Uso de NLP interpretable para analizar comunicaciones de la Reserva Federal

Resumen

FedNLP se presenta como un sistema de procesamiento del lenguaje natural con varios componentes para examinar las comunicaciones de la Reserva Federal, que pueden ser extensas y difíciles de interpretar. Combina métodos que van desde el aprendizaje automático tradicional hasta redes neuronales profundas en varias tareas de análisis. Los usuarios previstos pueden explorar los resultados sin escribir código, mientras los modelos subyacentes realizan el análisis.

El sistema presenta análisis de sentimiento, resúmenes de documentos, predicciones de los movimientos del tipo de los fondos federales y explicaciones visuales de sus predicciones. Estos componentes ofrecen formas complementarias de examinar el lenguaje de la política monetaria y sus posibles implicaciones. El documento describe una demostración del sistema, pero no ofrece suficientes detalles para evaluar la precisión del modelo, los datos de entrenamiento, los procedimientos de validación ni el rendimiento con distintos tipos de comunicaciones de la Fed. Por tanto, las predicciones de tipos deben tratarse como resultados del modelo que hay que investigar, no como pronósticos establecidos. El trabajo sirve como ejemplo de integración del análisis de texto, la predicción de movimientos de tipos y la interpretabilidad en un proceso de investigación de política monetaria.

Ideas clave

• FedNLP aplica varios modelos de NLP a las complejas comunicaciones de la Reserva Federal.
• Su análisis incluye sentimiento, resúmenes de documentos y predicciones de los movimientos del tipo de los fondos federales.
• Se utilizan visualizaciones para ayudar a interpretar las predicciones del modelo.
• La demostración descrita no establece la precisión ni la capacidad de generalización de las predicciones.

Etiquetas

# FedNLP: An interpretable NLP System to Decode Federal Reserve Communications


# FedNLP: An interpretable NLP System to Decode Federal Reserve Communications









The Federal Reserve System (the Fed) plays a significant role in affecting monetary policy and financial conditions worldwide. Although it is important to analyse the Fed's communications to extract useful information, it is generally long-form and complex due to the ambiguous and esoteric nature of content. In this paper, we present FedNLP, an interpretable multi-component Natural Language Processing system to decode Federal Reserve communications. This system is designed for end-users to explore how NLP techniques can assist their holistic understanding of the Fed's communications with NO coding. Behind the scenes, FedNLP uses multiple NLP models from traditional machine learning algorithms to deep neural network architectures in each downstream task. The demonstration shows multiple results at once including sentiment analysis, summary of the document, prediction of the Federal Funds Rate movement and visualization for interpreting the prediction model's result.

Se muestra íntegramente con atribución según la licencia de la fuente. Licencia: abstract CC0

Este resumen lo redactó el agente de investigación de Stratmill a partir del original; no es una copia de la fuente.