避险属性大比拼美元暂居上风 黄金震荡走低考验1270关口

  现货黄金周二震荡走低,美市盘中最低下探至1268.97美元/盎司,一度跌破1270关口,触及逾两周新低,不过随后适度回升至1270上方,因风险情绪得到改善以及美元持稳于98关口上方。日内英国方面又传来重磅消息,据悉英国首相特雷莎·梅准备给予议员进行二次公投的投票选项。三名消息人士还称,特雷莎·梅将给予议员投票选择欧盟关税联盟的权利。

  特雷莎·梅在周二的记者会上概述了她的新脱欧提案,该提案将于下月进行投票表决。她之前的协议已经被英国议员否决了三次。特雷莎·梅表示,政府将在脱欧协议中说明是否举行第二次公投进行投票。对于那些希望进行第二次公投的议员,首先他们需要达成一致的脱欧协议。政府将会尊重议会关于二次公投的决定,但第二次公投可能导致政治永远两极分化的噩梦。值得注意的是,须在通过脱欧法案第一阶段的情况下就二次公投进行表决。

  另一方面,分析师指出,美元日内相对强势的表现除了市场投资者在中美贸易及华为事件上寻求部分需求买入之外,隔夜美联储主席鲍威尔等官员的讲话降低了美联储今年降息的预期,使得美元此前回落的风险有所下降,多头周二重拾动能。市场风险情绪的改善带给黄金压力,多头日内进一步撤退。

  上日美国决定部分放松对中国电信巨头华为施加的限制令市场释然,但投资者继续观望,因为中美贸易尚未有缓解迹象,影响已波及到诸多经济体。

  除中美贸易局势外,市场接下来将面临系列风险事件,包括欧洲议会选举、英国脱欧以及美联储会议纪要。

  欧盟公民将于5月23-26日前往投票站,选出751位欧洲议会议员。这可能成为“欧洲计划”的决定性时刻。不过,意大利官员持续释放不友好措辞的状况进一步打击了市场对于欧洲一体化前景的信心,这会在周末之前继续施压欧元汇率。

  技术面来看,从黄金4小时走势图来看,金价目前正测试斐波那契50.0%回调位1274支撑,若金价继续下行,并跌破该支撑,则进一步支撑位见前低1266。


  )

  若金价反弹上涨,上方阻力位为斐波那契38.2%延展位1281,突破后进一步阻力位见斐波那契23.6%延展位1289。

  后市展望:

  Kitco分析网站评论员Jim Wyckoff指出,技术面上,黄金空头近期占得上风,多头如果想要突破困境则下一目标位即是重返且收于1300上方,而空头近期的目标位将是拉低价格下测1267一线,即5月低点位置,进而是1260关口。

  该网站另一评论人员Todd Bubba Horwitz则表示,结合白银走势,银价自触高16美元/盎司后就表现持续的跌势,这一模式类似于高峰滑坡而下,只有看跌才能获利。

金华配资公司4.3昔日黄金期货价钱最新行情走势 黄金期价震荡整理

期货种类期货机构机构观念

贵金属X1d中亿财经网|大宗产业_商品_证券_股票_期货_外汇行情,财经效劳平台

华泰期货

晚间经济数据疲弱但无碍美元持续坚持绝对强势X1d中亿财经网|大宗产业_商品_证券_股票_期货_外汇行情,财经效劳平台

微观面概述X1d中亿财经网|大宗产业_商品_证券_股票_期货_外汇行情,财经效劳平台

昨日早间,澳洲央行举行议息会议,宣布维持1.5%的利率程度不变,并表示通涨程度仍处于低位并坚持波动。午后,欧盟首席脱欧官员Barnier的发言表达了其关于英国方面临时延伸脱欧期现而能够给欧盟所带来的风险隐患。不过同时也指出曾经做好了英国无协议脱欧的预备。估计英国脱欧方面的影响后市将会持续搅扰市场,使得非美货币依然处于绝对偏弱的状况,而这关于美元指数而言则是绝对有利的要素。而晚间发布的美国2月耐用品订双数据虽然录得16个月新低,但是由于市场此前对其的预期也绝对失望,故此在数据发布后也并未对美元发生太大的打压作用。X1d中亿财经网|大宗产业_商品_证券_股票_期货_外汇行情,财经效劳平台

