美东时间周五,美股三大指数集体上涨,截止收盘,道指涨0.72%,纳指涨0.65%,标普500指数涨0.54%,本周道指累涨2.6%,纳指累涨5.95%,标普累涨4.02%。
个股方面,甲骨文高开低走,几乎收平盘,该公司上调了2026财年的营收指引。美国钢铁公司涨近4%,华盛顿邮报称美国或推迟有关日本制铁-美国钢铁公司交易的决定。优步涨超6%,公司扩大与Alphabet旗下无人驾驶汽车部门Waymo的合作。奥多比跌逾8%,公司预计第四季度营收55亿-55.5亿美元,不及分析师预期。波音跌超3%,此前波音公司约3.3万名工人决定罢工。
商品市场方面,金价续刷历史新高,COMEX黄金期货涨超1%,收盘站上2600美元/盎司;现货黄金涨0.75%,盘中一度升破2580美元/盎司。
最新民调:哈里斯支持率领先特朗普5个百分点!约52%人认为特朗普搞砸辩论反应不敏锐
据参考消息援引新加坡《联合早报》网站9月13日报道,路透社/益普索一项为期两天的民意调查结果显示,在与共和党对手特朗普辩论后,美国民主党总统候选人哈里斯略微扩大了她的优势。据报道,哈里斯和特朗普于9月10日晚上进行首场电视辩论,9月10日至11日的路透社/益普索民调结果显示,哈里斯在登记选民中的支持率领先特朗普5个百分点。8月21日至28日的路透社/益普索民调显示,哈里斯领先特朗普4个百分点。
在CPI数据公布之后,芝商所美联储观察工具显示,市场预计美联储下周降息25个基点的概率高达85%,降息50个基点的概率仅剩下15%,但市场仍预计四季度美联储可能会单次会议降息50个基点。CPI数据对中期降息幅度影响并不大。交易员目前仍预计美联储年内降息幅度将超过100个基点,这意味着在11月和12月的议息会议上,美联储可能至少会进行一次50个基点的大幅降息。
汇市交易员近来已经在努力应对一系列令人眼花缭乱的消息面因素了。一组数据显示,随着美联储准备在下周降息,美国大选也已迫在眉睫,衡量美元未来三个月隐含波动率的指标,目前已触及了自2023年初区域性银行业危机以来的最高水平。
美国白宫成立AI数据中心基础设施工作组 黄仁勋:行业需要政企合作
当地时间9月12日,美国白宫发布公告称,将成立一个AI数据中心基础设施工作组以协调政府各部门的政策,该工作组将由国家经济委员会、国家安全委员会和白宫副幕僚长办公室领导。同时,美国能源部将创建一个AI数据中心参与团队,利用各种项目来支持AI数据中心的发展。
无惧“黑色星期一”卷土重来?超半数经济学家预计日本央行12月再加息
媒体的一项调查显示,略超过一半的日本央行观察人士认为,该央行下次加息的时间为12月,没有人预计当局会在下周会议上行动。调查显示,在53位经济学家中,约有87%的受访者预测日本央行将在1月底前上调借贷成本,53%的人认为最有可能在12月进行调整。调查结果表明,绝大多数分析师认为日本央行7月31日加息之后几日的市场动荡,并不足以令当局惊慌到放弃利率正常化的道路。
京东集团宣布再次启动加薪:京东零售集团和职能体系将用两年时间实现20薪
据“京东黑板报”消息,继2024年初和年中连续三轮加薪之后,9月13日,京东集团宣布再次启动加薪:自2024年10月1日起,京东零售集团和职能体系将用两年时间实现20薪,其他部门也将随后陆续启动加薪计划。
多位受访人士向证券时报记者表示,由于苹果智能(Apple Intelligence)没有完整的语言支持,预计iPhone16很难带来太多销量增长,更多的是阻止苹果衰退。同时,受苹果智能并没有带来“人无我有”的功能等因素影响,预计苹果智能很难为苹果带来“新iPhone时刻”,苹果在其核心市场面临的挑战越来越大,其轻松维持高利润率和高口碑效应的时代已经成为历史。
9月12日,手握GLP-1领域明星产品的礼来制药(Lilly)宣布投资18亿美元再次扩产。本次,其扩产计划不只限于替尔泊肽等降糖减重药物,还涉及此前刚获批的阿尔茨海默症(AD)新药。具体而言,礼来的新增投资涉及爱尔兰的两处生产设施。其一为投资10亿美元扩建位于利默里克的制造工厂,以增加生物活性成分(API)的生产,包括AD新药Donanemab(商品名:Kisunla)。
据美媒报道,为防止员工“过劳死”,美国银行和摩根大通计划限制年轻银行家的工作时间。4个月前,美国银行一名35岁的男员工猝死,该事件在金融圈引发轩然大波,外界认为他的死亡跟华尔街“有毒”的加班文化有关。据报道,死者生前为了完成价值20亿美元的并购案,每周工作时间超过100个小时,虽然他顺利完成了任务,但在3天后身亡。
又慢又贵?OpenAI推理模型“草莓”来了 GPT-5还有多远
当地时间9月12日,人工智能(AI)巨头OpenAI发布代号“草莓”的AI推理模型OpenAI o1系列,包括OpenAI o1-preview以及小版本的o1-mini。据OpenAI介绍, o1会花更多时间思考问题,然后再做出反应,就像人一样。通过训练学会了完善自己的思考过程,尝试不同的策略,并认识到自己的错误。与以前的科学、编码和数学模型相比,可以推理复杂的任务,解决更难的问题。