昨日的 FOMC 会议带来的波动超出大多数交易员预期。美联储如市场普遍预期维持利率不变，但在随后的新闻发布会上，美联储主席鲍威尔提出了加息的可能性。这在几个月前几乎是不可想象的，但中东长期冲突带来的通胀风险已经改变了市场格局。短期内加息的可能性仍然不高，但仅仅是这一表态就已在金融市场引发震荡。 贵金属成为跌幅最大的资产之一。黄金一度暴跌至 4500 美元/盎司，随后在收盘前反弹至 4650 美元/盎司，当日跌幅达 3.5%。白银走势更为剧烈，一度跌至 65 美元/盎司，随后回升至 72 美元/盎司。美元指数 ( DXY ) 同样出现回落，周四从 100.2 跌至 99.1，而美国股指仅录得小幅下跌。 原油市场继续成为焦点。布伦特原油 ( BRENT ) 昨日一度飙升至 114 美元/桶后回落，但更值得关注的是布伦特原油 ( BRENT ) 与 WTI 西德州原油 ( WTI ) 之间的价差正在扩大。当前海运原油期货价格约为 105 美元/桶，而西德克萨斯中质原油期货仅为 92 美元/桶左右。上一次出现如此大的价差还是在十多年前。布伦特原油仍受到中东地区严重供应中断的影响，这对全球石油运输造成冲击，并为价格带来显著溢价。而 WTI 西德州原油 ( WTI ) 相对较少受到这些因素影响，供应保持稳定，因此价格相对较低。由于波斯湾地区石油运输受阻，许多国家开始寻求替代采购渠道。日本炼油厂已增加对 Midland 原油的采购以弥补常规供应的缺口，亚洲其他国家也在积极分散其石油供应来源。 #FOMC #黄金 #原油
伴随着围绕原油价格飙升的种种争论，现在正是探讨我们的石油究竟从何处开采出来的绝佳时机。长期以来，中东一直享有「世界加油站」的盛誉，但今天的情况还是如此吗？ 从 20 世纪 60 年代起，海湾地区确实一直是原油生产的主导区域，其中沙特阿拉伯贡献了大部分出口，伊朗、伊拉克、阿联酋和科威特紧随其后。除了 20 世纪 80 年代中期的短暂时期外，中东地区生产的石油远远超过地球上任何其他地区。美国和俄罗斯（当时是苏联）通常分别是第二和第三大生产国，而世界其他地区则加起来填补剩下的空白。 然而，从阿拉伯国家的角度来看，早期存在一个重大问题。当时，海湾国家的石油开采掌握在西方石油公司手中，这些公司通常被称为「七姊妹」，包括英国石油公司 (BP)、壳牌 (Shell)、雪佛龙 (Chevron)、埃克森美孚 (ExxonMobil) 等。中东地方政府收取特许权使用费，但对这些公司做出的决定几乎没有发言权。尽管坐拥庞大的储量，但这些国家在世界舞台上几乎无能为力。事情必须发生改变。 OPEC（石油输出国组织）成立于 1960 年，成员包括伊朗、伊拉克、科威特、沙特阿拉伯和委内瑞拉。该组织的成立是为了将碳氢化合物资源的控制权从外国势力手中夺回，交还给其成员国。该组织随后逐渐增加新成员，慢慢崭露头角，并在随后的几年里悄然夺回控制权。在整个 20 世纪 60 年代，油价稳定在 2.50 美元/桶左右（约合今天的 25 美元/桶），但到了下一个十年，OPEC 的成员数量翻了一番，并获得了足够的自主权，使得该组织能够控制世界舞台上的石油供应，从而控制价格。事情即将发生戏剧性的变化。 1973 年，埃及和叙利亚袭击了以色列。由于西方在袭击后支持以色列，OPEC 对美国和西欧实施了石油禁运，导致油价在几个月内翻了两番，并引发了石油短缺。OPEC 利用其新获得的力量发动了一场全面的价格战，并取得了决定性的胜利。该组织令人信服地证明了它对全球原油市场拥有绝对的控制权，这也给了美国当头一棒，迫使其设法巩固自身的地位。 在接下来的几十年里，甚至直到现代，OPEC 的实力一直无可挑战。但后来情况发生了变化。由于一项特定的技术突破，事情发生了改变。这项突破将彻底颠覆国际原油生产的平衡。它就是：页岩油。 从页岩岩层中提取石油非常困难，这也是为什么直到最近才进行大规模开采的原因。水力压裂技术 (Fracking) 最早是在 20 世纪 40 年代进行测试的，但直到最近才具备经济可行性。在 21 世纪初，水力压裂技术与水平钻井技术的结合，突然让从页岩中提取石油在工业上成为可能。 这被证明是一个游戏规则的改变者。美国坐拥庞大的页岩油田，其中最著名的是二叠纪盆地 (Permian Basin)。如果这些页岩油田是金库，那么水力压裂技术就是钥匙。美国不仅终于能够开发其油田，而且还能相对高效地进行开发。从页岩中提取石油有几个主要优势。首先，建立钻井作业只需要几周或几个月的时间，而大型常规油田则需要数年时间。其次，初始成本较小且呈增量式，这与需要数十亿美元前期投资的传统作业不同。第三，页岩开采非常灵活。当然，在涉及水力压裂时，环境和官僚问题绝非小事，但与常规石油钻探令人头疼的巨大麻烦相比，页岩油的建设和开泵要容易得多。海上深水钻探完全是另一回事，有时在生产出第一滴油之前需要十年的基础工作。 闸门就此打开。2010 年，美国每天泵出 500 万桶石油。到了 2025 年末，这一数字升至每天近 1400 万桶。面对这样的结果，你很难反驳。国内产量的增加导致了全球原油市场的根本性转变。石油开采量的激增意味着美国从原油净进口国变成了净出口国。非常突然地，美国生产的原油超过了自身的需求，这是自 20 世纪初以来从未发生过的事情。 来自美国的额外原油供应削弱了 OPEC 在世界舞台上的影响力，这个产油国集团对此并不高兴。2014 年，该组织再次开始施加压力，但这一次，沙特阿拉伯和其他国家并没有收紧石油供应，而是开始向市场投放大量原油，试图尽可能压低价格。他们成功了。油价从 2014 年的 100 多美元/桶，跌至 2016 年 1 月的 30 美元/桶。 他们的目标是把美国生产商赶出市场。鉴于当时页岩油业务的新颖性，与海湾地区的钻探相比，美国的开采作业成本仍然相对较高，因此他们的想法是将每桶价格压低至美国公司从地下开采的成本之下。