深度聚焦！美联储主席卡什卡利：降息前有充分时间观察数据，年底降息可能性最大

美联储主席卡什卡利：降息前有充分时间观察数据，年底降息可能性最大

明尼阿波利斯联储主席尼尔·卡什卡利表示，美联储在开始降息之前有充足的时间来考虑并观察数据。他预计，如果美联储今年只降息一次，那很可能发生在年底。

卡什卡利周日发表讲话时表示，美联储官员们正在密切关注通胀数据，并希望看到通胀率回落至2%的目标水平。他说：“我们有时间观察数据，看看通胀是否会像我们预期的那样下降。”

卡什卡利指出，美联储在5月份将联邦基金利率提高了50个基点，这是自1994年以来的最大幅度加息。他说，美联储需要采取更积极的行动来对抗通胀，但他也强调，美联储希望避免过度加息，导致经济衰退。

**卡什卡利的言论表明，美联储官员们对经济前景存在分歧。**一些官员认为，美联储需要更迅速地加息，以遏制通胀。而另一些官员则认为，美联储应该更加谨慎，避免加息过度导致经济陷入衰退。

**美联储的下次货币政策会议将于7月25日至27日举行。**市场预计，美联储将在本次会议上再次加息50个基点。

以下是对卡什卡利讲话的一些补充分析：

• 卡什卡利表示，美联储官员们正在关注各种指标，包括核心PCE价格指数、失业率和工资增长率。
• 他说，美联储希望看到核心PCE价格指数在今年年底降至3%左右。
• 卡什卡利还表示，美联储将继续缩减其资产负债表。

**总体而言，卡什卡利的讲话表明，美联储将继续采取行动对抗通胀。**然而，美联储官员们也意识到过度加息的风险，他们将密切关注经济数据，并在必要时调整政策。

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。