सामग्री पर जाएं
लाइब्रेरी के सभी दस्तावेज़

संघीय निधि दर के फैसलों के पूर्वानुमान में LLM एजेंट

लेख arXiv papers · लेखक: Yuhan Hou et al.
मूल स्रोत पढ़ें

सारांश

FedSight AI बड़े भाषा मॉडल के एजेंटों का उपयोग करके संघीय ओपन मार्केट समिति की विचार-विमर्श प्रक्रिया का अनुकरण करता है और संघीय निधि की लक्ष्य दर के फैसलों का पूर्वानुमान लगाता है। अलग-अलग एजेंट संरचित आर्थिक संकेतकों और बेज बुक जैसी असंरचित सामग्री की समीक्षा करते हैं, नीतिगत विकल्पों पर चर्चा करते हैं और मतदान करते हैं, ताकि समिति की निर्णय प्रक्रिया को दर्शाया जा सके।

यह प्रणाली चेन-ऑफ़-ड्राफ़्ट नाम की संक्षिप्त, बहु-चरणीय तर्क पद्धति भी लागू करती है। 2023 और 2024 की बैठकों के लिए शोधपत्र में 93.75% पूर्वानुमान की शुद्धता और 93.33% स्थिरता रिपोर्ट की गई है, और कहा गया है कि प्रणाली ने MiniFed तथा ऑर्डिनल रैंडम फ़ॉरेस्ट आधाररेखा से बेहतर प्रदर्शन किया। इसकी बताई गई विशेषता FOMC के संचार के अनुरूप पारदर्शी तर्क है। दिए गए विवरण में मूल्यांकित बैठकों की संख्या, मूल्यांकन प्रोटोकॉल या यह नहीं बताया गया है कि नतीजे उस अवधि से आगे भी सामान्यीकृत होते हैं या नहीं; इसलिए रिपोर्ट किए गए आँकड़ों को बताई गई मूल्यांकन परिस्थिति के संदर्भ में देखना चाहिए।

मुख्य विचार

  • FedSight AI आर्थिक संकेतकों और नीतिगत संचार का विश्लेषण करने के लिए LLM एजेंट नियुक्त करता है।
  • एजेंट नीतिगत विकल्पों पर चर्चा और मतदान करके FOMC की विचार-विमर्श प्रक्रिया का अनुकरण करते हैं।
  • चेन-ऑफ़-ड्राफ़्ट इस ढाँचे में संक्षिप्त, बहु-चरणीय तर्क जोड़ता है।
  • शोधपत्र में 2023–2024 की बैठकों के लिए पूर्वानुमान की शुद्धता और स्थिरता के नतीजे तथा नामित आधाररेखाओं से तुलना दी गई है।
  • संक्षिप्त विवरण में व्यापक सामान्यीकरण का आकलन करने के लिए आवश्यक मूल्यांकन जानकारी नहीं है।

टैग

निश्चित आयमशीन लर्निंगसांख्यिकी
पूरा पाठ
# 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.

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।