高盛就美联储下一步利率决议发表声明! "9月..."

cryptonews.ru发布于2026-08-14更新于2026-08-14

文章摘要

高盛分析师罗伯特·卡普兰表示,美联储在7月决定维持利率不变是“绝对正确的”,并指出政策制定者在9月会议前应保持透明原则,仔细分析后续数据。 卡普兰认为,影响通胀预测的因素日益复杂,这使得美联储提前采取强硬政策指引存在风险。他强调,在9月会议前公布的经济数据需要被审慎评估。他表示,如果看到显著改善,他可能倾向于维持利率稳定,但在9月之前,他希望保持灵活性,不固守任何僵化或预设的观点。 卡普兰指出,当前经济中存在诸多对通胀同时产生上行和下行动力的因素。例如,对人工智能基础设施的重大投资、关税、劳动力供应限制以及油价上涨可能加剧通胀压力;但另一方面,人工智能的应用能提升生产率、降低成本并加速通胀回落。因此,他认为美联储应综合评估经济状况,而非聚焦于单一因素。 此外,卡普兰对本月美联储主席在杰克逊霍尔经济政策研讨会上的讲话发表了看法。他认为,主席不应只进行“哲学性”阐述,而应简洁清晰地解释7月维持利率不变的原因,这有助于市场更好地理解美联储当前的政策思路。 卡普兰还指出,全球市场上美国长期国债收益率的上升并非直接由美联储政策驱动。在他看来,收益率上升主要源于美国持续高企的财政赤字所造成的供需结构性失衡。

高盛分析师罗伯特·卡普兰表示,美联储7月维持利率不变的决定是"绝对正确的",并补充说政策制定者应在9月前以透明原则来处理对传入数据的分析。

卡普兰表示,影响通胀预测的因素日益复杂,这使得美联储提前采取强硬的政策指引具有风险。卡普兰称,在9月会议前公布的经济数据应得到仔细分析。

卡普兰说:"如果我看到实质性改善,我可能愿意维持利率不变。但在9月之前,我想利用每一次机会,不持僵化或预先确定的观点。"

人工智能通过两种不同方式影响通胀。

卡普兰指出,在目前的经济环境下,许多因素对通胀既有上行压力,也有下行压力。

卡普兰称,对人工智能基础设施的重大投资、关税、劳动力供应限制以及油价上涨可能会加剧通胀压力,但另一方面,人工智能的应用可以提高生产率、降低成本并加速反通胀进程。

因此,卡普兰认为美联储应全面评估经济事件,而不是专注于任何一个因素。

他在杰克逊霍尔发表讲话。

卡普兰还对美联储主席沃什本月在杰克逊霍尔经济政策研讨会上的讲话发表了评论。

卡普兰认为,与其发表纯"哲学性"的演讲,沃什应简洁明了地解释美联储为何在7月维持利率不变。他指出,这样的解释有助于市场更好地理解美联储当前的政策方针。

卡普兰认为,全球市场上美国长期国债收益率的上升并非由美联储政策直接导致。该分析师认为,债券收益率的上升主要由于美国持续的巨额预算赤字造成的结构性供需失衡所致。

*这不是投资建议。

相关问答

Q高盛分析师罗伯特·卡普兰对美联储7月维持利率不变的决定持何看法?

A罗伯特·卡普兰认为美联储7月维持利率不变的决定是“完全正确的”。

Q卡普兰建议美联储在9月会议前应如何制定政策?

A卡普兰建议美联储政策制定者在9月会议前,应以透明的方式分析数据,避免过早采取僵化的政策立场,也不应固守预先设定的观点。

Q根据卡普兰的分析,人工智能从哪两个不同方面影响通货膨胀?

A根据卡普兰的分析,人工智能一方面可能加剧通胀压力(例如通过大规模基础设施投资);另一方面可能通过提高生产率、降低成本来加速反通胀进程。

Q卡普兰认为导致近期美国长期国债收益率上升的主要原因是什么?

A卡普兰认为,美国长期国债收益率上升主要是由美国持续高企的财政赤字所造成的结构性供需失衡驱动的,而非直接源于美联储的政策。

Q卡普兰对美联储主席在杰克逊霍尔的讲话有何建议?

