Mit LLM-Agenten Zinsentscheidungen prognostizieren

Zusammenfassung

FedSight AI nutzt Agenten auf Basis großer Sprachmodelle, um Beratungen des Federal Open Market Committee zu simulieren und Entscheidungen zum Zielzins der Federal Funds vorherzusagen. Die einzelnen Agenten prüfen strukturierte Wirtschaftsindikatoren und unstrukturierte Materialien wie das Beige Book, diskutieren geldpolitische Optionen und stimmen ab, um den Entscheidungsprozess des Gremiums abzubilden.

Das System nutzt außerdem Chain-of-Draft, einen prägnanten, mehrstufigen Ansatz zum Schlussfolgern. Für Sitzungen in 2023 und 2024 berichtet die Arbeit eine Prognosegenauigkeit von 93.75% und eine Stabilität von 93.33%; außerdem heißt es, das System habe MiniFed und eine ordinale Random-Forest-Baseline übertroffen. Als Stärke wird transparentes Schlussfolgern genannt, das mit der Kommunikation des FOMC übereinstimmt. Die vorliegende Beschreibung nennt weder die Zahl der ausgewerteten Sitzungen noch das Evaluierungsprotokoll oder ob sich die Ergebnisse über diesen Zeitraum hinaus verallgemeinern lassen. Die berichteten Werte sind daher im Rahmen der angegebenen Evaluierung zu verstehen.

Kernaussagen

• FedSight AI setzt LLM Agenten ein, um Wirtschaftsindikatoren und politische Kommunikation zu analysieren.
• Die Agenten erörtern geldpolitische Optionen und stimmen ab, um Beratungen des FOMC zu simulieren.
• Chain-of-Draft ergänzt das Framework um prägnantes, mehrstufiges Schlussfolgern.
• Die Arbeit berichtet Genauigkeits- und Stabilitätsergebnisse für 2023–2024 Sitzungen sowie Vergleiche mit benannten Baselines.
• Die kurze Beschreibung enthält nicht genügend Evaluierungsdetails, um eine breitere Übertragbarkeit zu beurteilen.

Schlagwörter

# FedSight AI: Multi-Agent System Architecture for Federal Funds Target Rate Prediction


# FedSight AI: Multi-Agent System Architecture for Federal Funds Target Rate Prediction









The Federal Open Market Committee (FOMC) sets the federal funds rate, shaping monetary policy and the broader economy. We introduce \emph{FedSight AI}, a multi-agent framework that uses large language models (LLMs) to simulate FOMC deliberations and predict policy outcomes. Member agents analyze structured indicators and unstructured inputs such as the Beige Book, debate options, and vote, replicating committee reasoning. A Chain-of-Draft (CoD) extension further improves efficiency and accuracy by enforcing concise multistage reasoning. Evaluated at 2023-2024 meetings, FedSight CoD achieved accuracy of 93.75\% and stability of 93.33\%, outperforming baselines including MiniFed and Ordinal Random Forest (RF), while offering transparent reasoning aligned with real FOMC communications.

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.