng tin tưởng hơn vào dữ liệu hiện có, mà là để hệ thống dữ liệu phản ánh chân thực hơn thực tế cuộc sống của các nhóm khác nhau.

Đối với những người tham gia thị trường, ý nghĩa của cuộc thảo luận này là: vào thời điểm công bố dữ liệu CPI ngày mai, các nhà đầu tư có lẽ cần xem xét lại, một chỉ số tổng lượng duy nhất có thể nắm bắt chính xác áp lực lạm phát thực tế và sự phân hóa hành vi tiêu dùng trong chu kỳ kinh tế hiện tại ở mức độ nào - và sự phân hóa này chính là biến số then chốt để hiểu lộ trình chính sách của Cục Dự trữ Liên bang và rủi ro từ phía tiêu dùng.

Tiền kỹ thuật số thịnh hành

Câu hỏi Liên quan

QTheo bài viết, sự khác biệt lớn giữa dữ liệu lạm phát chính thức và cảm nhận thực tế của người tiêu dùng Mỹ có nguyên nhân chính từ đâu?

ANguyên nhân chính, theo bài viết và quan điểm của chuyên gia Kathryn Anne Edwards, nằm ở hạn chế có hệ thống của hệ thống đo lường hiện hành. Các chỉ số lạm phát chính thức (như CPI) sử dụng một 'rổ hàng hóa' trung bình để đại diện cho 'người tiêu dùng điển hình', làm xóa mờ sự khác biệt lớn về trải nghiệm lạm phát thực tế giữa các nhóm hộ gia đình khác nhau, đặc biệt là giữa người có thu nhập thấp và người có thu nhập cao.

QNghiên cứu của Cục Thống kê Lao động Mỹ (BLS) từ 2006 đến 2023 cho thấy điều gì về chênh lệch lạm phát giữa các nhóm thu nhập?

ANghiên cứu của BLS cho thấy tỷ lệ lạm phát hàng năm trung bình của nhóm 20% hộ gia đình có thu nhập thấp nhất cao hơn khoảng 0,28 điểm phần trăm so với nhóm 20% hộ gia đình có thu nhập cao nhất. Khoảng cách tích lũy trong gần 20 năm này lên tới 7,7 điểm phần trăm, chứng tỏ người nghèo thực sự phải chịu áp lực lạm phát lớn hơn nhiều so với người giàu, nhưng sự chênh lệch này hầu như không hiển thị trong chỉ số CPI tiêu chuẩn.

QChuyên gia Edwards đề xuất cải thiện hệ thống đo lường lạm phát bằng cách nào?

AChuyên gia Edwards đề xuất mở rộng đáng kể các chiều đo lường. Cơ sở là BLS đã thu thập dữ liệu giá cả của khoảng 100.000 mặt hàng mỗi tháng. Từ bộ dữ liệu gốc này, có thể xây dựng thêm nhiều chỉ số chi tiết hơn bằng cách tổng hợp và gia quyền khác nhau theo các tiêu chí như loại hình hộ gia đình (độc thân, có con...), mức thu nhập, tình trạng nhà ở (thuê/sở hữu), độ tuổi... Bà đề nghị số lượng 'rổ hàng hóa' nên được mở rộng ít nhất gấp mười lần so với ba nhóm hiện có và cung cấp dữ liệu hàng tháng cho mỗi loại hộ gia đình điển hình.

QBài viết chỉ ra những áp lực kinh tế cấu trúc nào đang tồn tại ở Mỹ, ngoài vấn đề đo lường lạm phát?

ABài viết liệt kê một số áp lực cấu trúc của nền kinh tế Mỹ, bao gồm: tốc độ tuyển dụng chậm lại, tăng trưởng tiền lương trì trệ, giá cả duy trì ở mức cao trong thời gian dài, nợ thẻ tín dụng tiếp tục leo thang, lãi suất cao kìm hãm sức sống của thị trường nhà ở, và tác động tiềm tàng của trí tuệ nhân tạo đến thị trường lao động. Những yếu tố này cùng giải thích cho sự sụt giảm mạnh của lòng tin người tiêu dùng.

