FX168财经网_全球视野外汇黄金加密货币NFT资讯网

牧原股份接待1家机构调研，包括线上参与公司2024年度网上业绩说明会的投资者

务,请及时关注公司公告。谢谢! 43 预测下全年猪肉价格!能否给个合理范围! 您好,近年来生猪养殖行业出现一些新特征,价格波动情况不同于以往。作为行业参与者,公司不过度预测猪价,专注自身经营管理,坚持稳健、连续生产,持续开拓创新以提升生产效率,建立低成本优势以应对外部市场环境带来的挑战。谢谢! 44 除了越南,牧原还看好哪些海外市场?公司是否有计划和新希望一样,在海外直接投资建设养猪场? 您好,当前公司越南团队正在熟悉当地市场及产业发展状况,公司会根据未来战略发展需求制定不同国家和地区的业务发展方式及目标。谢谢!

金融界04-09 11:40

特朗普对中国104%关税马上生效！马斯克怒批关税推手纳瓦罗：比砖头还蠢

到5万点，”他在福克斯新闻上说。他还预测标准普尔500指数会有“一次非常广泛的反弹”，并称这轮反弹将由那些在美国本土制造的公司主导。“投资者只需静待市场筑底。” 在《金融时报》的专栏文章中，纳瓦罗称特朗普的关税政策“实现了世界贸易组织一直未能做到的事：让外国国家承担责任。” “美国现在将对等回应其他国家对我们征收的高额关税和非关税壁垒，”他写道，“这不是谈判。对美国而言，这是一场因被操纵的体系所引发的国家紧急状态。” 不过，特朗普与财政部长斯科特·贝森特本周一和周二都释放了正在与日本和韩国展开谈判的信号。美股周二早盘一度大涨，部分原因也正是这些谈判带来的缓解预期，但随后涨幅有所回落。

风起04-09 11:31

鲍威尔陷入关税迷局：保经济还是继续抗通胀？

力应对这一问题，他们在上调对今年通胀的预测目标的同时，下调了对经济增长的预期，并甚至警告称，如果特朗普不在关税问题上悬崖勒马，美国可能陷入衰退。这似乎意味着美联储需要采取降息行动。特朗普也持相同看法。就在鲍威尔上周五发表讲话前不久，特朗普在社交媒体上表示，现在是鲍威尔削减借贷成本的“绝佳时机”。他写道：“他总是‘迟到’，但他现在可以改变形象，而且要快。”他还喊话道：“降息吧，杰罗姆，别再玩政治游戏了！” 不过，许多经济学家认为问题远非如此简单。目前，美国PCE通胀率为2.5%，仍高于美联储2%的目标，而官员们预计关税将进一步加速通胀。富国银行高级经济学家Sarah House表示：“美联储目前处于一个异常困难的境地。”她预计美联储将尽可能长时间地将利率维持在4.25%至4.5%之间。美联储理事库格勒周一表示，保持长期通胀预期稳定应成为“优先事项”，并指出，由于关税公告引发的汽车等商品购买前置效应可能会在短期内提振经济增长。贝莱德首席执行官拉里·芬克（Larry Fink）周一也表达了对通胀的担忧，称短期内降息的可能性“为零”。他表示：“如果所有提议的关税都真正实施，我担心通胀会进一步加剧。” 美联储官员还暗示，在没有明确迹象表明这种经济刺激效应已经逆转、且特朗普贸易冲击对价格的影响消退之前，美联储将保持“观望模式”。彼得森国际经济研究所总裁Adam Posen表示，美联储不会“预先判断”关税或特朗普财政计划（如大幅减税）的影响。“这是否有效尚不得而知，但显然这是鲍威尔和美联储领导层为应对当前政治局势所采取的路线。”他认为，美联储“可以，甚至可以说应该等到9月再降息”。然而，市场预期降息时间会更早，他们预计美联储将在6月会议上降息25个基点，比上周交易员预期的7月降息25个基点的时间表大大提前。尽管如此，经济学家表示，美联储将优先考虑价格压力，而非衰退风险，尤其是在过去两年中为遏制数十年来最严重的通胀飙升而进行的努力之后。曾任美联储官员、现任新世纪顾问公司（New Century Advisors）首席经济学家的克劳迪娅·萨姆（Claudia Sahm）表示：“在这种环境下，再加上通胀压力的上升，美联储不太可能采取预防性措施或进行保险性降息。” 纽约梅隆投资管理公司（BNY Investments）首席经济学家、前美联储官员文森特·莱因哈特（Vincent Reinhart）表示，鉴于“尤其不确定”的前景，利率制定者可能难以制定明确的策略。他补充说，美联储等待关税对经济影响的“明确证据”可能存在风险，因为这可能导致行动过晚。“尽可能拖延实际上等于拖延太久。” 总的来说，美国经济的未来很大程度上取决于特朗普及其关税政策的严厉程度。如果特朗普坚持实施最严厉的关税，其对消费需求的影响可能严重到足以消除对价格的担忧，并将所有注意力集中在经济健康状况上。Evercore ISI的克里希纳·古哈（Krishna Guha）表示：“从概率上看，这最终不会导致长期通胀。”

