最新快讯！欧股震荡加剧 法国CAC 40指数重回年内低点

欧股震荡加剧 法国CAC 40指数重回年内低点

（新浪财经，2024年6月18日） - 欧洲股市本周延续下跌态势，主要股指均创下10月以来最差周度表现。其中，法国股市受政治因素影响尤为严重，CAC 40指数重回年内低点，市值蒸发约2100亿美元，相当于整个希腊的经济规模。

法国提前大选引发市场担忧

法国总统马克龙宣布提前举行议会选举，引发市场对法国政治前景的担忧。投资者担心，极右翼政党可能在选举中获胜，导致法国退出欧元区或欧盟，进而引发欧元区乃至全球金融市场的动荡。

避险情绪升温 欧洲股市全线走弱

避险情绪升温，推动投资者买入黄金和债券等避险资产。欧洲股市主要股指均有所下跌，德国DAX指数下跌2.99%，英国富时100指数下跌0.21%，意大利、希腊、西班牙等国主要股指跌幅均超过2%。

法国银行股领跌

在法国市场，银行股成为重灾区，法国巴黎银行、法国兴业银行等几家最大银行本周下跌逾10%。投资者担心，法国经济衰退风险上升，将导致银行不良贷款增加，盈利能力下降。

市场前景仍不明朗

目前，欧洲股市仍处于高波动状态，市场前景仍不明朗。投资者需密切关注法国大选结果以及欧元区经济形势，谨慎投资。

以下是一些分析人士对未来市场走势的看法：

• 法国大选结果将是决定欧洲股市未来走势的关键因素之一。如果极右翼政党获胜，市场可能将出现进一步下跌。
• 欧元区经济衰退风险仍然存在，投资者需关注通胀和利率等因素的变化。
• 地缘政治紧张局势也可能对市场造成影响。

投资者应采取审慎的投资策略，分散投资风险，并做好应对市场波动的准备。

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。