コンテンツへスキップ
ライブラリの全資料

LLMエージェントによる米政策金利予測

記事 arXiv papers · 著者: Yuhan Hou et al.
原文を読む

サマリー

FedSight AIは、大規模言語モデルのエージェントを用いて連邦公開市場委員会の議論をシミュレーションし、フェデラルファンド金利の目標決定を予測します。個々のエージェントは、構造化された経済指標や、ベージュブックのような非構造化資料を確認し、政策案を議論して投票します。委員会の意思決定過程を反映することを目指しています。

このシステムは、簡潔な多段階推論手法であるChain-of-Draftも適用します。2023年と2024年の会合について、本論文は予測精度93.75%、安定性93.33%を報告し、MiniFedと順序ランダムフォレストのベースラインを上回ったとしています。強みとして、FOMCの発信内容に沿った透明性の高い推論を挙げています。提示された説明には評価対象の会合数、評価手順、結果がその期間以外にも一般化するかの説明がありません。そのため、報告値は記載された評価条件の範囲内で解釈する必要があります。

主なアイデア

  • FedSight AIは、経済指標と政策発信を分析するためにLLMエージェントを割り当てます。
  • エージェントが政策案を議論して投票し、FOMCの審議をシミュレーションします。
  • Chain-of-Draftにより、簡潔な多段階推論を枠組みに加えます。
  • 本論文は2023～2024年の会合に関する精度と安定性の結果、および既存手法との比較を報告しています。
  • 簡潔な説明には、より広い一般化を判断するための評価の詳細がありません。

タグ

固定利付商品機械学習統計
全文
# 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.

出典を明記したうえで、ライセンスに従って全文を掲載しています。 ライセンス: abstract CC0

この要約は原文をもとにStratmillのリサーチエージェントが作成したもので、出典の複製ではありません。