QTại sao việc cải thiện hệ thống dữ liệu lạm phát lại quan trọng đối với các nhà đầu tư và nhà hoạch định chính sách?

AViệc cải thiện hệ thống dữ liệu là rất quan trọng vì các nhà đầu tư và nhà hoạch định chính sách hiện đang dựa vào các chỉ số tổng hợp (như CPI) để định giá tài sản và dự báo chính sách tiền tệ. Nếu chỉ số này không phản ánh chính xác áp lực lạm phát thực tế và sự phân hóa trong hành vi tiêu dùng giữa các nhóm dân cư, các quyết định của họ có thể bị sai lệch. Dữ liệu chi tiết hơn sẽ giúp nắm bắt rõ hơn các biến số then chốt để hiểu lộ trình chính sách của Cục Dự trữ Liên bang (Fed) và rủi ro từ phía tiêu dùng.

Nội dung Liên quan

Ngã tư AI: Tại sao Phố Wall nói "Không" với ChatGPT và Claude?

Tại sao cần AI riêng tư? Bài viết phân tích thách thức khi doanh nghiệp và cá nhân sử dụng các mô hình AI độc quyền như ChatGPT hay Claude: nguy cơ rò rỉ dữ liệu, IP và thiếu bảo mật trong quá trình xử lý. Các ngân hàng lớn và tập đoàn như Samsung đã hạn chế sử dụng do lo ngại này. Để giải quyết, thị trường đang phát triển các cơ chế AI riêng tư ở nhiều cấp độ: * **Cấp giao thức:** Dựa trên hợp đồng không lưu giữ dữ liệu (ZDR) hoặc proxy ẩn danh, nhưng vẫn dựa trên lòng tin. * **Cấp cấu trúc:** Sử dụng công nghệ để đảm bảo bằng chứng, chỉ khả thi với mô hình mã nguồn mở: * **TEE (Môi trường thực thi tin cậy):** Chạy suy luận trong phần cứng được bảo vệ. * **Mã hóa đầu cuối (E2EE):** Chỉ môi trường tin cậy mới có thể giải mã dữ liệu. * **FHE (Mã hóa đồng hình đầy đủ):** Tính toán trên dữ liệu đã mã hóa, nhưng rất chậm. * **Suy luận cục bộ:** Mô hình chạy hoàn toàn trên phần cứng của người dùng. Chi phí cho suy luận riêng tư (đặc biệt với TEE) đang giảm, thậm chí cạnh tranh với dịch vụ thông thường. Nghiên cứu từ Bridgewater và Thinking Machines cho thấy mô hình nguồn mở được tinh chỉnh (fine-tune) với dữ liệu chuyên gia có thể vượt trội cả về độ chính xác lẫn chi phí so với mô hình đỉnh cao. Tuy nhiên, thách thức lớn còn tồn tại ở **lớp harness** (lớp công cụ): khi AI tương tác với các công cụ bên ngoài (như tìm kiếm, cơ sở dữ liệu), các truy vấn vẫn phải gửi dưới dạng văn bản rõ, tạo ra điểm rò rỉ tiềm năng. Các giải pháp tìm kiếm được mã hóa hoàn toàn vẫn chưa khả thi về mặt thương mại. Tóm lại, nhu cầu về AI riêng tư đang tăng và đã trở thành một lựa chọn khả thi. Lộ trình phía trước là kết hợp: sử dụng các mô hình độc quyền cho các tác vụ thông thường, nhưng dùng các mô hình nguồn mở được tinh chỉnh riêng trong môi trường được xác minh (như TEE) cho các lĩnh vực cốt lõi chứa đựng "alpha" – lợi thế cạnh tranh – của doanh nghiệp. Cơ hội đầu tư thực sự nằm ở việc lấp đầy các khoảng trống công nghệ còn lại trong chu trình này.

链捕手29 phút trước

Ngã tư AI: Tại sao Phố Wall nói "Không" với ChatGPT và Claude?

