联邦基金利率

摘要： 1月27日,全球市场迎来了本年度首次美联储公布利率决议。美联储声明称,将基准利率维持在零至0.25%不变,同时,将每月资产购买规模减少300亿美元,资产购买将在3月初结束。美联储强调,很快就会适当地提高联邦基金利率,并表示将在加息后开始缩减资产负债表。作为全球最大经济体央行,加上美元在全球的地位,美联储加速转向无疑将为市场带来新的挑战。美联储货币政策正常化面临怎样的路径选择?如何看待美联储货币政策正常化对中美经济和金融市场的影响?美元资金回流压力下人民币汇率将何去何从?中国债券市场走势由国内因素还是中美利差因素主导?如何应对美联储货币政策正常化对商业银行外汇业务的影响?在本期中,本刊组织专题对上述问题作深入探讨,供读者参考。

摘要： 在利率比较高的情况下,降低利率有利于实体经济增长,但降低到一定程度,从发达国家看,即使降到零甚至负,对实体经济增长不再产生效果。我国实施正常的货币政策,但随着经济下行,各方有降低利率的预期,利率政策是否存在阈值,达到阈值后政策是否会失效,利率政策还剩多大空间,均值得研究。本文选取了中美两国2005年1月至2021年12月的月度数据,利用两区制门槛回归模型对不同利率水平下实体经济增长的非对称效应进行实证分析,验证了中美两国实体经济增长存在显著的利率阈值效应,且存在唯一的阈值,随着利率下行,达到阈值后,货币政策效果将会减弱。比较而言,中国的利率政策仍然存在空间,可以通过降低政策利率进行宏观调控,美国已处于低利率区间,利率政策空间不足,价格调控失效,数量型调控效果也大大减弱。

摘要： 相比2013-2019年的政策正常化周期,美联储这一次可谓是“急刹车”。联邦公开市场委员会(FOMC)6月例会决定加息75基点(bp),这是继今年3月首次加息之后的第3次,3月、5月和6月共计加息150bp。虽然美国经济衰退的特征越来越明显,但市场仍预期FOMC会在7月例会上加息75bp。届时,联邦基金利率目标下限将提升至225bp,根据6月的利率点阵图,离年内加息目标还差100bp。目前,市场预期9月、11月和12月例会分别加息50bp、25bp和25bp。

摘要： 黄金作为贵金属之首,在世界经济中扮演着极为重要的作用。尽管现阶段黄金已失去世界货币地位,但依然在稳定金融、维护经济中占据主导。本文通过梳理黄金价格的历史波动轨迹并对其特征展开阶段性分析发现不同时期影响黄金价格的因素各异。其中,黄金的供给和需求状况、美元指数变动、股票价格指数变动、原油价格变化、联邦基金利率变化和官方黄金储备变化对于黄金价格影响尤为明显。由于研究黄金价格的波动对于稳定金融市场、防范金融风险等作用显著。

摘要： 美联储未来紧缩节奏受关注美国联邦储备委员会11月2日宣布,将联邦基金利率目标区间上调75个基点到3.75%至4.00%之间。这是美联储连续第四次加息75个基点,符合市场预期。在四度激进加息75个基点后,美联储未来紧缩节奏备受市场人士关注。本次美联储加息已经是今年连续第四次加息0.75个百分点,也是今年3月美联储开启加息周期抗击高通胀以来第六度加息。今年迄今,美联储已经累计加息375个基点,美国联邦基金利率水平已升至2008年1月以来最高位,至3.75%至4.00%。在缩表方面,美联储表示将维持已经实施的缩表节奏,即每月缩减600亿美元国债和350亿美元机构债券和抵押支持债券(MBS)。

摘要： 一、价格回顾1月沪铅震荡走高2020年12月美国经济出现八个月来的首次就业岗位减少,就业市场复苏停滞,表明经济增长势头明显减弱,可能会暂时打乱从新冠大流行的复苏的节奏。随后美联储公布2021年首次利率决议,维持联邦基金利率0%-0.25%不变。美联储主席鲍威尔警告称美国经济复苏步伐放缓,进一步强调美国经济距离实现就业和通胀目标还有“很长一段路”,讨论宽松政策退出为时过早。

摘要： 北京时间7月29日凌晨,美联储决定将联邦基金利率维持在零至0.25%不变,并保持当前购债规模不变,基本符合市场预期。美联储主席鲍威尔强调,加息依然是一件遥远的事情。美联储在货币政策会议纪要中称,美国经济受疫情影响严重的行业已经有所改善,但尚未完全复苏。

摘要： 2020年8月,美联储联邦公开市场委员会(FOMC)发布修订后的《长期目标和货币政策策略声明》,修改其关于通胀的策略;同年9月,FOMC改变关于维持联邦基金目标范围的措辞。本文将9月FOMC政策声明中描述的政策与美联储过去的行为进行对比,阐释政策转变的理由,并解释政策声明作为一个整体如何防范通胀不稳定的风险。