这类似于赛百味 (Subway) 在 2008 年推出 5 美元一英尺长三明治时使用的策略，目的是增加公司的客流量，并以低价击败竞争对手，从而获得市场主导地位。 1973 年的第一次价格战取得了不可否认的成功，向世界展示了在全球石油关系中到底是谁说了算。相比之下，第二次价格战却一败涂地。油价的暴跌确实给美国造成了一定程度的短期阵痛，导致许多企业破产和更多人失业，但最终这一事件迫使美国变得更高效、技术更先进、经济更具韧性。结果不言自明；在接下来的十年里，美国页岩油业务继续攀升，最终达到了目前的格局，即美国在原油产量方面令所有其他国家相形见绌。 很明显，OPEC 已不再具备主导原油市场的权威。应对之策是什么？增加更多成员。由于美国在国际原油市场的影响力不断增强，OPEC+ 于 2016 年底应运而生。原组织的 13 个成员国迎来了另外 10 个国家，包括俄罗斯、墨西哥、苏丹，以及来自中亚和东南亚的一批国家。 OPEC 拥有全球四分之一以上的石油产量，而 OPEC+ 将这一比例扩大到了一半以上。另一方面，仅美国和加拿大两国就生产了全球四分之一的原油，其中绝大部分来自美国。虽然 OPEC 的内部核心保持着良好的协调，并对市场波动反应迅速，但对于更加松散的 OPEC+ 来说，情况就并非如此了。例如，沙特阿拉伯的利益并不一定与俄罗斯的利益完全一致。缺乏内部凝聚力，加上生产目标缺乏强制执行力，往往导致整体效率较低。 相比之下，美国是一个单一国家，现在其生产的原油和其他液体燃料相当于沙特阿拉伯和俄罗斯的总和。原油市场正处于一个新时代。正如 OPEC 的成立在 20 世纪 60 年代打破了现状，将权力平衡从西方石油公司转移到了中东国家一样，美国页岩油革命也同样倾斜了天平，而这一次是有利于美国。国际原油市场正处于未知水域；旧的规则手册已被抛弃。中东对于欧洲和亚洲的石油市场仍然至关重要，但对美国来说却并非如此。这个简单事实所带来的后果是深远的，尤其是考虑到当前的全球局势。
过去几天市场略有企稳，美元从近期高点小幅回落。美元指数（DXY）仍维持在 99.5 上方，但暂时停止了此前的强劲上涨势头。本周以来，黄金基本持平，在 5000 美元附近波动，未出现明显突破。全球股市在过去两个交易日中谨慎上涨，亚洲股市今早再度走强，其中日经 225 指数 ( NI225 ) 受到日本今晨优于预期的贸易差额数据提振。美国股指期货昨晚小幅上扬，但在今日稍晚 FOMC 会议召开前，市场情绪依然较为敏感。油价近期也有所降温，布伦特原油 ( BRENT ) 稳定在 100 美元/桶左右，而 WTI 西德州原油 ( WTI ) 则因美国原油库存意外增加的消息回落至 94 美元/桶。 市场焦点正迅速转向今日稍晚的 FOMC 会议。预计美联储短期内不会降息，但市场参与者仍高度关注央行对于油价上涨及其引发的通胀风险的看法。本次会议可能是鲍威尔担任美联储主席期间的倒数第二次会议，除非新任主席的任命出现延迟。凯文·沃什被视为接班人，但尚未获得美国参议院正式确认，该流程因涉及鲍威尔的一项法律纠纷而有所延迟。在会议前，交易员还可关注美国 PPI 数据，该数据将提供生产成本上升的相关线索。 昨日，加密市场迎来一则意外利好消息。美国证券交易委员会（SEC）与商品期货交易委员会（CFTC）发布联合声明，表示大多数加密货币不属于证券。这一表述看似简单，但加密市场已等待这一明确立场超过十年。 SEC 主席 Paul Atkins 表示：「这一解释将帮助市场参与者更清晰地理解委员会在联邦证券法框架下如何界定加密资产。」从某种程度上来看，这一表态标志着长期困扰行业的不确定时代接近尾声，也在近年来拖慢了行业发展步伐。今晨加密市场反应相对平淡，比特币维持在每枚 74,500 美元附近，整体市场走势较为稳定。 #FOMC #美国证券交易委员会 #加密货币
如果说外汇交易就像一场文雅的晚宴，那么原油交易就像是两个敌对的飞车党之间真刀真枪的酒吧斗殴！ 布伦特原油（Brent crude oil）是世界上交易最活跃的大宗商品之一，它不仅是「波动」，它是「剧烈反应」。一个头条新闻、一次意外的地缘政治升级、或是一条被切断的航运路线，市场就会突然做出完全不合逻辑的举动……直到你回过神来，才会发现这一切其实完全合乎情理。 眼下，原油价格正受到涉及伊朗、美国以及更广泛的中东地区紧张局势的强烈驱动。这创造了交易者既爱又怕的市场环境：高波动性、强劲的趋势以及不可预测的价格飙升。 在本指南中，你将学到： 「布伦特原油」一词是指用于全球原油定价的主要全球基准之一。 主要有两个原油基准： 布伦特原油往往与全球交易者更相关，因为： 布伦特原油极具吸引力，因为它提供： 简而言之： 如果说欧元/美元 (EUR/USD) 是「冷静的专业人士」，那么布伦特原油就是「敢于冒险的新手」。 从技术上讲，油价基于供需关系，但在现实中，它们是由对供需的预期驱动的。 地缘政治（重头戏） 原油是少数几个直接受全球冲突影响价格的市场之一。当前涉及伊朗和美国的紧张局势造成了： 市场会立即做出反应，因为：供应减少 = 价格上涨 霍尔木兹海峡 这条狭窄的航运路线是世界上最重要的贸易路线之一。世界上大约 20% 的原油产量必须航行穿过霍尔木兹海峡。因此，当这里的紧张局势加剧时： 可以把它想象成： 世界上最重要的交通堵塞，或者以目前的情况来看，世界上最空荡的高速公路——因为几乎没有船只经过。 供应冲击 当石油产量突然减少时，就会发生供应冲击。原因包括： 当供应突然下降时：价格不会温和上涨，而是会直线飙升。 市场心理（隐藏的驱动力） 原油受情绪影响极大。 这会导致：过度反应、剧烈反转以及让你惊呼「刚刚发生了什么？」的瞬间。 要想有效地交易原油，你需要知道究竟是什么在驱动它。 核心驱动因素 经济指标 原油库存报告 每周库存数据是最重要的短期驱动因素之一。 央行 如果你是从外汇市场转过来的，原油交易会感觉……很不一样。 关键区别 这意味着什么 原油是最令人兴奋的，也是最危险的市场之一。 为什么交易者热爱它 为什么交易者害怕它 简而言之： 原油提供机会。