最新头条！美股冲高回落，三大指数收盘跌幅均超过0.3%

美股冲高回落，三大指数收盘跌幅均超过0.3%

北京时间2024年6月15日晚，美股三大指数全线低开，其中道指一度跌超130点，但随后三大指数均有所回升，并一度转涨。

然而，随着法国政治动荡加剧，投资者避险情绪升温，美股三大指数在尾盘再度走弱，最终收盘均跌幅超过0.3%。

具体来看，道指跌205.14点，跌幅0.53%，报38441.96点；纳指跌49.08点，跌幅0.28%，报17618.48点；标普500指数跌16.16点，跌幅0.30%，报5417.58点。

从盘面看，科技股、金融股和能源股均有所下跌。其中，苹果一度跌超1%，但收盘跌幅收窄至0.67%；微软跌1.05%；亚马逊跌0.83%；特斯拉跌0.72%；埃克森美孚跌1.37%；雪佛龙跌0.91%。

值得注意的是，在美联储主席鲍威尔重申继续加息的言论后，美债收益率有所上升，也给美股市场带来了一定压力。

总体而言，美股周五的回落主要受法国政治动荡和美债收益率上升等因素影响。

展望后市，市场人士认为，美股仍将面临诸多挑战，包括经济衰退风险、通胀压力以及美联储加息等。

不过，也有分析师指出，美股估值目前仍处于较低水平，在基本面因素未出现重大变化的情况下，美股仍有望维持震荡上行的趋势。

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。