A卡普兰建议,美联储主席在杰克逊霍尔的讲话应避免纯“哲学性”的讨论,而应简明扼要地解释为何在7月决定维持利率不变,以帮助市场更好地理解美联储当前的政策思路。

你可能也喜欢

GPT-5也会话到嘴边想不起来,谷歌测了450万次:钥匙丢了

谷歌研究发现,大模型如GPT-5和Gemini 3普遍存在“舌尖现象”——模型参数中存储了大量事实,但在被直接提问时,却有相当一部分无法成功回忆。这项名为《空货架,还是丢钥匙?》的研究提出“知识画像”框架,将事实状态分为五类,并基于WikiProfile基准(包含2150条维基事实)进行了约450万次测试。 关键发现是:模型的大部分错误并非因为“没学过”(编码失败),而是“取不出”(回忆失败)。在测试中,前沿模型能将95%-98%的事实存入参数,但直接提问的未回忆率高达26%-34%。即便开启“思考”链(thinking),仍有11%-12%无法想起。 研究指出了两个主要“堵塞点”:1. **冷门知识**:冷门与热门事实的存入率相差很小,但直接回忆率差距显著,表明长尾问题核心是提取困难,而非未学习。2. **反向提问**:模型在选择题中能识别反向关联,但在开放式生成任务中却难以回答,说明关联已存在,但提取方式依赖于训练时的语境。 “思考”链能显著帮助回忆那些已存储但直接提取失败的事实(找回40%-65%),其机制类似于人类的“扩散激活”,通过提及相关上下文来激活目标记忆。然而,若思维链中包含错误事实,反而可能增加幻觉。 研究还发现,单纯扩大模型规模主要改善的是知识存储(编码失败率下降),但对提升提取能力(回忆失败率)效果有限。在大型模型中,回忆失败已成为错误的主要来源。 因此,提升模型事实准确性的下一个关键,可能在于改进后训练和推理方法,以优化已存储知识的提取效率。这要求模型具备更好的“元认知”能力,即能够判断自己何时“想不起来”,从而主动采用更深入的思考策略。 **核心结论**:对于前沿大模型,事实性错误的瓶颈已从“存储不足”转向“提取困难”。未来的优化重点应是如何让模型更有效地调用其已学知识,而非仅仅继续扩充数据与参数。

marsbit1小时前

GPT-5也会话到嘴边想不起来,谷歌测了450万次:钥匙丢了

marsbit1小时前

美元是一门技术:稳定币正把美国制度输出到全球

本文探讨了稳定币作为美国制度全球输出的技术工具,正通过区块链重塑全球金融格局。文章指出,稳定币月结算量已超过美国ACH网络,显示出美元正从储备货币演变为一种“可编程”的全球流动性基础设施。这一转变的核心在于,区块链轨道正成为美国资产与制度向全球出口的通道。 文章从三个层面展开分析: 首先,在跨境支付领域,像Keyrails这样的初创公司充当了支付与信贷的“编排层”,通过区块链技术连接新兴市场的进口商与全球美元资本,解决了传统跨境贸易中美元获取难、结算慢、成本高的问题,将区域贸易流动转化为全球资本可理解的信号。 其次,在资产代币化与链上信贷方面,以Semiliquid为代表的“可编程信贷协议”允许机构在不转移托管权的情况下,将持有的代币化国债等资产作为抵押品进行融资。这提升了资产效率,并通过实时抵押品验证解决了传统金融中抵押品不透明、重复质押的风险。 最后,文章以AI算力融资平台USD.AI为例,说明了区块链如何为GPU等实体生产性资产创建流动的贷款市场,将特定行业的专业知识(背景信息)转化为全球稳定币流动性可以评估和进入的领域。 文章结论认为,这些新兴企业的护城河不仅在于技术,更在于其积累的、难以复制的特定市场“背景信息”和信任。它们标志着加密货币正超越投机,演进为支撑现实世界资本形成与全球商业对话的“操作系统”。

marsbit1小时前

美元是一门技术:稳定币正把美国制度输出到全球

marsbit1小时前

交易

现货
活动图片