但也需要你对它保持敬畏。 让我们务实一点，暂时戴上理性的帽子。 1. 交易新闻 原油对以下事件反应强烈： 但请记住：第一波行情往往是情绪化的。第二波行情才是可交易的。 2. 顺势交易 在地缘政治事件期间，原油趋势的持续时间可能比预期的要长。 3. 使用关键价位 重要价位包括： 4. 结合技术与基本面分析 最佳结果来自于： 让我们更深入一层。 策略 1：突破交易 原油经常在新闻事件期间出现强劲突破。 策略 2：回调交易 对初学者来说更安全。 策略 3：新闻反向策略 (News Fade) 高阶但强大。 策略 4：区间交易（平静时） 当市场企稳时：在支撑位/阻力位之间进行交易。 原油在以下时段最活跃： 关键交易时段 高影响力时间点 原油不是孤立波动的。例如，加元是一种商品货币。 相关资产 示例： 原油上涨：加元走强 / 原油下跌：加元走弱 让我们像专业的原油交易员那样来剖析一下。 直言不讳地说：原油是毫不留情且彻头彻尾的冷酷无情的。 关键规则 为什么这很重要 原油的波动幅度可能达到：每天 2–5%，在危机期间甚至更多。 适合，但要小心。非常小心。 最佳建议 交易原油能盈利吗？ 可以。由于其高波动性和强劲趋势，交易原油是可以盈利的，但这需要纪律和有效的风险管理。 是什么最大程度地推动了油价波动？ 地缘政治、供应中断、OPEC决策以及全球需求是油价的主要驱动因素。 初学者可以交易原油吗？ 可以。初学者可以交易原油，但他们应该从模拟账户开始，并使用适当的风险管理策略。 什么时候是交易原油的最佳时间？ 最佳时间是在伦敦和纽约时段，特别是在重大新闻事件或库存数据发布期间。 我该如何学习交易原油？ 研究基本面，关注全球新闻，在模拟账户上练习，并逐步应用技术分析策略。 交易布伦特原油不适合胆小的人。 它节奏快。它反应剧烈。有时候，它让人感觉完全不理智。但这恰恰使它成为充满最多机会的市场之一。 眼下，随着地缘政治紧张局势推动波动性，原油提供了： 行情波动、交易机会、以及风险。 以纪律严明的态度对待它，它就能成为你交易策略中的得力补充。如果你鲁莽行事……原油会很乐意给你上非常昂贵的一课。
This document serves as an annexe to the article entitled "Year of the horse", published on the 26th of February 2026. Its purpose is that of a supporting paper, providing additional figures and calculations, as well as providing a more robust defence of the methodology used and the assumptions made therein. The first step was to collect the daily close prices for the S&P 500 index, from the 20th of January 1928 to the 13th of February 2026. The data were obtained from the Yahoo Finance API, which provided the date, open price and close price. The data set only started differentiating the open and close price from 1962 onwards, but since we are only concerned with the closing price, this was not an issue. We will call this data set "SP500". The second step was to collect the start and end date for every Chinese lunar year stretching back to the same date. Such information is readily available throughout the internet and was easy to acquire. We will call this data set "CNY". With our two data sets in hand, the next step was to create a column with the daily close price of the S&P 500 at the end of every lunar year. To achieve this, we use a simple XLOOKUP function in order to return a result whenever the dates from CNY match those in SP500. Of course, the dates in CNY do not always correspond to days for which we have daily price data. For example, should the lunar year end on a Saturday, Sunday, or bank holiday, SP500 will not be able to provide a price. This was in fact the case for the latest lunar year, ending on the 16th of February 2026, which was a Monday, but