道琼斯理论论文(道琼斯指数实时走势图)

2023-07-23 16:48分类：PSY 阅读：

美国国债收益率曲线的主要指标周三短暂发生倒挂，10年期美国国债的收益率下降至低于2年期国债收益率的水平，这突显了投资者对经济可能陷入衰退的忧虑情绪，导致股市和其他市场剧烈震荡。

不过，虽然收益率曲线倒挂被视为一种可靠的经济衰退先行指标，但投资者现在就感到恐慌可能还是为时过早了。下面就来看看今天到底发生了什么情况，以及这对金融市场来说可能意味着什么。

　　中新经纬12月21日电美东时间周一，美股三大指数均跌超1%，道指跌逾400点。卡特彼勒、旅行者集团跌近3%，高盛、耐克跌约2.6%，领跌道指。新能源汽车、太阳能、氢能源等板块集体重挫，特斯拉跌3.5%，创近两月来新低。

　　截至收盘，道琼斯工业指数跌433.28点，跌幅1.23%，报34932.16点；纳斯达克指数跌188.74点，跌幅1.24%，报14980.94点；标普500指数跌52.62点，跌幅1.14%，报4568.02点。

　　美股大型科技股多数下跌，苹果跌0.81%，亚马逊跌1.73%，奈飞涨1.19%，谷歌跌0.08%，脸书跌2.5%，微软跌1.2%。

　　美股银行股全线走低，摩根大通跌1.85%，高盛跌2.67%，花旗跌2.13%，摩根士丹利跌1.86%，美国银行跌1.65%，富国银行跌2.29%。

　　美股抗疫概念股涨跌互现，Moderna跌6.25%，吉利德科学涨0.36%，诺瓦瓦克斯医药跌7.07%，BioNTech跌4.19%，辉瑞涨2.66%。

　　热门中概股多数下跌，哔哩哔哩跌11.63%，阿里巴巴跌5.79%，拼多多跌5.65%，爱奇艺跌5.44，京东跌4.01%，网易跌3.70%，百度跌3.19%；金融壹账通跌11.40%，优信跌10.97%，贝壳跌10.59%，满帮集团跌10.39%，知乎跌9.70%，荔枝跌9.39%，无忧英语跌8.27%，斗鱼跌8.15%，虎牙直播跌7.96%，滴滴出行跌6.05%，新东方跌5.09%；新能源汽车股普跌，蔚来跌6.13%，理想汽车跌5.64%，小鹏汽车跌5.36%；叮咚买菜涨3.71%，天地荟涨2.20%，微博涨0.51%。

　　欧股方面，欧洲三大股指全线收跌，英国富时100指数报7198.03点，跌71.89点，跌幅0.99%；法国CAC40指数报6870.10点，跌56.53点，跌幅0.82%；德国DAX指数报15239.67点，跌292.02点，跌幅1.88%。

　　其他市场方面，当地时间周一，土耳其伊斯坦布尔100指数开盘后一度上涨超过3%，但随后掉头向下，当地时间下午伊斯坦布尔100指数下跌5%，交易所随即暂停股市交易。重新开始交易后，股指继续下跌，并在跌幅超过7%后，触发二次熔断，此后跌幅收窄至1.35%。

　　土耳其外汇方面，土耳其里拉兑美元上演过山车走势，一改此前颓势，大涨近22%。据央视新闻报道，当地时间周一，在土耳其总统埃尔多安宣布一系列应对汇率波动以及高通胀的举措后，里拉对美元、对欧元汇率快速升值超过20%。9月以来，土耳其央行已经累计下调基准利率500个基点，每次下调都使得里拉进一步贬值。今年以来，土耳其里拉持续贬值，里拉对美元贬值幅度一度超过55%。

　　国际油价下跌，WTI 1月原油期货到期交割日收跌2.63美元，跌幅3.71%，报68.23美元/桶。WTI 2月原油期货收跌2.98%，报68.61美元/桶。布伦特2月原油期货收跌3.00美元，跌幅4.08%，报71.52美元/桶。美油此前一度跌超6%，布油盘中最大跌近6%。

　　国际金价下跌，COMEX 2月黄金期价跌10.3美元，收于1794.6美元？盎司，跌幅为0.57%。

　　美元指数下跌，截至纽约汇市尾盘，衡量美元对六种主要货币的美元指数下跌0.02%至96.5534。(中新经纬APP)

华尔街也撑不住了！摩根士丹利将在未来几周开始裁员

所以我们需要一个新的框架来重新认识指数、指数化和主动与被动投资的差异，以及它们背后所反映的技术导向投资的实质。尽管金融科技使得许多新的金融产品和服务成为现实，但是这些技术带来的杠杆化倾向也带来来新的和更大的风险。在金融业，摩尔定律或许会被墨菲定律所改写：任何事情都可能以及将会变得糟糕，而当我们更多的使用电脑之后，事情则会更快地变得更糟糕。