摘要： 北京时间6月17日凌晨,美联储召开6月议息会议,宣布维持联邦基金利率目标区间在0~0.25%之间,符合市场预期。同时,美联储大幅上调美国2021年PCE通胀预期至3.4%。受此消息影响,市场对美联储收紧流动性预期上升。美股三大股指先跌后涨,呈现"V"形走势,最终小幅收跌, 10年美债收益率由1.50%附近跃升至1.58%, 美元指数表现强势,由90.5附近跃升至91.4,创两个月新高。市场人士认为,美元指数上涨空间已经打开,未来人民币汇率需特别警惕出现持续性贬值风险。

摘要： 20世纪90年代以来，美国政府多次调整公共住房政策，大力发展房地产证券化，推动了次级贷款市场的快速发展。次级贷款危机的爆发引发美国金融市场动荡，美元大幅度贬值，市场出现信用紧缩和流动性短缺，货币政策面临“两难困境”。美国房地产业在过度扩张之后的泡沫化、政府对房地产市场的监管失灵是次级贷款危机爆发的真正原因．规范房地产市场发展应建立衍生品的风险防范和风险分担机制，正确处理虚拟经济与实体经济之间的相互关系，完善住房金融体系，加强对房地产市场的监管。

摘要： 20世纪90年代以来，美国政府多次调整公共住房政策，大力发展房地产证券化，推动了次级贷款市场的快速发展。次级贷款危机的爆发引发美国金融市场动荡，美元大幅度贬值，市场出现信用紧缩和流动性短缺，货币政策面临“两难困境”。美国房地产业在过度扩张之后的泡沫化、政府对房地产市场的监管失灵是次级贷款危机爆发的真正原因．规范房地产市场发展应建立衍生品的风险防范和风险分担机制，正确处理虚拟经济与实体经济之间的相互关系，完善住房金融体系，加强对房地产市场的监管。

摘要： 20世纪90年代以来，美国政府多次调整公共住房政策，大力发展房地产证券化，推动了次级贷款市场的快速发展。次级贷款危机的爆发引发美国金融市场动荡，美元大幅度贬值，市场出现信用紧缩和流动性短缺，货币政策面临“两难困境”。美国房地产业在过度扩张之后的泡沫化、政府对房地产市场的监管失灵是次级贷款危机爆发的真正原因．规范房地产市场发展应建立衍生品的风险防范和风险分担机制，正确处理虚拟经济与实体经济之间的相互关系，完善住房金融体系，加强对房地产市场的监管。

摘要： 20世纪90年代以来，美国政府多次调整公共住房政策，大力发展房地产证券化，推动了次级贷款市场的快速发展。次级贷款危机的爆发引发美国金融市场动荡，美元大幅度贬值，市场出现信用紧缩和流动性短缺，货币政策面临“两难困境”。美国房地产业在过度扩张之后的泡沫化、政府对房地产市场的监管失灵是次级贷款危机爆发的真正原因．规范房地产市场发展应建立衍生品的风险防范和风险分担机制，正确处理虚拟经济与实体经济之间的相互关系，完善住房金融体系，加强对房地产市场的监管。

摘要： 本发明提供一种基于联邦学习的基金休眠客户激活潜力评估方法，属于金融评估领域。银行自有数据库内的基金用户信息进行分选，识别出休眠客户，并对休眠客户进行分选定级，提高激活精准度的评估系统；所述基金休眠客户为基金购买一个周期后，延期一年对基金无操作的客户；所述休眠客户分级方法基于客户购买基金类型、盈利率、客户类型，能够通过对基金进行多个维度的学习建模、同步对基金客户进行分析建模，将构建的分析能力图进行拟合形成分析，对客户进行分类，形成激活评估。

摘要： 本说明书实施例提供用于经由至少两个第一成员设备和第二成员设备训练业务模型的联邦学习方法，联邦学习装置和联邦学习系统。各个第一成员设备具有本地数据，第二成员设备维护待训练的业务模型。在进行联邦学习时，在各个第一成员设备从第二成员设备接收当前业务模型后，各个第一成员设备使用本地数据训练所接收的当前业务模型，确定本地训练出的业务模型与所接收的业务模型之间的模型相关性，并且仅仅在模型相关性满足预定条件时才将本地训练出的模型更新量提供给第二成员设备。第二成员设备根据从各个第一成员设备接收的模型更新量更新业务模型。

摘要： 本说明书实施例提供用于经由至少两个第一成员设备和第二成员设备训练业务模型的联邦学习方法，联邦学习装置和联邦学习系统。各个第一成员设备具有本地数据，第二成员设备维护待训练的业务模型。在进行联邦学习时，在各个第一成员设备从第二成员设备接收当前业务模型后，使用本地数据训练所接收的当前业务模型，基于本地训练出的业务模型中的模型参数的参数更新量，确定各个模型参数的参数稳定性，并且将被确定为参数不稳定的模型参数的本地更新值提供给第二成员设备。第二成员设备根据从各个第一成员设备接收的模型参数的本地更新值更新业务模型。