根本面概述X1d中亿财经网|大宗产业_商品_证券_股票_期货_外汇行情,财经效劳平台

昨日在上海黄金买卖所现货白银方面,金银成交量持续出现出下降的态势。而由于增值税降税落地的缘故,此前锚定白银期现套利的头寸或将逐步加入,昨日AgT+d递延费领取方向回依然维持多付空。此外,此前提及的金银内外盘库存变化背叛的状况照旧存在,故此可以持续关注由此而能够带来的内外盘套利的时机。X1d中亿财经网|大宗产业_商品_证券_股票_期货_外汇行情,财经效劳平台

就贵金属下游相关行业而言,在阅历了前一日绝对大幅的下跌之后,昨日光伏以及电子元件板块均出现出了窄幅震荡之格式。X1d中亿财经网|大宗产业_商品_证券_股票_期货_外汇行情,财经效劳平台

战略:X1d中亿财经网|大宗产业_商品_证券_股票_期货_外汇行情,财经效劳平台

中性,当下虽然欧美央行相继发布了支持宽松货币政策的观念,但是从金银价钱全体表现来看,也并没有呈现太过微弱的下跌,而美元指数继续坚持强势也对金银价钱构成较大的要挟,故此操作上暂时建议先以高抛低吸思绪看待。此外也可以顺势持续做多金银价钱比(概况可参见我司于3月26日发布的《金银价钱比影响要素讨论及对后市瞻望》专题)。X1d中亿财经网|大宗产业_商品_证券_股票_期货_外汇行情,财经效劳平台

风险点X1d中亿财经网|大宗产业_商品_证券_股票_期货_外汇行情,财经效劳平台

欧美央行不测改动其对其货币政策之态度X1d中亿财经网|大宗产业_商品_证券_股票_期货_外汇行情,财经效劳平台

中信期货

美国2月耐用品订单环比下跌贵金属震荡整理X1d中亿财经网|大宗产业_商品_证券_股票_期货_外汇行情,财经效劳平台

信息剖析:X1d中亿财经网|大宗产业_商品_证券_股票_期货_外汇行情,财经效劳平台

(1)上海期金价钱小幅下跌。主力6月合约,以282.15元/克开盘,下跌0.75元,跌幅为0.27%。当日15:00上海现货99.95报价281.25元/克,黄金期货近月合约贴水1.25元/克。全部合约成交218906手,持仓量增加318手至467584 手。主力合约成交155618手,持仓量添加4590手至299452手。X1d中亿财经网|大宗产业_商品_证券_股票_期货_外汇行情,财经效劳平台

(2)据路透报道,美国2月耐用品订单环比初值-1.6%,好于预期的-1.8%。X1d中亿财经网|大宗产业_商品_证券_股票_期货_外汇行情,财经效劳平台

逻辑:全球经济开展势头弱化,美联储暂停季度性加息,适当稳定其资产负债表规模。并且欧央行利率决议则自始自终按兵不动同时再次拥抱量化宽松,反而是英国脱欧激起市场避险心情。货币继续增发将持续利好黄金的保值增值属性。X1d中亿财经网|大宗产业_商品_证券_股票_期货_外汇行情,财经效劳平台

操作建议:低位多单持有X1d中亿财经网|大宗产业_商品_证券_股票_期货_外汇行情,财经效劳平台

风险要素:美国远期利率曲线β上扬X1d中亿财经网|大宗产业_商品_证券_股票_期货_外汇行情,财经效劳平台

方正中期X1d中亿财经网|大宗产业_商品_证券_股票_期货_外汇行情,财经效劳平台

操作战略:X1d中亿财经网|大宗产业_商品_证券_股票_期货_外汇行情,财经效劳平台

昨日美股完毕三连涨,美元高位运转,金价小幅反弹。国际货币基金组织 IMF 总裁称全球经济自 1 月份以来得到动力。WTO 也将往年全球贸易增长预测由 3.7%下修至 2.6%,为三年来最低。美国 2 月耐用品订单环比初值-1.6%,略好于预期-1.8%,但较前值 0.1%大幅回落,叠加美国 2月批发销售不测下滑,美股昔日或将回调。英国首相 May 提出跨党派脱欧方案建议,呼吁不列颠勾结分歧,称目的是在 5 月 22 日之前脱欧,并需求在该日期之前达成协议。英国脱欧现严重转机,英镑反弹。昔日关注美国小非农 ADP 数据及美国 3 月 ISM 非制造业指数。全体来看,近期黄金或以区间震荡为主。X1d中亿财经网|大宗产业_商品_证券_股票_期货_外汇行情,财经效劳平台

