وفاقی فنڈز کی شرح کے فیصلوں کی پیش گوئی کے لیے LLM ایجنٹس

مضمون arXiv papers · مصنف: Yuhan Hou et al.

خلاصہ

FedSight AI بڑے زبان کے ماڈلز کے ایجنٹس کے ذریعے فیڈرل اوپن مارکیٹ کمیٹی کی بحث و تمحیص کی نقل کرتا اور وفاقی فنڈز کی ہدفی شرح کے فیصلوں کی پیش گوئی کرتا ہے۔ انفرادی ایجنٹس منظم معاشی اشاریوں اور بیج بُک جیسے غیر منظم مواد کا جائزہ لیتے، پالیسی کے متبادل پر گفتگو کرتے اور ووٹ دیتے ہیں، تاکہ کمیٹی کے فیصلہ سازی کے عمل کی عکاسی ہو۔

یہ نظام Chain-of-Draft بھی استعمال کرتا ہے، جو مختصر کثیر مرحلہ استدلال کا طریقہ ہے۔ 2023 اور 2024 کے اجلاسوں کے لیے مقالہ 93.75% پیش گوئی کی درستگی اور 93.33% استحکام رپورٹ کرتا ہے، اور کہتا ہے کہ نظام نے MiniFed اور آرڈینل رینڈم فاریسٹ بنیادی ماڈل سے بہتر کارکردگی دکھائی۔ اس کی بیان کردہ قوت FOMC کے اعلانات سے ہم آہنگ شفاف استدلال ہے۔ فراہم کردہ بیان میں جائزہ لیے گئے اجلاسوں کی تعداد، جانچ کا طریقۂ کار یا اس مدت سے آگے نتائج کے قابلِ اطلاق ہونے کی وضاحت نہیں، اس لیے رپورٹ شدہ اعداد کو بیان کردہ جانچ کے تناظر میں سمجھنا چاہیے۔

اہم خیالات

FedSight AI معاشی اشاریوں اور پالیسی اعلانات کا تجزیہ کرنے کے لیے LLM ایجنٹس مقرر کرتا ہے۔
ایجنٹس پالیسی کے اختیارات پر بحث اور ووٹ کرتے ہیں تاکہ FOMC کی کارروائی کی نقل کریں۔
Chain-of-Draft اس فریم ورک میں مختصر، کثیر مرحلہ استدلال شامل کرتا ہے۔
مقالہ 2023–2024 کے اجلاسوں کے لیے درستگی اور استحکام کے نتائج اور نامزد بنیادی ماڈلز سے موازنہ رپورٹ کرتا ہے۔
مختصر بیان میں وسیع تر اطلاق کا فیصلہ کرنے کے لیے جانچ کی تفصیل نہیں۔

ٹیگز

مقررہ آمدنی مشین لرننگ شماریات

مکمل متن

# 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.

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۔