摘要： 本说明书实施例提供一种联邦学习方法及联邦学习系统。方法包括：在联邦学习用于训练的目标模型确定特征配置前，联邦学习的成员对象按照所述联邦学习的数据仓库的数据结构化配置，对本地的私有数据进行预处理；以及，联邦学习的成员对象基于多方安全计算协议，将预处理后的私有数据发送至所述集中计算平台，以由所述集中计算平台上传至数据仓库。在所述目标模型确定特征配置后，所述集中计算平台根据所述目标模型的特征配置，对所述数据仓库记录的私有数据进行特征提取，得到适用于训练所述目标模型的特征数据；以及，所述集中计算平台基于提取到的特征数据，对所述目标模型进行训练，并将所述目标模型的训练结果发送至所述联邦学习的成员对象。

摘要： 本发明公开了一种在线联邦学习任务分配方法、装置、联邦学习方法及系统，在给定联邦学习训练框架下，将边缘计算联邦学习训练过程分为节点选择计划确认和节点数据状态更新两个阶段，通过Lyapunov优化理论和深度强化学习的计算，提供使得损失函数最小化的、在不完全信息状态下保证数据集状态稳定不拥塞的任务分配方法，由此解决现有的任务分配机制仅必须知道完全信息的情况下且数据集需要独立同分布的分配阶段，导致不能解决在线联邦学习中数据非独立同分布的技术问题。

摘要： 本申请涉及一种联邦学习专用处理器、联邦学习处理芯片及芯片。该处理器包括彼此独立的多个处理引擎，其每一个包括并行的至少一个处理子引擎且属于加密、解密、密文运算以及密钥管理的类别中的一个。该处理器用于生成联邦学习任务的任务配置信息，确定多个处理引擎的调用次序和被调用的处理引擎，根据任务配置信息和被调用的处理引擎的状态生成引擎配置信息，根据引擎配置信息完成联邦学习任务。多个处理引擎中的至少一个处理引擎所包括的处理子引擎由第一部分和第二部分组成，第一部分的个数根据联邦学习通用业务场景预先设定，第二部分的个数可根据与联邦学习任务关联的联邦学习子业务场景调整。如此实现数据流驱动的引擎分配机制及优化设计。

摘要： 本说明书实施例提供一种联邦学习模型的训练方法和调用方法以及联邦学习系统。该训练方法包括：获取多个参与者中的每个参与者的水印化训练数据集；以及基于多个参与者中的每个参与者的水印化训练数据集进行联邦学习训练，以分别产生每个参与者的作为联邦学习模型的一部分的碎片模型，其中，水印化训练数据集包括水印训练数据，参与者的水印训练数据的数据标识彼此对应，且多个参与者中的至少一个参与者的水印训练数据包括水印标签。

摘要： 本说明书实施例提供一种联邦学习模型的训练方法和调用方法以及联邦学习系统。该训练方法包括：分别由多个参与者中的每个参与者获取该参与者的水印化训练数据集，其中，水印化训练数据集包括具有水印标签的水印训练数据，和基于该水印化训练数据集进行训练，以产生该参与者的本地模型；以及将多个参与者的本地模型进行聚合，以产生联邦学习模型。

摘要： 本发明公开了一种基于联邦蒸馏的联邦学习模型的训练方法、系统和介质，可应用于模型处理技术领域。本发明方法包括：客户端采用联邦学习算法和本地私有数据集训练并更新本地模型，采用公共数据集和更新后的本地模型预测局部归一化层的第一输出向量，并向服务器上传第一输出向量对应的局部平均输出向量；服务器对所有局部平均输出向量进行全局共识操作并确定全局平均输出向量，向所有客户端下发所述全局平均输出向量；客户端在公共数据集上，采用全局平均输出向量和更新后的本地模型进行知识蒸馏，并在本地私有数据集上训练回调本地模型。本发明能使通信成本只取决于模型输出，不会随模型大小倍数增加，从而有效提高通讯的稳定性和减少延迟。

摘要： 本申请涉及一种联邦学习系统和联邦学习任务处理方法。方法包括：确定与联邦学习任务相关联的至少一个样本ID是否存在于本地样本数据集和非本地样本数据集之间的交集；响应于该至少一个样本ID存在于该交集，调用第一联邦学习模型处理该联邦学习任务；和响应于该至少一个样本ID不存在于该交集，调用第二联邦学习模型处理该联邦学习任务。所述第一联邦学习模型的训练数据集包括该交集。所述第二联邦学习模型的训练数据集至少包括所述本地样本数据集，并且所述第二联邦学习模型的训练基于所述第一联邦学习模型根据所述本地样本数据集生成的处理结果。如此克服数据缺失问题以及避免训练样本的浪费，提升了推理预测效果。