美國經濟很多都不想讓人知道的數據秘密。

在12月1日前，聯準會從2025年10月15日當週到11月26日當週，7週內平均每週減少73.992億美元。較前一段短期趨勢，以快過三倍的速度在縮表。

聯準會在平衡貨幣政策的抵消上確實很厲害！

美國汽油和天然氣價格呈現下降短期趨勢

數據分析結果：

你要美化圖，但資訊粗糙？
還是醜醜的表與圖，但資訊清楚？

通貨膨脹問題解決？
做數據分析，能抓出短期趨勢，
還相信媒體和某人的說詞？
那是給韭菜聽的。

水能載舟，也能覆舟。
他在社群平台寫的，不就是怕水不支持他嗎？
看看他們發行的虛擬幣，今年初是多麼風光。
看他高樓起，看他高樓塌。

PCE物價指數年增率在12月公布9月數據，真是落後期數太多了！想要顯示現況不容易。但9月數據仍符合上升趨勢！通膨沒那麼好解決！

發了只有跟隨者能看的嘟文，某些數據還是低調點好

美國聯邦債務(以市價計)的短期趨勢情況，最新趨勢已從2025年5月開始到9月，平均每月增加4815.2億美元。而前一短期趨勢則是從2024年10月開始到2025年4月，平均每月增加1008.21億美元。

從這可以看出美國在實施關稅政策後，急需更多的國債發行金額。

#經濟 #財經 #FederalDebt #USA #USdebt #economy #useconomy #economywatch #AI #MathAI

美國M2的短期趨勢，仍維持從2023年12月開始的短期趨勢，以平均每月增加653.987億美元的速度增加。

這九月那次的降息並不改變美國在M2上升的方向。

當我們看通貨膨脹率和失業率時，都會慣性帶入一高一低的想法，在Youtube上解說美國經濟情況更是如此。

這是經濟學的菲利普曲線關係，薩繆森與索羅在1960年的論文上提出的關係。

美國聯準會始終依賴這樣的關係做其決策。但是，從時間序的數據來看，失業率上升且通貨膨脹率上升，恐怕美國經濟體也要走向會發生同向關係的可能。

事實上，這樣的反向關係過去也有人驗出同向關係。我們不得不承認美國當初嚴格按照數據做決策，確實維持很好的反向關係。至於現在……事情已經改變了。但是否會成形同向關係，還得在整體數據期間內去看。

#經濟 #財經 #美國 #通貨膨脹 #數據分析 #AI #AI數據分析 #useconomy #economy #economywatch #inflation #usinflation #觀點

最近看到Alpha Arena，這是六大AI模型根據虛擬幣價格，進行投資的獲利結果。這是人類試圖將數字轉為代號，變成可讀數據，符合生成式AI的數據運算。

這裡其實隱藏一個明顯，但始終沒有人願意去談的問題：為什麼不能數字建模，產生數學模型去判斷。

真實的數學發展上，這是個難解的問題，卻是每個發展科技階段存在的問題。只要數據驅動就會這樣。你要數據全以數字表述還是字符（文字類型）表示呢？

最終計算機科學選擇字符，也就是符號代表，不具數學的四則運算意義方式。

美國通貨膨脹率短期趨勢的起始為2024年12月，目前為期10個月了。整體數據期間需要至少9個月的數據才能形成短期趨勢。目前並沒有發現能夠【改變趨勢結構】的可能。

所謂【改變趨勢結構】是指新的數據加入，會讓整體數據期間的短期趨勢線所需的最少數據量改變。例如，從至少9個月變成至少5個月。這【改變趨勢結構】情況發生在：

⭐2023年11月(含)以前是至少8個月數據量
⭐2023年12月到2024年2月是至少5個月數據量
⭐2024年3月(含)之後就是現在看到的至少9個月數據量

期刊論文或觀看走勢圖無法取得樣的資訊。數據告訴我們美國經濟在消費者物價指數年增率的時間變化，當中有美國政府與聯準會的政策影響。

目前我這樣說，看起來是事後諸葛，但檔次當時獲得這些資訊時，可是即時的。這才是動態時間序列的精準分析。

#經濟 #財經 #美國 #通貨膨脹 #數據分析 #AI #AI數據分析 #useconomy #economy #economywatch #inflation #usinflation

