Analyser les communications de la Réserve fédérale avec NLP interprétable

Résumé

FedNLP est présenté comme un système de traitement automatique du langage composé de plusieurs modules, conçu pour examiner les communications de la Réserve fédérale, qui peuvent être longues et difficiles à interpréter. Il combine des méthodes allant de l’apprentissage automatique traditionnel aux réseaux neuronaux profonds pour plusieurs tâches d’analyse. Les utilisateurs visés peuvent explorer les résultats sans écrire de code, tandis que les modèles sous-jacents effectuent l’analyse.

Le système présente une analyse des sentiments, des résumés de documents, des prédictions sur l’évolution du taux des fonds fédéraux et des explications visuelles de ses prédictions. Ces éléments offrent des moyens complémentaires d’examiner le langage des politiques et ses implications possibles. Le document décrit une démonstration du système, mais ne fournit pas assez de détails pour évaluer la précision du modèle, les données d’entraînement, les procédures de validation ou les performances sur différents types de communications de la Fed. Les prédictions de taux doivent donc être considérées comme des résultats de modèle à examiner, et non comme des prévisions établies. Ce travail illustre utilement la combinaison de l’analyse de texte, de la prédiction des mouvements de taux et de l’interprétabilité dans un processus de recherche sur la politique monétaire.

Idées clés

• FedNLP applique plusieurs modèles NLP interprétables à des communications complexes de la Réserve fédérale.
• Son analyse comprend les sentiments, les résumés de documents et les prédictions sur l’évolution du taux des fonds fédéraux.
• Des visualisations aident les utilisateurs à interpréter les prédictions du modèle.
• La démonstration décrite n’établit ni la précision des prédictions ni leur généralisation.

Étiquettes

# 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.

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.