金融界04-09 11:20

关税“避风港”？北大荒连续三个涨停，牧原股份绩后大涨！消费ETF(159928)探底回升成交爆量，盘中获巨额净申购2.36亿份！

投资行为负责。本文中的任何观点、分析及预测不构成对阅读者任何形式的投资建议。以上内容与数据，与界面有连云频道立场无关，不构成投资建议。据此操作，风险自担。

有连云04-09 11:10

半导体爆发！寒武纪涨超10%，中芯国际涨超6%，最低费率的芯片50ETF(516920)大涨超6%！

投资行为负责。本文中的任何观点、分析及预测不构成对阅读者任何形式的投资建议。标的指数并不能完全代表整个股票市场。以上内容与数据，与界面有连云频道立场无关，不构成投资建议。据此操作，风险自担。

有连云04-09 10:40

直线拉升！还得是国产化替代！半导体领衔上攻，科创人工智能ETF华宝（589520）盘中飙涨超4.5%

文出现的信息（包括但不限于个股、评论、预测、图表、指标、理论、任何形式的表述等）均只作为参考，投资人须对任何自主决定的投资行为负责。另，本文中的任何观点、分析及预测不构成对阅读者任何形式的投资建议，亦不对因使用本文内容所引发的直接或间接损失负任何责任。基金投资有风险，基金的过往业绩并不代表其未来表现，基金管理人管理的其他基金的业绩并不构成基金业绩表现的保证，基金投资须谨慎。以上内容与数据，与界面有连云频道立场无关，不构成投资建议。据此操作，风险自担。

有连云04-09 10:40

业绩预增10倍，中船防务涨停！国科军工冲击20CM！国防军工逆市爆发涨停潮，512810飙涨5%

文出现的信息（包括但不限于个股、评论、预测、图表、指标、理论、任何形式的表述等）均只作为参考，投资人须对任何自主决定的投资行为负责。另，本文中的任何观点、分析及预测不构成对阅读者任何形式的投资建议，亦不对因使用本文内容所引发的直接或间接损失负任何责任。基金投资有风险，基金的过往业绩并不代表其未来表现，基金管理人管理的其他基金的业绩并不构成基金业绩表现的保证，基金投资须谨慎。以上内容与数据，与界面有连云频道立场无关，不构成投资建议。据此操作，风险自担。

有连云04-09 10:30

南一交易：三连胜实力出圈，今日维持震荡偏空

易截止目前又是做空三连胜！从上周见顶预测提示到现在我们社区都是一直坚定高空！南一社区公开，各位同仁随便来验证实力！千条路，选适合自己的，万般人，选与自己同频的，大门已敞开，欢迎各位随便验证，只有频率相同的人，才能理解交易中的万里山河！回顾昨日，黄金先扬后抑，日线最终收出十字星，当前正处于宽幅震荡整理区间。从盘面来看，空头趋势显著，沿下行斜率持续运行。我们延续震荡偏空的操作思路，今日依旧以反弹做空为主。重点关注昨日高点3022附近，只要不破，每次反弹都是做空机会。若不幸破位，可关注本周高点3056附近再行做空。下方重点关注本周低点2950附近的支撑位，若行情持续弱势，可在此尝试做多一次。总之，今日核心思路就是反弹即做空！交易实战绝对不是纸上谈兵那么简单，说得天花乱坠都不如用实力说话！【今日思路】南一独家策略参考：反弹3022附近空，目标3012-3002-2992 行情走强3056附近空，目标3046-3036-3026 投资有风险，入行需谨慎【下圖是我們部分實盤觀摩賬戶的整體記錄】南一獨創狼兵戰法八大條件 1. 順大勢（4小時以上級別） 2. 有空間的（格局以及日內空間） 3. 合理的止損（15分鍾或半小時調整） 4. 結構上的突破剩下4條可添加本人獲取！南一自悟短線交易心理人最大的煩惱就是記性太好，如果能夠忘記過去（失敗和榮耀）那麼每一天都將是新的開始，大家有沒有發現，每當我們以重新來過的心態去面對挑戰時，我們剛開始一般都不會做的太糟糕。我們做交易也是如此，交易初期的心態往往是最好的，就像初戀一樣，雖然青澀但是甜蜜。所以我建議每2-3個月都重新換一個新賬戶。尤其是賬戶大幅盈利翻了幾倍的情況下，我個人認為都需要換一個新賬戶，忘掉這些過去的輝煌。重新用第一個賬戶的本金去完成同樣的目標，其他利潤全部出掉。每天只賺5美金並不難，難的是堅持，難的是一直保持清醒，難的是守住本心，不被誘惑。希望大家都能這個市場大賺。，但是南一每天只想賺5美金。現在關注南一的朋友，可以私信進我們的粉絲群獲取! 實盤群現在已經來到了 8群。需要免費跟單的朋友可以私信！