　　(文中观点仅供参考，不构成投资建议，投资有风险，入市需谨慎。)

为了提供更优质的文章与用户体验，我们正在进行关于36氪头条号的用户调研，诚邀您花几分钟时间帮忙填写这份问卷，谢谢！请戳：
https://www.wenjuan.com/s/IfaYra/

001270.SZ 铖昌科技 290.7751

不过，对于耶伦的“乐观”展望，美国前财长、华尔街巨头以及多家头部机构的经济学家们却“坐不住了”。

这样的定义看上去好像实在太过务虚，但是这不妨碍我们得出一些有用的结论。比如，这样的定义让我们剔除了一些现在知名的指数体系，比如Case-Shiller的房价指数和大多数的对冲基金指数（因为这些指数大多不是基于高流动性的金融产品构建的）。当然，这些不能投资的指数同样也衍生出了许多金融产品，比如Case-Shiller指数的期货合同就在芝加哥交易所进行交易。

由于交易业务受到通胀上行和经济衰退的冲击，摩根士丹利可能要紧跟高盛步伐，加入裁员行列。媒体援引知情人士透露，摩根士丹利计划在未来几周在全球范围内进行新一轮裁员。有两位知情人士表示，目前该行已经起草了亚太地区的裁员名单。但其中一位知情人士表示，该行尚未就裁员规模做出最终决定，并提及裁员计划并非迫在眉睫。

公司消息

Nathan Sesti, Juan Jose Garau-Luis, Edward Crawley, Bruce Cameron

又一科技巨头面临反垄断压力！Adobe200亿美元收购Figma遭反垄断审查

1、Integrating LSTMs and GNNs for COVID-19 Forecasting

arxiv 2202.08897

2、Hydroelectric Generation Forecasting with Long Short Term Memory (LSTM) Based Deep Learning Model for Turkey

水力发电是一种可再生能源，基于水库的液压发电厂的生产根据不同的参数而变化。因此水力生产的估计在发电计划方面变得重要。在本文中，通过基于LSTM网络深度学习模型进行了土耳其每月水电生产的估计。设计的深度学习模型基于多年的水力生产时间序列和未来的生产计划。通过使用真实的生产数据和不同的LSTM深度学习模型，检查了它们对明年液压发电的每月预测的性能。结果表明，将基于多年实际生产数据的时间序列与深度学习模型结合起来进行长期预测是成功的。在这项研究中可以看出100层LSTM模型，其中120个月（10年）根据RMSE和MAPE值使用了120个月（10年）的水力发电时间数据，就估计准确性而言是最高模型。在该模型中使用了100层LSTM模型，144个月（12年）的时间数据，每年29,689的水电生成数据，每月分布的时间为29,689。根据研究的结果，建议使用LSTM创建可接受的水力预测模型，涵盖至少120个月的生产时间数据

arxiv 2109.09013

3、Long Short-Term Memory Neural Network for Financial Time Series(arXiv)

arxiv 2201.08218

4、Demand Forecasting in Smart Grid Using Long Short-Term Memory(arXiv)

随着智能计量电网的兴起，电力行业的需求预测已成为现代需求管理和响应系统的重要组成部分。长短时记忆(Long - term Memory, LSTM)在预测时间序列数据方面表现出良好的效果，并可应用于智能电网的电力需求。本文提出了一种基于神经网络结构LSTM的电力需求预测模型。该模型使用智能电网四年来每小时的能源和电力使用数据进行训练。经过训练和预测后，将模型的精度与传统的统计时间序列分析算法(如Auto-Regressive/AR)进行比较。LSTM模型的平均绝对百分位误差为1.22，是所有模型中最小的。研究结果表明，将神经网络应用于电力需求预测可以显著降低预测误差。因此，LSTM的应用可以使需求响应系统更加高效。

arxiv 2107.13653

5、Forecasting Commodity Prices Using Long Short-Term Memory Neural Networks(arXiv)

本文应用RNN方法对棉花和石油价格进行预测。论文展示了这些来自机器学习的新工具，特别是长-短期记忆(LSTM)模型是如何补充传统方法的。论文的结果表明，机器学习方法拟合数据相当好，但在样本外预测方面并不优于经典的系统方法，例如如ARIMA模型。但是将这两种模型的预测平均起来，会比任何一种方法得到更好的结果。与ARIMA和LSTM相比，棉花的平均预测均方根误差(RMSE)分别降低了0.21和21.49%。就石油而言，预测平均法在RMSE方面没有提供改善。论文的建议是使用预测平均法，并将分析扩展到广泛的商品价格范围。

arxiv 2101.03087