弘业期货

COMEX黄金下跌4.4美元,至1296.7美元,涨幅0.34%。COMEX白银下跌0.010美元,至15.085美元,涨幅0.07%。X1d中亿财经网|大宗产业_商品_证券_股票_期货_外汇行情,财经效劳平台

美国2月耐用品订单月率下滑1.6%,低于前值增长0.3%,但高于预期-1.8%;机构评论称次要是由于运输设备的需求增加了4.8%,其中非国防飞机订单下降31.1%,波音公司在其网站上报告称,2月份仅收到5架飞机的订单,而1月份的订单为46架;扣除飞机非国防资本耐用品订单月率则因机械、电脑和电子产品需求下降而下滑;随着1.5万亿美元减税方案的安慰力度逐步衰退,美国经济正在得到动力,贸易摩擦、全球经济放缓以及 南昌股票配资 英国脱欧的不确定性也是影响经济增速的其它要素。但此数据的发布对市场影响不大,美元的涨势并未遭 北京期货配资 到冲击,黄金也未遭到分明提振。美元指数昨晚冲高回落,贵金属窄幅震荡。沪金昨晚高开后小幅下跌,明天美黄金估计1300美元左近震荡。X1d中亿财经网|大宗产业_商品_证券_股票_期货_外汇行情,财经效劳平台

瑞达期货

隔夜贵金属震荡走高,其中沪金高开下行,沪银低开走高,但仍承压于均线组下方。时期美国股市终结三连涨,同时特朗普再次炮轰鲍威尔,加之美国 2 月耐用品订双数据不佳,美元指数承压局部提振贵金属。目前美元指数涨幅缩窄,贵金属空头气氛紧张,堕入低位盘整态势。技术上,沪金主力仍于均线组下方运转,但威廉目标拐头向上,延续三日低点均上升,显示空头气氛暂缓;而沪银已局部上破 5 日均线,MACD 绿柱小幅缩窄,多头气氛有所回归。操作上,建议沪金主力合约可于 284-282 元/克之间高抛低吸,止损各 1 元/克;建议沪银主力合约可于 3570-3530 元/千克之间高抛低吸,止损各 20 元/千克。X1d中亿财经网|大宗产业_商品_证券_股票_期货_外汇行情,财经效劳平台

以上内容仅供参考,不构成操作建议!

相关热词搜索:耐用品 美元

股票配资越大配资深度学习GPU最全对比,到底谁才是性价比之王?

搞AI,谁又没有“GPU之惑”?

张量核心、显存带宽、16位能力……各种纷繁复杂的GPU

参数让人眼花缭乱,到底怎幺选?

从不到1000元1050 Ti到近30000元的Titan V,GPU

价格的跨度这幺大,该从何价位下手?谁才是性价比之王?

让GPU执行不同的任务,最佳选择也随之变化,用于计算机视觉和做NLP就不太一样。

而且,用云端TPU、GPU行不行?和本地GPU在处理任务时应该如何分配,才能更省钱?

最合适的AI加速装备,究竟什幺样?

现在,为了帮你找到最适合的装备,华盛顿大学的博士生Tim Dettmers将对比凝练成实用攻略,最新的模型和硬件也考虑在内。

到底谁能在众多GPU中脱颖而出?测评后马上揭晓。

文末还附有一份特别精简的GPU选购建议,欢迎对号入座。

针对不同深度学习架构,GPU参数的选择优先级是不一样的,总体来说分两条路线:

卷积网络和Transformer:张量核心 FLOPs 显存带宽 16位浮点计算能力

循环神经网络:显存带宽 16位浮点计算能力 张量核心 FLOPs

这个排序背后有一套逻辑,下面将详细解释一下。

在说清楚哪个GPU参数对速度尤为重要之前,先看看两个最重要的张量运算:矩阵乘法和卷积。

举个栗子 ,以运算矩阵乘法A×B=C为例,将A、B复制到显存上比直接计算A×B更耗费资源。也就是说,如果你想用LSTM等处理大量小型矩阵乘法的循环神经网络,显存带宽是GPU最重要的属性。

