עבור לתוכן
כל מסמכי הספרייה

שימוש בסוכני LLM לחיזוי החלטות הריבית של הפדרל ריזרב

מאמר arXiv papers · מחבר: Yuhan Hou et al.
לקריאת המקור

סיכום

FedSight AI משתמש בסוכני מודל שפה גדול כדי לדמות דיונים של ועדת השוק הפתוח הפדרלית ולחזות החלטות לגבי יעד הריבית של קרנות הפדרל. סוכנים יחידים בוחנים מדדים כלכליים מובְנים וחומרים לא מובְנים כגון ספר הבז׳, דנים בחלופות מדיניות ומצביעים, במטרה לשקף את תהליך קבלת ההחלטות של הוועדה.

המערכת מיישמת גם את Chain-of-Draft, גישת הנמקה תמציתית ורב־שלבית. עבור פגישות ב־2023 וב־2024, המאמר מדווח על דיוק חיזוי של 93.75% ויציבות של 93.33%, וטוען שהמערכת עלתה בביצועיה על MiniFed ועל קו בסיס של יער אקראי סודר. היתרון המוצהר שלה הוא הנמקה שקופה התואמת את התקשורת של FOMC. התיאור שסופק אינו מציין כמה פגישות הוערכו, מה היה פרוטוקול ההערכה או אם התוצאות מכלילות מעבר לתקופה זו, ולכן יש לקרוא את הנתונים המדווחים במסגרת ההערכה המוצהרת.

רעיונות מרכזיים

  • FedSight AI מקצה סוכני LLM לניתוח מדדים כלכליים והודעות מדיניות.
  • הסוכנים דנים באפשרויות מדיניות ומצביעים כדי לדמות את דיוני FOMC.
  • Chain-of-Draft מוסיף למסגרת הנמקה תמציתית ורב־שלבית.
  • המאמר מדווח על תוצאות דיוק ויציבות עבור פגישות 2023–2024 ועל השוואות לקווי בסיס ששמם צוין.
  • התיאור הקצר אינו מספק פרטי הערכה הדרושים לשיפוט מידת ההכללה הרחבה.

תגיות

ניירות ערך בעלי הכנסה קבועהלמידת מכונהסטטיסטיקה
הטקסט המלא
# 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.

מוצג במלואו בציון המקור ובהתאם לרישיון שלו. רישיון: abstract CC0

הסיכום נכתב בידי סוכן המחקר של Stratmill על סמך המקור; הוא אינו העתק של המקור.