美國有沒有通貨膨脹呢？

原數據看起來是緩慢增加：
Sep '25: 3.0
Aug '25: 2.9
Jul '25: 2.7
Jun '25: 2.7
May '25: 2.4

但這樣的通貨膨脹率感覺沒什麼。每次加入新公布的數據產生短期趨勢圖。每張圖的最右邊短期趨勢會有斜率改變。

===斜率值===
Sep 2025: 0.0050%
Aug 2025: -0.0186%
Jul 2025: -0.0526%
Jun 2025: -0.0878%
May 2025: -0.1415%
===========

從每月斜率值的愈發趨緩，下降速度愈慢，到了9月數據加入後轉為水平的微幅上升趨勢。你說美國沒有CPI物價指數年增率逐漸提高嗎？

@ida @academicchatter

#經濟 #財經 #美國 #通貨膨脹 #數據分析 #AI #ECONOMY #USECONOMY #MathAI #inflation #usinflation #economywatch

剛看到新聞說白宮帳號進軍bluesky，不到三天，白宮帳號就登上「被封鎖」排行榜第二名。哈哈。好在Mastodon上沒有推薦。現在的白宮帳號如同人物的讚揚，塑造「神」的政治工具。這種情況還發生在訴狀內容。通篇的讚揚川普，被法院退回。

偏偏發生什麼事情呢？

🔸️各國關稅協議中要打錢給美國政府的投資金額，無法快速到帳。川普已經開始搞投資，入股「扶助」，大規模的人工智慧ALLIN投資。

🔸️銀行與企業都要投資支出，錢出去了，不會那麼快回來。

🔸️人工智慧是大宗，但美國的「汽車」跟民生有關，管你什麼二手車或新車價格提高，維修零件也價格提高。汽車二手商或地方的汽車代理商不好存活。他們貸款度日，最後宣告破產清算。這導致銀行產生壞帳

不過，這都是地區性銀行（小型銀行）。美國大型銀行跟小型銀行的資金規模不同，業務範圍與消息取得有差異。所以出事的都是小型銀行。

大型銀行什麼時候會出事？

公布虛擬貨幣真實風險時，或大型銀行在虛擬貨幣市場上忽然大規模蒸發價值。這個又跟人工智慧技術有關。所以一切都是環環相扣。

當「消息」變成可以演算；風險可以真實揭露；投資商品的連動關係可以被真實找出且公開，銀行團們搞得虛假陳述或消息，甚至川普的一人撼動全球金融市場的影響性都將下降很多。