矩阵乘法越小,内存带宽就越重要。

相反,卷积运算受计算速度的约束比较大。因此,要衡量GPU运行ResNets等卷积架构的性能,最佳指标就是FLOPs。张量核心可以明显增加FLOPs。

Transformer中用到的大型矩阵乘法介于卷积运算和RNN的小型矩阵乘法之间,16位存储、张量核心和TFLOPs都对大型矩阵乘法有好处,但它仍需要较大的显存带宽。

需要特别注意,如果想借助张量核心的优势,一定要用16位的数据和权重,避免使用RTX显卡进行32位运算!

下面Tim总结了一张GPU和TPU的标准性能数据,值越高代表性能越好。RTX系列假定用了16位计算,Word RNN数值是指长度 100的段序列的biLSTM性能。

这项基准测试是用PyTorch 1.0.1和CUDA 10完成的。

性价比可能是选择一张GPU最重要的考虑指标。在攻略中,小哥进行了如下运算测试各显卡的性能:

用语言模型Transformer-XL和BERT进行Transformer性能的基准测试。

用最先进的biLSTM进行了单词和字符级RNN的基准测试。

上述两种测试是针对Titan Xp、Titan RTX和RTX 2080 Ti进行的,对于其他GPU则线性缩放了性能差异。

借用了现有的CNN基准测试。

用了亚马逊和eBay上显卡的平均售价作为GPU的参考成本。

最后,可以得出CNN、RNN和Transformer的归一化性能/成本比值,如下所示:

在上面这张图中,数字越大代表每一美元能买到的性能越强。可以看出, RTX 2060比RTX 2070,RTX 2080或RTX 2080 Ti更具成本效益,甚至是Tesla V100性价比的5倍以上。

所以此轮的性价比之王已经确定,是RTX 2060无疑了。

不过,这种考量方式更偏向于小型GPU,且因为游戏玩家不喜欢RTX系列显卡,导致GTX 10xx系列的显卡售价虚高。此外,还存在一定的单GPU偏差,一台有4个RTX 2080 Ti的计算机比两台带8个RTX 2060的计算机性价比更高。所需显存与16位训练

GPU的显存对某些应用至关重要,比如常见的计算机视觉、机器翻译和一部分NLP应用。可能你认为RTX 2070具有成本效益,但需要注意其显存很小,只有8 GB。

不过,也有一些补救办法。

通过16位训练,你可以拥有几乎16位的显存,相当于将显存翻了一倍,这个方法对RTX 2080和RTX 2080 Ti同样适用。

也就是说,16位计算可以节省50%的内存,16位 8GB显存大小与12GB 32位显存大小相当。云端or本地?TPU or GPU?

搞清楚了参数,还有更眼花缭乱的选项摆在面前:

谷歌云、亚马逊AWS、微软的云计算平台都能搞机器学习,是不是可以不用自己买GPU?

英伟达、AMD、英特尔、各种创业公司……AI加速芯片也有不少品牌可选。

面对整个行业的围攻,Tim分析了各家平台的优缺点。英伟达

英伟达无疑是深度学习硬件领域的领导者,大多数深度学习库都对英伟达GPU提供最佳支持。而AMD的OpenCL没有这样强大的标准库。
软件是英伟达GPU非常强大的一部分。在过去的几个月里,NVIDIA还在为软件注入更多资源。例如,Apex库对PyTorch中的16位梯度提供支持,还包括像FusedAdam这样的融合快速优化器。

但是英伟达现在有一项非常坑爹的政策,如果在数据中心使用CUDA,那幺只允许使用Tesla GPU而不能用GTX或RTX GPU。

由于担心法律问题,研究机构和大学经常被迫购买低性价比的Tesla GPU。然而,Tesla与GTX和RTX相比并没有真正的优势,价格却高出10倍。AMD:

AMD GPU性能强大但是软件太弱。虽然有ROCm可以让CUDA转换成可移植的C++代码,但是问题在于,移植TensorFlow和PyTorch代码库很难,这大大限制了AMD GPU的应用。
TensorFlow和PyTorch对AMD GPU有一定的支持,所有主要的网络都可以在AMD GPU上运行,但如果想开发新的网络,可能有些细节会不支持。