happened to fall on President's Day, meaning US stock markets were closed. To account for these differences, we insert a "-1" in the fifth argument in our XLOOKUP function, in order to return the last available match. Using this function, we can populate a new column with the closing price for the end of every lunar year. From this, calculating the change from the previous year is trivial. We now have the yearly return of the S&P 500 according to the Chinese lunar calendar: The next step is to average these values across each zodiac animal using a simple AVERAGEIF function: The next step is to calculate the volatility over every lunar year. This first requires establishing a suitable metric against which we can actually quantify volatility. Finding the high and low of a given year and dividing by its mean gives us the relative spread of each period, which is somewhat useful for illustrating the size of the overall trading range, but fails to describe how much the results cluster around the mean. A more useful measure of volatility is to calculate the standard deviation across a given year, which tells us exactly how grouped together or spread out the daily close prices are. Using a STDEV.S function in combination with a FILTER function, we are able to calculate the standard deviation for each lunar year by filtering price data by date range. We now have the standard deviation for each period, but these results do not account for the huge difference in absolute values over time. A standard deviation over a 10-point range is obviously going to be smaller than the standard deviation over a 1,000-point range. To account for this, we simply divide the standard deviation by the mean, thereby normalising the results. This figure is called the coefficient of variation, also known as normalised root-mean-square deviation (NRMSD), which is often used in economic models and represents a measure of the extent of variability in relation to the mean of a given data set. We are content that this is an adequate description of volatility as we wish to model it. Full results presented below: Averaging our coefficient of variation values across each zodiac animal, we obtain the following table: We now have a quantified measure of volatility, per animal. The next step is to ascertain whether or not the spreads in average returns and average volatility are meaningful. With a low of -1.0 and a high of 15.5, the spread in average returns looks significant. Likewise, with a low of 5.06 