美国政府面临着一个利息问题。
到底有多严重呢?
非常严重。
大多数人都直觉地明白,大规模的预算赤字是不可持续的。他们认识到,人不能无限期地依赖信用卡生活。
当然,政府的财政与个人财务并不完全相同,但无论如何,乔·六包的直觉是准确的。山姆大叔不能永远以当前的速度借钱和消费。最终,债务泡沫将会破裂,而这一时刻随着每一天的过去而愈加临近。
我们开始看到警告信号。
在穆迪下调美国信用评级后,债券遭到抛售,导致利率飙升。10年期国债收益率迅速攀升至近4.6%,30年期国债接近近18年来未见的水平。这反映出对美国国债的需求下降。
这也是合理的。你会愿意再给一个喝醉酒的、消费无度的叔叔更多的钱吗?
对国债需求的下滑加剧了联邦政府日益严重的问题。简单来说,这意味着政府的借款成本在上升。山姆大叔需要支付的利息越多,借的钱就越多,形成一个向上的反馈循环。
利息支出已经失控。
仅在4月份,国家债务的利息支出就达到了1017亿美元。这使得本财年的总利息支出达到了6841亿美元,比2024年同一时期增长了9.5%。
到目前为止,在2025财年,联邦政府在债务利息上的支出已经超过了国家安全和医疗保险。唯一更高的支出项目是社会保障。
山姆大叔在2024财年支付了1.13万亿美元的利息支出。这是有史以来第一次利息支出超过1万亿美元。预计在2025财年,这项支出将会打破这一记录。
美国的债务利息支付与GDP的比率是所有发达经济体中最高的。目前大约是4.6%。而希腊仅为2.5%。
这“美国优先”又算什么呢?
利息支出迅速增加,是因为在美联储将利率压至零时融资的债务正在到期。联邦政府不能简单地偿还这些债券。它必须借更多的钱来偿还以前的债务。到期债务正以更高的利率进行再融资。
而且即将到期的债务数量庞大。
联邦储备系统账面上仅有近7000亿美元的国债到期时间在一年或更短,而在未来五年内还有14500亿美元到期。
总的来说,大约三分之一的公共债务,约9.3万亿美元,将在2026年第一季度末到期。在这段时间,超过3.1万亿美元的债务是在两年前发行的,这意味着它将以更高的利率进行再融资。
分析师格雷格·韦尔登称这是一场债务海啸。
预计10年期净利息成本将达到13.8万亿美元。这比2010年前的全部国债还要多。
那么,出路在哪里?
并没有。
这条高速公路正在悬崖边缘行驶,而我们早已错过了最后一个出口。
有些人认为美联储可以通过降息来干预,缓解山姆大叔的利息问题。但事实是,美联储对收益曲线的长端几乎没有控制力。这在去年美联储降息后国债收益率仍然飙升时便显而易见。
这只留下一个选择——货币化债务。
这是什么意思?用一个词来说——通货膨胀。
我说的是量化宽松(QE)。美联储可以通过购买国债并将其持有在资产负债表上,来缓解债券市场的压力。这种“需求”将推高价格并降低收益率。
实际上,QE将山姆大叔的债务(国债和债券)转化为现金。这使得美国政府能够以低于正常市场条件下借款的利率借入更多的钱。
这正是政府在疫情期间能够如此大量借款的原因。从2020年3月启动QE到2021年5月,美联储购买了惊人的2.44万亿美元的美国国债。实际上,中央银行货币化了超过一半的美国债务。
没有其他实体比美联储购买的美国国债更多——无论是外国投资者、美国银行,还是美国公司和个人。
实际上,美联储在债券市场上施加了巨大的影响。
问题是,美联储通过创造虚拟货币来实施QE。
通过几次按键,美联储的中央银行家将从未存在的资金转移到银行或金融机构,以换取证券。
中央银行随后将这些资产保留在其资产负债表上,将新创造的货币注入银行系统。其效果是增加货币供应量,激励借贷,并降低利率。银行可以利用这些新铸造的资金进行贷款。这增加了金融系统的整体流动性,并理论上刺激贷款,从而推动更广泛的经济发展。
请记住,通货膨胀的准确定义是货币供应量的增加。因此,当美联储创造出虚拟货币时,它实际上是在推动通货膨胀。
讽刺的是,QE也鼓励了债务,这正是我们最初陷入这种境地的原因。
QE的整体长期影响是极其负面的。它扭曲利率,鼓励巨额债务水平,造成经济资源的错误配置,并在经济中制造泡沫。最终,泡沫破裂,债务变得不可持续,导致经济崩盘。
所以,是的——国家债务是重要的。隐喻中的“鸡”终将归家。只是时间的问题。他们在玩把戏,把问题推向未来。问题是:这条路还有多长?
亚洲开盘:市场小心翼翼穿越关税和债务的地雷区
市场小心翼翼穿越关税和债务的地雷区。交易员像看茶叶一样分析中...(0 )人阅读时间:2025-06-02桶赌局:OPEC+ 为市场份额而战,布伦特原油即将动摇
OPEC+刚刚点燃了第三轮增产狂欢的引信,7月份日产量再增加...(0 )人阅读时间:2025-06-02华尔街下周展望:牛市小心翼翼,关税起舞,交易员们仰望天空等待
市场以一种极其自信的姿态进入六月,就像一场在火坑上走钢索的表...(0 )人阅读时间:2025-06-02人工智能与人类融合的未来展望
S2N聚焦 我在机器学习领域(即神经网络和其他模型)工作了2...(0 )人阅读时间:2025-06-02