对于那些只希望GPU能够顺利运行的普通用户,Tim并不推荐AMD。但是支持AMD GPU和ROCm开发人员,会有助于打击英伟达的垄断地位,将使每个人长期受益。英特尔:

Tim曾经尝试过至强融核处理器,但体验让人失望。英特尔目前还不是英伟达或AMD GPU真正的竞争对手。
至强融核对深度学习的支持比较差,不支持一些GPU的设计特性,编写优化代码困难,不完全支持C++ 11的特性,与NumPy和SciPy的兼容性差。

英特尔曾计划在今年下半年推出神经网络处理器,希望与GPU和TPU竞争,但是该项目已经跳票。谷歌:

谷歌TPU已经发展成为一种非常成熟的云端产品。你可以这样简单理解TPU:把它看做打包在一起的多个专用GPU,它只有一个目的——进行快速矩阵乘法。
如果看一下具有张量核心的V100 GPU与TPUv2的性能指标,可以发现两个系统的性能几乎相同。

TPU本身支持TensorFlow,对PyTorch的支持也在试验中。

TPU在训练大型Transformer GPT-2上取得了巨大的成功,BERT和机器翻译模型也可以在TPU上高效地进行训练,速度相比GPU大约快56%。

但是TPU也并非没有问题,有些文献指出在TPUv2上使用LSTM没有收敛。

TPU长时间使用时还面临着累积成本的问题。TPU具有高性能,最适合在训练阶段使用。在原型设计和推理阶段,应该依靠GPU来降低成本。

总而言之,目前TPU最适合用于训练CNN或大型Transformer,并且应该补充其他计算资源而不是主要的深度学习资源。亚马逊和微软云GPU:

亚马逊AWS和Microsoft Azure的云GPU非常有吸引力,人们可以根据需要轻松地扩大和缩小使用规模,对于论文截稿或大型项目结束前赶出结果非常有用。
然而,与TPU类似,云GPU的成本会随着时间快速增长。目前,云GPU过于昂贵,且无法单独使用,Tim建议在云GPU上进行最后的训练之前,先使用一些廉价GPU进行原型开发。初创公司的AI硬件:

有一系列初创公司在生产下一代深度学习硬件。但问题在于,这些硬件需要开发一个完整的软件套件才能具有竞争力。英伟达和AMD的对比就是鲜明的例子。小结:

总的来说,本地运算首选英伟达GPU,它在深度学习上的支持度比AMD好很多;云计算首选谷歌TPU,它的性价比超过亚马逊AWS和微软Azure。

训练阶段使用TPU,原型设计和推理阶段使用本地GPU,可以帮你节约成本。如果对项目deadline或者灵活性有要求,请选择成本更高的云GPU。最终建议

总之,在GPU的选择上有三个原则:

1、使用GTX 1070或更好的GPU;

2、购买带有张量核心的RTX GPU;

3、在GPU上进行原型设计,然后在TPU或云GPU上训练模型。

针对不同研究目的、不同预算,Tim给出了如下的建议:

最佳GPU:RTX 2070

避免的坑:所有Tesla、Quadro、创始人版的显卡,还有Titan RTX、Titan V、Titan XP

高性价比:RTX 2070,RTX 2060或GTX 1060 (6GB)

穷人之选:GTX 1060 (6GB)

破产之选:GTX 1050 Ti,或者CPU+ AWS / TPU,或者Colab

Kaggle竞赛:RTX 2070

计算机视觉或机器翻译研究人员:采用鼓风设计的GTX 2080 Ti,如果训练非常大的网络,请选择RTX Titans

NLP研究人员:RTX 2080 Ti

已经开始研究深度学习:RTX 20 期货鑫东财配资 70起步,以后按需添置更多RTX 2070

尝试入门深度学习:GTX 1050 Ti传送门

http://timdettmers.com/2019/04/03/which-gpu-for-deep-learning/

除了教你选GPU之外,作者Tim Dettmers之前还写过一篇包含了全套硬件的深度学习装机指南,欢迎继续阅读:

深度学习装机指南:从GPU到显示器,全套硬件最新推荐

完—

相关热词搜索:配资期货股票配资软件

红日药业股东兴城团体增持3011万股 耗资9970万元

最后一页