and a high of 8.25, we have what looks like a reasonably wide spread in volatility. Alas, looks can be deceiving. We need to determine just how significant these spreads really are. One way of doing this is to perform a permutation test. The purpose of performing such a test is to see what the results would be if we attributed the yearly results to a random animal instead of to its actual animal. To achieve this, we create a column that randomly assigns a zodiac sign to each year, and then calculate results according to these random signs. We then collect the spread in average returns and coefficients of variation to see how they measure up against our original data set. As per the above table, for average returns, we have a minimum of -1.0 and a maximum of 15.5, giving us a spread of 16.4. For the coefficient of variation, we have a minimum of 5.06 and a maximum of 8.25, giving us a spread of 3.19. Running the permutation test over many cycles, we compare the obtained spreads against these results. Predictably, the randomly calculated spreads are significantly higher than our original results. Put differently, if we were to assign zodiac animals to random years, we would likely obtain a higher spread in average returns and in volatility, per animal, than what we actually got. This tells us that there is no correlation whatsoever between the performance of the S&P 500 index and the Chinese lunar calendar. This confirms what we would realistically expect. US stock markets have historically followed cyclical patterns that are shorter than the 12-year zodiac cycle, blurring the results over the lunar calendar. More broadly speaking, there is little reason to expect an American stock market index to correlate to the Chinese lunar calendar, and it indeed does not. This is where things get a little more interesting. We repeat the exact same steps for the Japanese Nikkei 225 index as we did for the S&P 500. Firstly, the return of the Ni225 according to the lunar calendar: The next step is to average these values across each zodiac animal using a simple AVERAGEIF function: As noted in the main article, the spread in average returns is significantly greater than those found in the S&P 500. Using the same methodology as for the S&P 500 data set, averaging our coefficients of variation across each zodiac animal, we obtain the following table: As per the above table, for average returns, we have a minimum of 0.3 and a maximum of 23, giving us a spread of 22.7. For the