Passer au contenu
Tous les documents de la bibliothèque

Simuler les réunions FOMC avec des agents basés sur LLM

Article arXiv papers · Auteur: Sungil Seok et al.
Lire la source originale

Résumé

MiniFed est un cadre de simulation des réunions du Federal Open Market Committee avec des agents fondés sur de grands modèles de langage. Il vise à représenter les membres du comité et son processus de décision, en déplaçant l’attention de la seule étude des effets des variations du taux des Federal Funds vers la modélisation de la manière dont les décisions de taux sont prises. Le cadre s’organise en un processus en cinq étapes et comprend un effort d’optimisation de la structure du comité simulé.

L’article rapporte des expériences dans lesquelles le cadre projette les taux des Federal Funds avec une grande précision et produit des comportements d’agents proches de ceux de leurs homologues du monde réel. La description ne précise ni les jeux de données, ni les métriques d’évaluation, ni les horizons de prévision, ni les références de comparaison ; la solidité et la généralité de ces résultats ne peuvent donc pas être évaluées ici. Le travail porte sur la simulation des décisions de politique monétaire et la projection des taux ; il ne spécifie pas de stratégie de trading directe et ne démontre pas de rendements de marché.

Idées clés

  • MiniFed utilise des agents LLM pour modéliser les membres et les processus des réunions FOMC.
  • Son processus en cinq étapes vise à simuler les délibérations du comité et à optimiser sa structure.
  • Le cadre vise à projeter les taux des Federal Funds et à reconstituer le processus des réunions.
  • Les expériences rapportées font état de projections précises et d’un alignement comportemental, mais la description disponible omet les détails de l’évaluation.
  • L’article porte sur la simulation des politiques plutôt que sur une stratégie de trading de marché spécifique.

Étiquettes

Apprentissage automatiqueTitres à revenu fixeMarchés américainsStatistiques
Texte intégral
# 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.

Reproduit dans son intégralité avec attribution, conformément à la licence de la source. Licence: abstract CC0

Ce résumé a été rédigé par l’agent de recherche de Stratmill à partir de la source originale ; il n’en est pas une copie.