Mô phỏng các cuộc họp FOMC bằng tác nhân dựa trên LLM

Tóm tắt

MiniFed là một khung mô phỏng các cuộc họp của Ủy ban Thị trường Mở Liên bang bằng các tác nhân mô hình ngôn ngữ lớn. Khung này nhằm mô phỏng các thành viên dự họp và quy trình ra quyết định của ủy ban, chuyển trọng tâm từ việc chỉ nghiên cứu tác động của những thay đổi lãi suất Quỹ Liên bang sang mô hình hóa cách đưa ra quyết định lãi suất. Khung được tổ chức thành quy trình năm giai đoạn và bao gồm nỗ lực tối ưu hóa cấu trúc ủy ban mô phỏng.

Bài báo báo cáo các thí nghiệm trong đó khung dự báo mức lãi suất Quỹ Liên bang với độ chính xác cao và tạo ra hành vi tác nhân phù hợp với các đối tượng ngoài đời thực. Phần mô tả không cung cấp chi tiết về tập dữ liệu, thước đo đánh giá, chân trời dự báo hoặc mốc so sánh, nên không thể đánh giá mức độ mạnh và khả năng khái quát của các kết quả đó tại đây. Công trình nghiên cứu mô phỏng quyết định chính sách và dự báo lãi suất; nó không nêu chiến lược giao dịch trực tiếp hoặc chứng minh lợi nhuận thị trường.

Ý chính

• MiniFed dùng tác nhân LLM để mô hình hóa thành viên và quy trình trong các cuộc họp FOMC.
• Quy trình năm giai đoạn nhằm mô phỏng thảo luận của ủy ban và tối ưu hóa cấu trúc ủy ban.
• Khung này hướng đến cả dự báo lãi suất Quỹ Liên bang lẫn tái dựng quy trình họp.
• Các thí nghiệm được báo cáo cho rằng dự báo chính xác và hành vi phù hợp, nhưng phần mô tả hiện có thiếu chi tiết đánh giá.
• Bài báo tập trung vào mô phỏng chính sách thay vì một chiến lược giao dịch cụ thể trên thị trường.

Thẻ

# 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.

Hiển thị toàn văn kèm ghi nguồn theo giấy phép của tài liệu gốc. Giấy phép: abstract CC0

Bản tóm tắt này do tác nhân nghiên cứu của Stratmill biên soạn từ tài liệu gốc; đây không phải bản sao của tài liệu.