coefficient of variation, we have a minimum of 5.30 and a maximum of 12.22, giving us a spread of 6.92. We run the same permutation test as above, randomising zodiac animals per year. This time, we notice a difference. For the average returns, the randomly calculated spreads are typically higher than our spread of 22.7, suggesting that just as with the S&P 500, the average return of the Nikkei 225 does not correlate with the lunar calendar. However, when calculating spreads in volatility, we quickly notice that the randomised spreads are lower than our original spread of 6.92. Put differently, if we were to assign zodiac animals to random years, we would likely obtain a lower difference in volatility than what we actually got. This tells us that there is in fact a correlation between the volatility in the Nikkei 225 and the Chinese lunar calendar. As stated in the main article, a possible explanation to this lies in the longer economic cycles that dominated the Japanese financial sphere after the second world war, but if that is the case, it is odd that the same correlation does not appear in the average return of the index. Whether or not the Chinese lunar calendar actively influenced sentiment on the trading floor of the Tokyo Stock Exchange over the decades would be almost impossible to prove. It is nevertheless interesting that volatility in the Nikkei index does appear to correlate with the Chinese Zodiac, even when the performance of said index does not. ← Back to article: Year of the horse
当前的市场状况与上周初基本相同。伊朗冲突仍在持续，扰乱了该地区的原油运输，并推动油价升至 100 美元/桶水平。布伦特原油 ( BRENT ) 目前约为 104 美元/桶，而 WTI 西德州原油 ( WTI ) 则略低，约为 98 美元/桶。令许多市场参与者感到意外的是美元的强劲表现。美元指数（DXY）上周五收于 100.5，这是自去年 5 月以来未曾见过的水平。构成美元指数主要部分的欧元上周跌至 1.14 美元，而英镑则跌至 1.32 美元。另一方面，日元表现出一定的韧性，目前仍未被推升至 160 以上。 目前美元的强势是金融市场的主导力量，对几乎所有其他资产都造成压力。全球股市持续受到当前局势的冲击，尤其是美国和亚洲市场。日经 225 指数 ( NI225 ) 上周再度下跌 3.2%，而韩国 KOSPI 指数 (KS11) 下跌 1.8%。在美国方面，道琼斯指数 ( DJI ) 截至上周五累计下跌 2%，标普 500 指数 ( SPX ) 和纳斯达克指数 ( NDX ) 在一周内分别下跌 1.6% 和 1.3%。贵金属同样遭受重创，甚至跌幅更大。黄金下跌接近 3%，周收盘略高于 5000 美元/盎司。与此同时，白银、铂金和钯金的跌幅均超过 5%。 在经历数月持续下跌后，加密货币市场终于开始显现复苏迹象。比特币上周上涨 10%，升至每枚 72,000 美元，并带动整个加密市场一同走高。摩根大通上月曾提出一个有趣的观点，称比特币相对于黄金的波动率已降至历史低点，使得比特币「相较于黄金更具吸引力」。自今年 2 月初发表这一评论以来，以及自针对伊朗目标的首次打击以来，比特币确实表现出更高的投资回报。 本周对各大央行而言是关键的一周。澳大利亚储备银行将于明日召开会议，预计将连续第二次上调澳元利率，主要原因是通胀再度上升。随后市场焦点将迅速转向美联储，联邦公开市场委员会（FOMC）将于周三召开会议，决定美元的下一步政策方向。目前市场几乎完全排除了降息的可能性，利率交易员甚至预计最早要到12月才可能出现降息。加拿大央行也将在周三召开会议，预计将维持利率不变。周四则轮到英国央行、日本央行以及欧洲央行召开会议，市场普遍预计这些央行也将维持利率不变。本周财报方面较为平静，唯一值得关注的是美光（Micron，MU）将在周三盘后公布财报。 #美元 #比特币 #原油