銀行危機可以在「自動化」的數字查核中立即被揭露。而不是讓銀行們打時間差與資訊不流通，造成銀行危機或擠兌風險。

3/end

你認為美國銀行團會怎麼做呢？

對！繼續輸出錢，以求更高的獲利。

這事情不是只有銀行團搞，各公司，工廠，個人都一起搞。越有錢越要搞。

錢不夠怎麼辦？

對。借錢啊！又錢不夠怎麼辦？
對。繼續借錢。於是，銀行團更高興了！
弄到連準備金都不足。（笑話是銀行資本適足率都是良好的）

於是，9月被爆出銀行間隔夜拆款利率飆高。這是什麼意思呢？

原本存戶存在銀行的錢是有一定準備金，以防緊急需要。如有人提領大筆存款金額，或者很多人要提領錢。銀行必須給存戶錢，不然信用就沒了。

另外，每月也要查帳。銀行帳面上的準備金要足夠。

那不夠怎麼辦？對。去跟別家銀行調錢，因為有不是所有銀行在同一天查帳，通常是三天到五天時間內提供資料就可以。

這就讓銀行有時間可以調錢，包含先叫借錢的人補上一些錢放在銀行。

2/

#美國銀行危機 到底在幹嘛？嚴重嗎？

情況：
🔸️美國政府沒錢
🔸️美國債台高築
🔸️美國仍想當老大

三個情況合在一起是：美國沒本錢當老大，需要打腫臉充胖子。

美國做法：
🔸籌碼1：️賣軍備換錢，換資源，世界越亂越好。（政府+民間）
🔸️籌碼2：推動人工智慧。明知有問題要強推吸金。（民間）
🔸️籌碼3：釋出市場權（關稅），價高者低價競爭獲得美國消費市場。（政府）
🔸️籌碼4：吸金大法，龐大的投資市場，更多全球投資人投入其中追高。美國銀行團支持且投入，創造更多的利潤。
🔸️籌碼5：債務虛擬化，做化債。當初連動債，將被推出，讓虛擬貨幣投資人變相買了美債。

於是，這些在美國財政部發行債券時的買家，更加瘋狂地抬價購買美債。此時他們身上的美元就少了。透過虛擬貨幣投資的高槓桿化（高風險），加上不能避險的波動（川普一則貼文的消息面），用風險轉化消債，並且在虛擬貨幣市場上獲利。

美國銀行團們發現可以這樣輕鬆獲利，虛擬貨幣又能ETF，買越多國債，越能在虛擬貨幣市場上獲利。另外白宮內部消息洩露等因素，造就他們獲利輕鬆。

1/

本週等待10月24日公布的美國數據 :blobcatcoffee:

美國本週三（9月15日）聯準會公布褐皮書：

🔸️三個地區報告稱經濟活動略有至溫和增長
🔸️五個地區稱無明顯變化
🔸️四個地區報告出現輕微放緩
🔸️整體消費者支出略有下降
🔸️就業水平總體保持穩定
🔸️多數地區報告稱，更多僱主通過裁員或自然減員減少員工數量

聯儲體系中的銀行準備金總額首次跌破3萬億美元。SRF機制是聯準會允許銀行以國債或機構債作爲抵押換取現金，正常情況下很少使用。突然被使用67.5億美元，遠超常態水平。

這告訴我要們什麼事情？
欲使其亡，必先使其狂！

美國不只聯邦政府壓制聯準會，要放錢到市場。連金融業也寧願流出錢去創造營收，不願意回收。寧可動用準備金，做隔夜拆款，也要不回收錢。

當金融業站在聯邦政府的一邊後，貝森特又跳出說聯準會要做量化寬鬆改革，謹慎使用量化寬鬆。他怎麼不說先前逼聯準會降息一事？什麼叫做“謹慎”使用量化寬鬆？真是又當又立。

而美國勞動市場的疲軟不是自然現象，而是「人禍」影響。人禍造成的就業疲軟，究責不該指向聯準會！該哪個美國機構，大家心知肚明。

為什麼人工智慧會遇到瓶頸？

1）人工智慧承接的理論與原理，在中間過程發生偷吃步的走捷徑做法。並沒有直面解決理論與原理遭遇到的問題。

2）統計學是數字科學，但它有假設，也就是使用條件。如果你要刪掉假設，就得根據統計分析的某個原理，重新走一次。而不是來個漸近分配，走捷徑分析，然後發期刊論文，增加引用次數，成為權威。

3）建模不是你（研究者和使用者）認定模型，請將這個模型選擇的權利還給數字！

4）真實願意去面對統計學的問題，數據建模的問題，機率論的問題。不要一個通用模型符號代表一切。數字的模型是有數學式與係數的！請揭露並告訴世人！不是假設存在和模型過於龐大而省略。

數據驅動是（大）數據分析、數據探勘、數據科學、人工智慧等的核心。

數據要定模，定了嗎？沒有！
數據要建模，建了嗎？人為自己設計，不管數據本身特徵。不讓數據自己表現。

為什麼人工智慧的美國大公司們要用聯盟，做投資案。用一份錢創造數個高額投資案？因為這是先進入者優勢！

他們卡了「人工智慧」之名，再用生成式AI建立應用圈。之後就是：但凡你不是用生成式AI的，都不是人工智慧。這才是美國人工智慧圈狠絕之處。

2025-10-12 5/

#觀念 #財經 #人工智慧