Pepperstone 的吴迪琳看好油价，偏好韩国与日本

背景

Pepperstone Group 的宏观策略师吴迪琳（Dilin Wu）在2026年5月4日对彭博表示，油价路径仍然“指向上行”，同时韩国与日本股市因对人工智能的热情而受到看涨支撑（Bloomberg, May 4, 2026）。她所用的表述——“谨慎乐观”——抓住了五月初卖方策略师中常见的立场：对大宗商品及精选亚太股市持建设性看法，但仍对持续的地缘政治与宏观风险保持警惕。这种二元性当前正处于市场定位的核心：能源市场在对供应面冲击和战略库存作出反应，而以科技为主导的轮动正在重塑东亚的区域股市领导格局。

该表态之所以重要，在于它传达了一个大型零售与机构外汇/STP经纪商如何建议其交易流客户在油价方向性敞口与对韩国、日本的精选股票风险之间取得平衡。Pepperstone 的客户基础和流动性提供结构意味着其观点常常被传导进订单流，特别是在零售和系统性资金流与机构流动性交互的外汇与期货市场中。对机构投资者而言，吴的评论是一个及时的提醒，要重新评估大宗商品与股票之间的相关性结构，因为跨资产的敏感性正在演变。

应当将吴的言论与同期市场数据一并解读：彭博报道布伦特原油在2026年5月1日交易于约90美元/桶（Bloomberg Commodities Desk, May 1, 2026），而区域股指在截至2026年4月30日的年初至今表现为正（Bloomberg Asia Markets）。这些头条数据点为定性信息提供了可量化的市场动作锚点，并为更深入、以数据为依据的评估提供了出发点，说明为何油价可能继续上行，以及为何韩国与日本可能从与人工智能相关的情绪中受益。

数据深度解析

三个具体且同期的数据点有助于构建吴所描述的论点。首先，彭博在2026年5月1日报道布伦特接近90美元/桶（Bloomberg Commodities Desk, May 1, 2026），较2025年底见到的低点呈两位数百分比的反弹。第二，国际能源署（IEA）在2026年5月的评述中预计今年全球石油需求增长约为每日120万桶（mb/d）（IEA, May 2026），这对供需平衡构成上行压力。第三，截至2026年4月30日的区域股市表现显示，KOSPI 年初至今上涨约7.8%，日经上涨约6.2%（Bloomberg Asia Markets, Apr 30, 2026），相较部分发达市场同类指数存在相对跑赢的情况。

上述每一数据对不同层面都有意义。布伦特价格水平反映市场对短期供应约束（包括持续的OPEC+纪律与物流瓶颈）以及与旅行和工业活动相关的中期需求韧性的消化。IEA 的需求增长预测提供了结构性背景：在备用产能有限的情况下，额外的每日120万桶需求是有意义的。区域股市回报则表明市场已在为韩国与日本定价一个积极叙事，这可能由对AI芯片需求、半导体资本支出及软件服务采用周期的预期所推动。

将这些数字与以往情形比较以置入语境：在2017–2018年的再平衡期间，布伦特在12个月窗口内大约上涨了30%，当时OPEC+ 策略在演进；更近期的2022–2023年，价格波动来自地缘政治冲击与库存下降（Bloomberg，OPEC 报告）。IEA 对2026 年约120万桶/日的需求增长预测，尽管小于历史大周期中的多年波动幅度，但在IEA报告的受限备用产能与多国机构在2026年第一季度报告的低于平均全球石油库存的背景下，仍具重要意义（EIA 每周报告，Q1 2026）。

行业影响

能源：如果“指向上行”的油价观点被证实，行业影响大体明确但细微之处值得注意。原油上行通常有利于一体化大厂、油田服务以及成品油生产商，同时对能源密集型工业则呈现混合影响。像 XLE（美国能源类ETF）以及期货（CL=F）等工具通常会在即期动态与市场隐含的远期曲线之间定价。区域供应限制——例如北海的检修或国家石油公司采取的战略性库存调拨——常常收紧远期曲线并加剧期货正向/期货反向（contango/backwardation）动态，从而改变实物套利与金融对冲策略。

韩国与日本股市：吴将油价与东亚股市联系起来虽不算直接，却是合理的。韩国的 KOSPI 包含大量半导体与资本设备出口商；日本的日经则包含在机器人、自动化与半导体制造设备方面对 AI 曝光度高的企业。如果由油价驱动的再通胀（reflation）支持大宗商品相关的周期性行业并提高名义 GDP 预期，这可能会延长韩国与日本对资本支出密集行业的投资视角。此外，强劲的 AI 采用将推高对半导体的需求，韩国的 Samsung（005930.KS）和日本的 Tokyo Electron（8035.T）以及 ASML 的供应链生态系统等公司将通过订单簿上升而获益。

跨资产相关性将是关键监测项。历史上，油价上扬往往与净能源进口国的本币贬值相关联，但 AI 叙事可能通过提升企业盈利能力和资本支出来打破传统模式。因此，机构配置者应追踪商品敞口（期货、实物或股票）与声称受益于 AI 的股票策略之间的基差风险（basis risk）。通过滚动 60 日和 120 日窗口的相关性矩阵可以显示商品—股票联系是结构性的还是短暂的。

风险评估

吴承认