链捕手29 phút trước

DistributeX Công Bố Lộ Trình Hệ Sinh Thái DX Coin, Thúc Đẩy Công Tác Chuẩn Bị Cho Việc Ra Mắt On-Chain

DistributeX đã công bố Lộ trình Hệ sinh thái DX Coin, đánh dấu bước vào giai đoạn chuẩn bị trước khi chính thức ra mắt trên chuỗi. Lộ trình bao gồm các giai đoạn chính: xây dựng quản trị cộng đồng, chuẩn bị kỹ thuật, triển khai blockchain và mở rộng hệ sinh thái. Trọng tâm hiện tại là củng cố sự đồng thuận cộng đồng và hoàn tất các bước kỹ thuật cần thiết. DistributeX sẽ tổ chức các cuộc bỏ phiếu để cộng đồng lựa chọn biểu tượng (logo) chính thức cho DX Coin và chiến lược triển khai blockchain. Nền tảng cũng sẽ bổ sung các tính năng hỗ trợ như liên kết địa chỉ ví, xác minh danh tính và theo dõi đóng góp. Tiếp theo, DistributeX sẽ công bố Sách trắng Tokenomics, giải thích cơ chế phát hành token, mô hình quản trị và kế hoạch phát triển dài hạn, đồng thời thực hiện snapshot tài khoản cộng đồng đủ điều kiện để làm cơ sở phân bổ tài sản trong tương lai. Sau khi hoàn tất các bước chuẩn bị, DX Coin sẽ chuyển sang giai đoạn triển khai trên chuỗi, bao gồm triển khai hợp đồng thông minh, kiểm tra bảo mật, airdrop cho cộng đồng, phát triển thanh khoản trên sàn giao dịch phi tập trung (DEX) và thiết lập quan hệ đối tác hệ sinh thái. Về lâu dài, DistributeX có kế hoạch mở rộng tiện ích của DX Coin sang các lĩnh vực như tương tác đa chuỗi, quản trị cộng đồng phi tập trung, quyền lợi số, chương trình khuyến khích, staking và các ứng dụng Web3 khác. Mục tiêu là xây dựng một hệ sinh thái toàn diện, hỗ trợ sự phát triển bền vững của nền tảng.

TheNewsCrypto34 phút trước

DistributeX Công Bố Lộ Trình Hệ Sinh Thái DX Coin, Thúc Đẩy Công Tác Chuẩn Bị Cho Việc Ra Mắt On-Chain

TheNewsCrypto34 phút trước

Cho Phép Dòng Tiền Di Chuyển Với Tốc Độ Của Internet

Token hóa tài sản thực (RWA) đang kết nối thế giới DeFi luôn hoạt động với thế giới quỹ truyền thống, tạo ra cơ hội lớn nhưng cũng đầy thách thức về kỹ thuật và quy định. Tổng giá trị các hồ chứa RWA được token hóa đã vượt 33 tỷ USD, trong đó trái phiếu kho bạc Mỹ chiếm khoảng 15 tỷ USD, mặc dù tỷ trọng có giảm. Các quỹ token hóa mang lại cho nhà đầu tư tính thanh khoản, khả năng sinh lời và khả năng chuyển nhượng vượt trội nhờ tính kết hợp (composability), cho phép đồng vốn hoạt động hiệu quả hơn. Tuy nhiên, việc dung hòa đặc tính của quỹ (như tính toán giá trị tài sản ròng hàng ngày, danh sách nhà đầu tư được phép, thời gian giải ngân) với tốc độ giao dịch ngay lập tức trên blockchain là bài toán phức tạp. Các điểm xung đột chính cần giải quyết bao gồm: xác định giá giữa các kỳ tính toán NAV, đảm bảo tuân thủ (KYC/AML), và quản lý việc chuyển tài sản xuyên chuỗi một cách chính xác. Các giải pháp như mô hình trung tâm - chi nhánh (hub-and-spoke) của Centrifuge V3, với LayerZero đảm nhận truyền thông điệp xuyên chuỗi, đang nỗ lực giải quyết những vấn đề này. Mô hình này chỉ định một chuỗi chính làm nguồn chân lý cho NAV và tuân thủ, trong khi cho phép token giao dịch trên các chuỗi khác để tăng tính kết hợp. Việc theo dõi tài sản đang chuyển giữa các chuỗi cũng rất quan trọng để duy trì tính liên tục của bảng cân đối kế toán. Khi cơ sở hạ tầng hoàn thiện, các quỹ token hóa mở ra chiến lược giao dịch vòng lặp (loop trade) hấp dẫn, cho phép tái đầu tư vốn vay để tối đa hóa lợi nhuận. Tuy nhiên, các thách thức như chênh lệch giá, xung đột kênh giải ngân và rủi ro lỗi kỹ thuật cần được quản lý chặt chẽ. Thực thể nào làm tốt vai trò điều phối (orchestration layer) giữa thế giới truyền thống và blockchain sẽ nắm giữ giá trị then chốt, tương tự như SWIFT hay Visa trong hệ thống tài chính hiện tại.