南一交易員04-09 10:29

AI颠覆加密货币交易？HashKey最新报告揭示量化交易新范式

，技术迭代已显著提升交易策略的适应性与预测能力，但过度依赖AI仍可能引发系统性风险。报告表示，随着人工智能技术的革新，其在加密货币量化交易领域的应用正重塑金融市场的博弈规则。本文系统梳理了AI 与加密交易的融合历程：从早期基于固定规则的自动化策略（如网格交易、套利算法），到借助机器学习实现动态市场预测的进阶模型，再到当前生成式AI 与多智能体系统带来的革命性突破。研究揭示，传统规则系统在极端市场波动（如2022 年Terra 生态崩盘）中暴露的适应性缺陷，正被深度学习与自然语言处理技术弥补——后者能实时解析链上数据、社交媒体情绪等多模态信息，构建更精准的市场画像。然而，大语言模型的” 幻觉” 风险与过度自信问题仍制约其实际应用。展望未来，具备自主决策能力的智能体系统或将成为加密交易的“数字神经中枢”，通过多维度数据融合与自适应学习，为投资者提供更智能的风险控制与策略优化方案。这场技术变革不仅改写交易逻辑，更可能重构去中心化金融的底层生态。以下为报告的部分内容： 1 引言近年来，在算法驱动的决策系统与多模态数据处理能力的突破下，人工智能（AI）技术在跨学科应用中展现出显著的范式革新潜力。尤其在金融领域，AI 与量化交易的结合已形成成熟研究范式，但现有文献多聚焦于传统金融市场（如股票、期货等）的线性建模与统计套利场景，而对加密货币市场的异质性特征（如高波动性、去中心化特性及市场结构复杂性）缺乏系统性方法论探讨。这种研究范式的偏移导致在加密资产市场中，AI 技术的适应性验证与非线性预测模型的实证研究仍处于早期探索阶段，其潜在价值尚未得到充分挖掘。为了填补这一空白，本系列研究报告专注于“人工智能× 加密货币量化交易”这一广泛且创新的主题。我们不再将AI 和加密货币交易视作独立的研究领域，而是深入探讨它们的交叉点和协同效应，以期不仅提供技术层面的深刻见解，更着重揭示对加密货币市场和交易者产生重大影响的实践机会。通过这些文章，我们希望为来自不同背景的读者打开AI + 加密交易世界的大门，并提供可以应用于日常交易活动的实用工具和策略。本文作为该系列的第一篇文章，旨在探讨AI 在加密货币量化交易中的发展历史和未来潜力。通过回顾AI 在传统金融和加密货币量化交易中的角色，强调加密货币市场的独特挑战和机遇。 2 背景知识加密货币量化交易是一个充满活力且迅速发展的领域，吸引了学术界和行业的广泛关注。由于加密货币市场具有高波动性和全天候交易的特点，这对实时决策和风险控制提出了极高的要求。近年来，人工智能技术的突破为量化交易提供了新的解决方案。通过结合机器学习、自然语言处理和区块链数据分析，AI 不仅优化了交易策略的制定与执行，还推动了多维度市场预测和情感分析的发展。作为本系列的第一篇文章，我们首先从定义的角度刨析并理解加密货币及人工智能，为后续讨论夯实基础。 2.1 Web3 与加密货币 Web3，即第三代互联网，是一种基于区块链技术的去中心化网络架构。与传统的Web2 相比，Web3强调用户对数据的自主控制权，通过智能合约和分布式账本技术实现去中心化的应用（DApps）。Web3 的核心思想是消除中间商，使用户能够直接进行点对点（P2P）交互，从而增强隐私性、安全性和透明度[1] 。加密货币是Web3 生态系统中的重要组成部分，它是一种基于密码学技术的数字货币，通过区块链技术实现去中心化的交易记录和验证。比特币（Bitcoin）是第一个成功的加密货币，由中本聪[1] 提出，其设计初衷是创建一种不受政府或金融机构控制的去中心化货币。随后，以太坊（Ethereum）的出现进一步扩展了加密货币的功能，通过引入智能合约，使得开发者能够在区块链上构建复杂的去中心化应用[2] 。加密货币与法定货币共同构建了一个平行金融系统，其中公平性是其核心原则之一。加密货币的核心技术包括分布式账本技术（DLT）、共识机制（如工作量证明PoW 和权益证明PoS）以及密码学算法（如哈希函数和非对称加密）。这些技术共同确保了交易的安全性、不可篡改性和去中心化特性[3] 。此外，加密货币还推动了去中心化金融（DeFi）的发展，使得用户能够在无需传统金融机构介入的情况下进行借贷、交易和投资[4] 。尽管Web3 和加密货币具有巨大的潜力，但也面临诸多挑战，包括可扩展性、能源消耗以及监管不确定性等问题[5] 。