सामग्री पर जाएं
लाइब्रेरी के सभी दस्तावेज़

LLM-आधारित एजेंटों से FOMC बैठकों का सिम्युलेशन

लेख arXiv papers · लेखक: Sungil Seok et al.
मूल स्रोत पढ़ें

सारांश

MiniFed बड़े भाषा मॉडल एजेंटों से Federal Open Market Committee बैठकों का सिम्युलेशन करने का ढाँचा है। इसका उद्देश्य बैठक के सदस्यों और समिति की निर्णय प्रक्रिया को दर्शाना है; यह Federal Funds दर में बदलावों के केवल प्रभावों का अध्ययन करने से ध्यान हटाकर यह मॉडल करने पर केंद्रित होता है कि दर संबंधी निर्णय कैसे लिए जाते हैं। ढाँचा पाँच चरणों वाले कार्यप्रवाह में व्यवस्थित है और इसमें सिम्युलेटेड समिति संरचना को अनुकूलित करने का प्रयास शामिल है।

शोधपत्र ऐसे प्रयोगों की रिपोर्ट करता है जिनमें यह ढाँचा Federal Funds दरों का उच्च सटीकता से पूर्वानुमान करता है और वास्तविक समकक्षों से मेल खाने वाला एजेंट व्यवहार उत्पन्न करता है। विवरण में डेटासेट, मूल्यांकन मापदंड, पूर्वानुमान अवधि या तुलना के आधारों की जानकारी नहीं है, इसलिए यहाँ इन परिणामों की मजबूती और व्यापकता का आकलन नहीं किया जा सकता। यह कार्य नीति-निर्णय के सिम्युलेशन और दर पूर्वानुमान से संबंधित है; इसमें प्रत्यक्ष ट्रेडिंग रणनीति निर्दिष्ट नहीं है और न ही बाजार रिटर्न प्रदर्शित किए गए हैं।

मुख्य विचार

  • MiniFed LLM एजेंटों का उपयोग करके FOMC बैठकों के सदस्यों और प्रक्रियाओं का मॉडल बनाता है।
  • इसके पाँच चरण वाले कार्यप्रवाह का लक्ष्य समिति-विचार-विमर्श का सिम्युलेशन और समिति संरचना का अनुकूलन करना है।
  • यह ढाँचा बैठक प्रक्रिया के पुनर्निर्माण के साथ Federal Funds दर के पूर्वानुमान पर भी केंद्रित है।
  • रिपोर्ट किए गए प्रयोग सटीक पूर्वानुमान और व्यवहारगत अनुरूपता का दावा करते हैं, लेकिन उपलब्ध विवरण में मूल्यांकन की जानकारी नहीं है।
  • शोधपत्र किसी विशिष्ट बाजार ट्रेडिंग रणनीति के बजाय नीति सिम्युलेशन पर केंद्रित है।

टैग

मशीन लर्निंगनिश्चित आयअमेरिकी बाज़ारसांख्यिकी
पूरा पाठ
# 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.

स्रोत के लाइसेंस के तहत श्रेय सहित पूरा पाठ दिखाया गया है। लाइसेंस: abstract CC0

यह सारांश मूल स्रोत के आधार पर Stratmill के शोध एजेंट ने लिखा है; यह स्रोत की प्रति नहीं है।