油价上涨推动美元持续上涨

由于美国经济受益于其作为能源出口国的崛起,油价飙升将为美元下一阶段的上涨提供动力。

法国兴业银行(Societe Generale SA)和道富信托公司(State Street Trust & Co.)等公司的策略师预计,随着原油价格上涨的前景提振全球最大经济体,美元将延续有记录以来最长的单周涨势。

与欧洲和亚洲主要国家不同,美国的石油和天然气出口量多于进口量。因此,这些公司的策略师表示,尽管能源成本上涨可能会削弱其他经济体——拖累欧元和日元等货币走低,但美元实际上会受益。

“在这种环境下,你不会卖出美元,”法国兴业银行策略师肯尼思·布劳克斯(Kenneth Broux)表示。“石油对欧元和日元扭转兑美元走软的趋势构成了挑战。”

Broux 预测欧元兑美元本月将从目前的 1.07 美元跌至 1.05 美元。

美元因石油价格上涨而攀升,能源展望.png

随着原油期货上涨至每桶 90 美元,彭博美元即期指数本周跃升至六个月高位,较 3 月份触及的今年低点上涨约 30%。该指数目前有望实现自成立以来最长的每周上涨趋势,主要是日元和欧元下跌。本周其与油价的相关性达到0.8,为九个月来最高。

最新的石油价格飙升恰逢一系列可怕的数据显示欧元区经济在第二季度几乎没有扩张,这增加了欧洲央行在下周会议时将不得不下调增长前景并停止加息的可能性。

油价上涨也可能加剧人们对欧洲面临滞胀的担忧——滞胀是经济活动疲软和消费者价格高增长的结合。这种风险近几周拖累欧元走低。

欧洲和日本存在巨额能源贸易逆差

IEA 的数据显示,去年美国能源贸易余额为 5,102 千吨石油当量,而欧洲则出现 502,788 千吨石油逆差。如果高盛集团、加拿大皇家银行资本市场和其他公司对原油价格进一步上涨的预测是正确的,那么这种分歧可能会扩大。

道富银行欧洲、中东和非洲宏观策略主管蒂莫西·格拉夫(Timothy Graf)在谈到油价上涨对经济的影响时表示:“欧洲已经进入危险区域,日本也正在接近危险区域。” 他补充说,原油价格在每桶 120 美元左右才开始削弱美国经济。“美国通胀预期看起来没有任何失控的危险。”

韭菜热线原创版权所有,发布者:风生水起,转载请注明出处:https://www.9crx.com/76186.html

(0)
打赏
风生水起的头像风生水起普通用户
上一篇 2023年9月11日 01:15
下一篇 2023年9月11日 01:21

相关推荐

  • “Smart Beta”怎么会犯严重错误呢?

    关键点 扣除估值水平变化后的因子回报率远低于近期表现所显示的水平。 增值可以是结构性的,因此可以可靠地重复,也可以是情境性的——估值上升的产物——可能既不可持续也不可重复。 许多投资者都是业绩追逐者,他们在推高价格的过程中创造了估值水平,从而夸大了过去的业绩,降低了未来的潜在业绩,并放大了均值回归到历史估值常态的风险。 我们预见到,由于因子倾斜策略的迅速普及…

    2023年12月23日
    7900
  • 减轻金钱压力的 5 种方法

    心理健康压力和金钱之间的联系 虽然我们不能简单地“希望”消除我们的金钱挑战或神奇地让钱出现在我们的银行账户中,如何我们思考金钱问题会对我们的日常生活经历产生巨大影响。 我们怎么知道呢?认知行为疗法的研究早已证实,我们的思想会变成感觉,而我们的感觉最终会变成行为。如果你消极地思考,你的情绪和行为就会反映出来。 简而言之,你就是你所想的那样。 从广义上讲,只需将…

    2023年12月19日
    3900
  • 为什么央行很快就会向对冲基金提供贷款

    对冲基金再次受到监管机构的关注。全球监管小组负责人上周对英国《金融时报》表示,必须更好地监控他们借钱承担的风险,有时甚至必须加以限制。 但这不仅仅是对冲基金。兼任金融稳定委员会主席、荷兰央行行长克拉斯·诺特表示,金融稳定委员会正在审查市场杠杆的增长情况,以便能够应对所有非银行资金管理者带来的风险。监管机构希望更多地披露衍生品的借贷和杠杆程度,甚至限制某些参与…

    2023年10月2日
    17000
  • 重新审视贝塔指标对回报的预测效果如何?

    资本资产定价模型 (CAPM) 在 20 世纪 60 年代和 1970 年代发展起来后,金融研究人员开始测试该理论模型在现实世界中的实际效果。 随着计算能力的不断增强和数据访问的增加,20 世纪 80 年代成为衡量 CAPM 有效性的关键时代,分析师探索了 beta 在预测未来回报方面的有效性。 令人惊讶的是,人们普遍认为贝塔的回报预测能力相当弱。 自 CA…

    2023年8月15日
    14400
  • 北京大学R语言教程(李东风)第10章: R因子类型

    因子 R中用因子代表数据中分类变量, 如性别、省份、职业。有序因子代表有序量度,如打分结果,疾病严重程度等。 用factor()函数把字符型向量转换成因子,如 x <- c(“男”, “女”, “男”, “男”, “女”) sex <- factor(x) sex ## [1] 男 女 男 男 女 ## Levels: 男 女 attribute…

    2023年10月29日
    22500

发表回复

登录后才能评论
客服
客服
关注订阅号
关注订阅号
分享本页
返回顶部