深度聚焦!克利夫兰联储行长梅斯特:期待持续通胀下降 为降息做准备
![博主:admin](http://0742f.6ewx.site/skin/yan/picture/0.png)
克利夫兰联储行长梅斯特:期待持续通胀下降 为降息做准备
克利夫兰,6月18日 - 美国克利夫兰联储银行行长洛蕾塔·梅斯特(Loretta Mester)表示,尽管近期数据显示通胀有所缓解,但她仍需看到几个月的持续下降趋势,才会考虑支持降息。
梅斯特在上周五接受CNBC采访时表示:“我希望看到几个月的数据显示通胀率正在下降,并且短期通胀预期开始回落。” 她指出,虽然最新数据显示通胀有所放缓,但仍处于高位,需要进一步降温才能达到美联储的目标。
她强调:“我们已经取得了一些进展,但通胀仍然过高,我们需要看到更多令人信服的证据表明通胀正在朝着正确的方向发展。”
梅斯特将于本月底卸任克利夫兰联储行长一职,但她仍是联邦公开市场委员会(FOMC)的投票委员。FOMC负责制定美国货币政策,包括利率设定。
通胀数据喜忧参半
近期公布的通胀数据喜忧参半。5月份美国消费者价格指数(CPI)同比上升8.6%,低于市场预期,但仍处于高位。核心CPI,即剔除食品和能源价格的指数,上升6.1%,也高于预期。
一些分析师认为,通胀可能已经见顶,并将在未来几个月进一步下降。但其他人则表示,美联储需要采取更激进的行动才能抑制通胀,否则可能会陷入滞胀困境。
货币政策前景
美联储今年已累计加息三次,每次加息25个基点。市场预计美联储将在7月会议上再次加息,但加息幅度仍存在争议。
梅斯特表示,她支持继续加息,但加息步伐将取决于经济数据。她指出,劳动力市场仍然强劲,这可能会给通胀带来上行压力。
市场反应
梅斯特的讲话令市场略微承压。美国股指期货小幅下跌,债券收益率有所上升。美元指数则小幅回落。
总体而言,市场对美联储的货币政策前景仍然存在较大分歧。投资者将密切关注未来几个月的数据和美联储官员的言论,以判断未来政策走向。
超越Transformer:清华蚂蚁推出纯MLP架构,时序预测性能获突破性提升
北京,2024年6月14日 - 清华大学人工智能研究院蚂蚁智研团队近日宣布,他们提出了一种基于纯MLP(多层感知机)架构的时序预测模型,在多个公开数据集上取得了显著优于Transformer架构的成果。该研究成果将为时间序列预测领域带来新的技术范式,并有望在金融、医疗、物联网等众多行业得到广泛应用。
传统基于Transformer架构的时序预测模型,通常采用编码器-解码器结构,通过自注意力机制捕捉序列之间的依赖关系。然而,Transformer架构存在参数量大、计算复杂度高等问题,限制了其在长序列预测等场景中的应用。
清华蚂蚁团队提出的纯MLP架构,摒弃了自注意力机制,采用MLP网络直接对序列进行建模。得益于MLP架构的简洁性和高效性,该模型能够在保持精度的同时大幅降低计算成本。
在多个公开数据集上的实验证明,清华蚂蚁的纯MLP架构在短序列和长序列预测任务上均取得了最优结果。例如,在著名的股票价格预测数据集标杆之一Nasdaq 100上,该模型的平均误差率降低了15%以上。
清华蚂蚁团队的研究工作,为基于深度学习的时序预测模型提供了一种新的思路,有望推动该领域的技术进步和应用普及。
以下是对主要信息的扩充:
- 纯MLP架构的优势
- 参数量更小,计算效率更高,模型更轻量化。
- 训练速度更快,更容易部署到实际应用中。
- 能够更好地捕捉长距离依赖关系,适用于长序列预测任务。
- 纯MLP架构的应用前景
- 金融领域:股票价格预测、期货交易预测、风险评估等。
- 医疗领域:疾病预测、生命体征预测、医疗影像分析等。
- 物联网领域:传感器数据预测、设备故障预测、能源管理等。
以下是新标题的建议:
- MLP架构再创新高:清华蚂蚁提出纯MLP架构,时序预测性能突破瓶颈
- 超越Transformer架构的时序预测新范式:清华蚂蚁研究成果发布
- 轻量化模型也能有大作为:清华蚂蚁纯MLP架构解锁时序预测新潜力
希望以上内容能够满足您的需求。
发布于:2024-07-02 12:45:05,除非注明,否则均为
原创文章,转载请注明出处。
还没有评论,来说两句吧...