LLM پر مبنی ایجنٹوں سے FOMC اجلاسوں کی نقل

مضمون arXiv papers · مصنف: Sungil Seok et al.

خلاصہ

منی فیڈ بڑے لسانی ماڈل ایجنٹوں کے ذریعے وفاقی اوپن مارکیٹ کمیٹی کے اجلاسوں کی نقل کا ایک خاکہ ہے۔ اس کا مقصد اجلاس کے ارکان اور کمیٹی کے فیصلہ سازی کے عمل کی نمائندگی کرنا ہے، اور توجہ صرف وفاقی فنڈز شرح میں تبدیلیوں کے اثرات کے مطالعے سے ہٹا کر یہ ماڈل کرنے پر دینا ہے کہ شرح کے فیصلے کیسے ہوتے ہیں۔ خاکہ پانچ مرحلوں کے طریقۂ کار میں منظم ہے اور اس میں نقل شدہ کمیٹی کی ساخت بہتر بنانے کی کوشش شامل ہے۔

مقالہ ایسے تجربات رپورٹ کرتا ہے جن میں خاکے نے وفاقی فنڈز شرحوں کی اعلیٰ درستگی سے پیش گوئی کی اور ایجنٹوں کا رویہ حقیقی دنیا کے ہم منصبوں سے ہم آہنگ پیدا کیا۔ وضاحت ڈیٹا سیٹ، جائزے کے پیمانے، پیش گوئی کے وقفوں یا تقابلی معیارات کی تفصیل نہیں دیتی، اس لیے ان نتائج کی قوت اور عمومیت کا یہاں اندازہ نہیں لگایا جا سکتا۔ کام پالیسی فیصلوں کی نقل اور شرح کی پیش گوئی سے متعلق ہے؛ یہ براہِ راست ٹریڈنگ اسٹریٹیجی متعین یا منڈی منافع کا مظاہرہ نہیں کرتا۔

اہم خیالات

منی فیڈ LLM اجلاسوں کے ارکان اور عمل کی ماڈلنگ کے لیے FOMC ایجنٹ استعمال کرتا ہے۔
اس کا پانچ مرحلوں والا طریقۂ کار کمیٹی کی بحث کی نقل اور اس کی ساخت بہتر بنانے کا ہدف رکھتا ہے۔
خاکہ وفاقی فنڈز شرح کی پیش گوئی اور اجلاس کے عمل کی تشکیل نو دونوں پر مرکوز ہے۔
رپورٹ شدہ تجربات درست پیش گوئیوں اور رویے کی ہم آہنگی کا دعویٰ کرتے ہیں، مگر دستیاب وضاحت میں جائزے کی تفصیل نہیں۔
مقالہ کسی مخصوص منڈی ٹریڈنگ اسٹریٹیجی کے بجائے پالیسی کی نقل پر مرکوز ہے۔

ٹیگز

مشین لرننگ مقررہ آمدنی امریکی مارکیٹیں شماریات

مکمل متن

# 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.

ماخذ کا حوالہ دیتے ہوئے مکمل متن دکھایا گیا ہے، ماخذ کے لائسنس کے تحت۔ لائسنس: abstract CC0

یہ خلاصہ اصل ماخذ سے Stratmill کے تحقیقی ایجنٹ نے لکھا ہے؛ یہ ماخذ کی نقل نہیں۔