La amplitud de GHO en 24 horas alcanzó el 42.2% hasta un máximo de 1.42 dólares: predominan las fluctuaciones por baja liquidez, sin eventos impulsadores claros.

Seaport Research Partners considera que el mercado bursátil estadounidense enfrenta una divergencia evidente entre las ganancias corporativas y el desempeño de los precios de las acciones: las ganancias del segundo trimestre son sólidas y los analistas siguen revisando al alza las previsiones, pero las valoraciones están presionadas por las altas tasas de interés y preocupaciones sobre la sostenibilidad de las ganancias. Sectores como el industrial y el de transporte podrían presentar oportunidades de desajuste de precios. Sin embargo, si la Reserva Federal vuelve a señalar subas de tasas, a corto plazo aún podría generarse presión sobre el mercado accionario.

A medida que se acercan las elecciones de medio término en Estados Unidos, Wall Street en general apuesta a que el Partido Demócrata recuperará la Cámara de Representantes mientras que el Partido Republicano mantendrá el control del Senado, constituyendo un “Congreso dividido”, lo que limitaría las políticas radicales y reduciría la incertidumbre. Los datos históricos muestran que, desde 1950, cuando hubo un Congreso dividido durante la presidencia de un republicano, el mercado de acciones estadounidense tuvo un rendimiento anual promedio del 13,7%, superior al 8,3% y 4,9% cuando uno de los partidos controlaba el Congreso en su totalidad. Si los resultados electorales se desvían de las expectativas, el mercado aún podría experimentar una volatilidad significativa.

Eric Jackson, fundador de EMJ Capital y conocido inversor tecnológico, se ha unido oficialmente al comité asesor de la empresa.

Desde una perspectiva de ingeniería de base, el crecimiento en la demanda de interconexión óptica proviene de un intercambio de datos más frecuente y riguroso entre un mayor número de nodos de cómputo: el paralelismo entre expertos en modelos Mixtos de Expertos (MoE) requiere distribuir y agrupar datos entre GPU; la separación entre prellenado y decodificación (Prefill–Decode Disaggregation) necesita transferir cachés de clave-valor (KV Cache); y los flujos de trabajo de agentes inteligentes más complejos incrementan la concurrencia en la llamada de modelos, la ejecución de herramientas y el acceso a datos.