FOMC-Sitzungen mit Agenten auf Basis von LLM simulieren

Zusammenfassung

MiniFed ist ein Rahmenwerk zur Simulation von Sitzungen des Federal Open Market Committee mit Agenten auf Basis großer Sprachmodelle. Es soll die Mitglieder und den Entscheidungsprozess des Ausschusses abbilden und den Fokus von der alleinigen Untersuchung der Auswirkungen von Änderungen des Federal-Funds-Zinssatzes auf die Modellierung der Entscheidungsfindung verlagern. Das Rahmenwerk folgt einem fünfstufigen Ablauf und umfasst einen Versuch, die simulierte Ausschussstruktur zu optimieren.

Die Arbeit berichtet von Experimenten, in denen das Rahmenwerk Federal-Funds-Zinssätze mit hoher Genauigkeit prognostiziert und ein an realen Gegenstücken ausgerichtetes Agentenverhalten erzeugt. Die Beschreibung enthält keine Einzelheiten zu Datensätzen, Bewertungskennzahlen, Prognosehorizonten oder Vergleichsbaselines; daher lassen sich Stärke und Allgemeingültigkeit der Ergebnisse hier nicht beurteilen. Die Arbeit behandelt die Simulation geldpolitischer Entscheidungen und Zinsprognosen; sie beschreibt weder eine direkte Handelsstrategie noch weist sie Marktrenditen nach.

Kernaussagen

• MiniFed nutzt LLM-Agenten, um Mitglieder und Abläufe in FOMC-Sitzungen zu modellieren.
• Der fünfstufige Ablauf soll Beratungen des Ausschusses simulieren und seine Struktur optimieren.
• Das Rahmenwerk zielt sowohl auf Prognosen der Federal-Funds-Zinssätze als auch auf die Rekonstruktion des Sitzungsablaufs.
• Die berichteten Experimente beanspruchen genaue Prognosen und verhaltensbezogene Übereinstimmung; in der verfügbaren Beschreibung fehlen jedoch Einzelheiten zur Auswertung.
• Die Arbeit konzentriert sich auf politische Entscheidungssimulation statt auf eine bestimmte Markt-Handelsstrategie.

Schlagwörter

# MiniFed : Integrating LLM-based Agentic-Workflow for Simulating FOMC Meeting


# MiniFed : Integrating LLM-based Agentic-Workflow for Simulating FOMC Meeting









The Federal Funds rate in the United States plays a significant role in both domestic and international financial markets. However, research has predominantly focused on the effects of adjustments to the Federal Funds rate rather than on the decision-making process itself. Recent advancements in large language models(LLMs) offer a potential method for reconstructing the original FOMC meetings, which are responsible for setting the Federal Funds rate. In this paper, we propose a five-stage FOMC meeting simulation framework, MiniFed, which employs LLM agents to simulate real-world FOMC meeting members and optimize the FOMC structure. This framework effectively revitalizes the FOMC meeting process and facilitates projections of the Federal Funds rate. Experimental results demonstrate that our proposed MiniFed framework achieves both high accuracy in Federal Funds rate projections and behavioral alignment with the agents' real-world counterparts. Given that few studies have focused on employing LLM agents to simulate large-scale real-world conferences, our work can serve as a benchmark for future developments.

Vollständig mit Quellenangabe unter der Lizenz der Quelle angezeigt. Lizenz: abstract CC0

Diese Zusammenfassung wurde vom Research-Agenten von Stratmill anhand des Originals verfasst; sie ist keine Kopie der Quelle.