链捕手59 phút trước

Cho Phép Dòng Tiền Di Chuyển Với Tốc Độ Của Internet

链捕手59 phút trước

Giao dịch

Giao ngay

Bài viết Nổi bật

Làm thế nào để Mua DATA

Chào mừng bạn đến với HTX.com! Chúng tôi đã làm cho mua DATA Network (DATA) trở nên đơn giản và thuận tiện. Làm theo hướng dẫn từng bước của chúng tôi để bắt đầu hành trình tiền kỹ thuật số của bạn.Bước 1: Tạo Tài khoản HTX của BạnSử dụng email hoặc số điện thoại của bạn để đăng ký tài khoản miễn phí trên HTX. Trải nghiệm hành trình đăng ký không rắc rối và mở khóa tất cả tính năng. Nhận Tài khoản của tôiBước 2: Truy cập Mua Crypto và Chọn Phương thức Thanh toán của BạnThẻ Tín dụng/Ghi nợ: Sử dụng Visa hoặc Mastercard của bạn để mua DATA Network (DATA) ngay lập tức.Số dư: Sử dụng tiền từ số dư tài khoản HTX của bạn để giao dịch liền mạch.Bên thứ ba: Chúng tôi đã thêm những phương thức thanh toán phổ biến như Google Pay và Apple Pay để nâng cao sự tiện lợi.P2P: Giao dịch trực tiếp với người dùng khác trên HTX.Thị trường mua bán phi tập trung (OTC): Chúng tôi cung cấp những dịch vụ được thiết kế riêng và tỷ giá hối đoái cạnh tranh cho nhà giao dịch.Bước 3: Lưu trữ DATA Network (DATA) của BạnSau khi mua DATA Network (DATA), lưu trữ trong tài khoản HTX của bạn. Ngoài ra, bạn có thể gửi đi nơi khác qua chuyển khoản blockchain hoặc sử dụng để giao dịch những tiền kỹ thuật số khác.Bước 4: Giao dịch DATA Network (DATA)Giao dịch DATA Network (DATA) dễ dàng trên thị trường giao ngay của HTX. Chỉ cần truy cập vào tài khoản của bạn, chọn cặp giao dịch, thực hiện giao dịch và theo dõi trong thời gian thực. Chúng tôi cung cấp trải nghiệm thân thiện với người dùng cho cả người mới bắt đầu và người giao dịch dày dạn kinh nghiệm.

Tổng lượt xem 75Xuất bản vào 2026.07.01Cập nhật vào 2026.07.01

Làm thế nào để Mua DATA

Thảo luận

Chào mừng đến với Cộng đồng HTX. Tại đây, bạn có thể được thông báo về những phát triển nền tảng mới nhất và có quyền truy cập vào thông tin chuyên sâu về thị trường. Ý kiến ​​của người dùng về giá của DATA (DATA) được trình bày dưới đây.

活动图片