在本系列研究报告中，加密货币的交易为讨论的要点。在此，我们引用由伦敦大学学院的Lingbo Li 教授于2022 年发表于《金融创新》的定义：加密货币交易是指通过买卖加密货币来实现盈利的行为[6] 。 2.2 人工智能人工智能（Artificial Intelligence, AI）是指通过计算机系统模拟人类智能行为的技术与理论。其发展历程可以追溯到20 世纪中叶，经历了多个重要阶段和里程碑事件。1956 年，达特茅斯会议（DartmouthConference）被认为是人工智能领域的正式起点。会议上，约翰·麦卡锡（John McCarthy）等人首次提出了“人工智能”这一术语，并设想了通过机器模拟人类智能的可能性[7] 。此后，人工智能研究逐渐分为符号主义（Symbolism）和连接主义（Connectionism）两大流派。 20 世纪50 年代末至60 年代初，早期的人工智能研究主要集中在逻辑推理和问题求解上。1957 年，弗兰克·罗森布拉特发明了感知机（Perceptron），这是最早的机器学习模型之一，为神经网络的发展奠定了基础[8] 。然而，由于计算力和数据规模的限制，人工智能在20 世纪70 年代经历了第一次“AI 寒冬”，研究进展放缓。 20 世纪80 年代，专家系统（ExpertSystems）成为人工智能的主流研究方向。专家系统通过规则库和推理引擎模拟人类专家的决策过程，在医疗诊断和工业控制等领域取得了显著成果[9] 。在1997 年，IBM 的深蓝超级计算机击败国际象棋世界冠军加里·卡斯帕罗夫，标志着人工智能在特定任务上超越了人类[10] 。 20 世纪90 年代至21 世纪初，机器学习（Machine Learning, ML）成为人工智能的核心研究方向。2006 年，杰弗里·辛顿等人提出了深度学习（Deep Learning, DL）的概念，通过多层神经网络实现了对复杂数据的高效处理[11] 。深度学习的兴起得益于计算能力的提升和大规模数据集的可用性（如ImageNet）。 2010 年代，深度学习在计算机视觉、自然语言处理和语音识别等领域取得了突破性进展。 2012 年，AlexNet 在ImageNet 图像识别竞赛中大幅领先传统方法，开启了深度学习的新时代[12] 。 2016 年，AlphaGo 击败围棋世界冠军李世石，进一步展示了人工智能在复杂决策任务中的潜力[13] 。近年来，人工智能的研究重点逐渐转向通用人工智能（Artificial General Intelligence, AGI）和可解释人工智能（Explainable AI, XAI），同时预训练模型（Pre-trained Models）、Transformer 架构以及大语言模型（Large Language Models, LLMs）等新兴技术的崛起极大地推动了人工智能的发展。 2017 年，Vaswani等人提出了Transformer 架构，通过自注意力机制（Self-Attention Mechanism）显著提升了自然语言处理任务的性能[14] 。此后，基于Transformer 的预训练模型如BERT[15] 和GPT 系列[16-17] 在多项任务中取得了突破性进展。这些模型通过大规模数据预训练和微调实现了对语言理解、生成和推理的强大能力。这些模型不仅能够生成高质量的文本，还能够通过少量示例（Few-shot Learning）快速适应新任务[17] 。然而，尽管这些技术取得了显著进展，其发展仍面临诸多挑战，包括模型的可解释性、计算资源的消耗以及伦理和隐私问题[18] 。例如，大语言模型可能生成带有偏见或误导性的内容，这对社会公平和信任构成了潜在威胁[18] 。以上为报告的原文内容部分展示，如需完整报告，请发邮件至wang.xiuzhi@fx168group.com领取。

FX168北美分站04-09 10:28

黄金市场重大信号！贸易战加剧中国推动黄金ETF创纪录流入

失，但今年金价仍上涨逾13%，且据业内预测，金价还有进一步上涨的空间。深圳同创伟业基金管理有限公司基金董事总经理余英东表示：“当宏观环境不确定时，资金会流入黄金和债券市场以规避风险。这在一定程度上转移了原本可能流入股市的资金。” 据彭博社汇编的数据，3月份约有53亿元人民币流出中国股票ETF。

金融界04-09 10:20

24小时热点