論文の概要: FMPAF: How Do Fed Chairs Affect the Financial Market? A Fine-grained
Monetary Policy Analysis Framework on Their Language
- arxiv url: http://arxiv.org/abs/2403.06115v1
- Date: Sun, 10 Mar 2024 07:21:31 GMT
- ステータス: 翻訳完了
- システム内更新日: 2024-03-13 08:32:00.001531
- Title: FMPAF: How Do Fed Chairs Affect the Financial Market? A Fine-grained
Monetary Policy Analysis Framework on Their Language
- Title（参考訳）: FMPAF:FRB議長は金融市場にどのように影響するか
細粒度金融政策分析フレームワーク
- Authors: Yayue Deng, Mohan Xu, Yao Tang
- Abstract要約: 大規模言語モデル(LLM)と回帰分析を統合する新しいアプローチであるFMPAF(Fincent-Grained Monetary Policy Analysis Framework)を提案する。
当社の望ましい仕様に基づき、S&P 500 Exchange-Traded Fundの価格上昇に伴うセンチメントスコアのワンユニット上昇が関係している。
- 参考スコア（独自算出の注目度）: 3.760301720305374
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: The effectiveness of central bank communication is a crucial aspect of
monetary policy transmission. While recent research has examined the influence
of policy communication by the chairs of the Federal Reserve on various
financial variables, much of the literature relies on rule-based or
dictionary-based methods in parsing the language of the chairs, leaving nuanced
information about policy stance contained in nonverbal emotion out of the
analysis. In the current study, we propose the Fine-Grained Monetary Policy
Analysis Framework (FMPAF), a novel approach that integrates large language
models (LLMs) with regression analysis to provide a comprehensive analysis of
the impact of the press-conference communications of chairs of the Federal
Reserve on financial markets. We conduct extensive comparisons of model
performance under different levels of granularity, modalities, and
communication scenarios. Based on our preferred specification, a one-unit
increase in the sentiment score is associated with an increase of the price of
S\&P 500 Exchange-Traded Fund by approximately 500 basis points, a
15-basis-point decrease in the policy interest rate, while not leading to a
significant response in exchange rates.
- Abstract（参考訳）: 中央銀行のコミュニケーションの有効性は金融政策伝達の重要な側面である。
最近の研究では、連邦準備制度理事会議長による政策コミュニケーションが様々な金融変数に与える影響を調査しているが、多くの文献は、議長の言語を解析するための規則ベースまたは辞書ベースの方法に依存しており、分析から非言語的感情に含まれる政策スタンスについての微妙な情報を残している。
本研究は,金融市場における連邦準備制度理事会(FRB)議長の広報コミュニケーションの影響を包括的に分析するために,大規模言語モデル(LLM)と回帰分析を統合したFMPAF(Fen-Grained Monetary Policy Analysis Framework)を提案する。
粒度,モダリティ,通信シナリオの異なるレベルにおいて,モデル性能の広範な比較を行う。
所望の仕様に基づき、センセーションスコアのワンユニット上昇は、S&P500交換トレーディングファンドの価格の約500ポイント上昇、政策金利の15ベーシックポイント低下と関連するが、為替レートの顕著な反応には至らない。
関連論文リスト
- Same Claim, Different Judgment: Benchmarking Scenario-Induced Bias in Multilingual Financial Misinformation Detection [64.75447949495307]
大規模言語モデル (LLM) は金融分野に広く適用されている。
行動バイアスは、意思決定における不安定性と不確実性をもたらす可能性がある。
mfmdscenは様々な経済シナリオで mfmdの行動バイアスを評価するベンチマークです
論文 参考訳（メタデータ） (2026-01-08T22:00:32Z) - Adaptive Financial Sentiment Analysis for NIFTY 50 via Instruction-Tuned LLMs , RAG and Reinforcement Learning Approaches [1.9116784879310027]
金融感情分析における既存の研究は、株価や市場のフィードバックが感情分析に与える影響を考慮していない。
本研究では,大規模言語モデル(LLM)と現実世界の市場フィードバックを統合し,感情分類を改善する適応フレームワークを提案する。
論文 参考訳（メタデータ） (2025-12-23T06:27:12Z) - Reinforcement Learning for Monetary Policy Under Macroeconomic Uncertainty: Analyzing Tabular and Function Approximation Methods [0.5247013475817127]
インフレと失業を安定させるために、中央銀行が短期的名目金利を動的に設定する方法について検討する。
我々は、線形ガウス遷移モデルを構築し、離散作用マルコフ決定プロセスを実装した。
我々はTaylor Ruleに対する9つの異なる強化学習スタイルのアプローチと素直なベースラインを比較した。
論文 参考訳（メタデータ） (2025-12-09T19:27:47Z) - Self-Rewarding PPO: Aligning Large Language Models with Demonstrations Only [70.43369087819332]
Supervised Fine-tuning (SFT) は、大規模な言語モデルと人間のアノテーションによる実演を整合させる重要な方法として登場した。
本稿では, 自己回帰型PPOを提案する。
論文 参考訳（メタデータ） (2025-10-24T02:02:13Z) - Latent Topic Synthesis: Leveraging LLMs for Electoral Ad Analysis [51.95395936342771]
ラベルなしコーパスから解釈可能なトピック分類を自動生成するエンドツーエンドフレームワークを提案する。
われわれはこの枠組みを、2024年アメリカ合衆国大統領選挙の1ヶ月前のMeta政治広告の大規模なコーパスに適用する。
提案手法は,潜在談話構造を明らかにし,意味的に豊かなトピックラベルを合成し,モラル・フレーミングの次元でトピックを注釈する。
論文 参考訳（メタデータ） (2025-10-16T20:30:20Z) - Interpreting Fedspeak with Confidence: A LLM-Based Uncertainty-Aware Framework Guided by Monetary Policy Transmission Paths [30.982590730616746]
連邦準備制度が使用するスタイル化され、しばしばニュアンスな言語である「Fedspeak」は、暗黙の政策信号と戦略的スタンスを符号化している。
我々はFedspeakを解析・解釈するための不確実性を考慮したフレームワークを提案する。
論文 参考訳（メタデータ） (2025-08-11T14:04:59Z) - Federal Reserve Communication and the COVID-19 Pandemic [0.0]
我々は、金融安定、市場のボラティリティ、社会福祉、非伝統的金融政策(UMP)のパンデミックにおけるFRBのコミュニケーションにおける明確な焦点を特定できる。
以上の結果から、FRBのコミュニケーションと政策行動が、以前の危機よりも新型コロナウイルス危機に反応していることが判明した。
さらに、世界金融危機以降、米連邦公開市場委員会(Federal Open Market Committee)の議事録や議長の演説では、UMPに関するコミュニケーションが「新しい普通」になっていることを文書化しています。
論文 参考訳（メタデータ） (2025-08-06T19:17:24Z) - Can We Reliably Predict the Fed's Next Move? A Multi-Modal Approach to U.S. Monetary Policy Forecasting [2.6396287656676733]
本研究では、構造化データと連邦準備制度の通信からの非構造化テキスト信号を統合することにより、予測精度を向上させることができるかどうかを検討する。
以上の結果から,ハイブリッドモデルは単調なベースラインを一貫して上回ることがわかった。
金融政策予測では、より単純なハイブリッドモデルは正確性と解釈可能性の両方を提供し、研究者と意思決定者に実用的な洞察を提供する。
論文 参考訳（メタデータ） (2025-06-28T05:54:58Z) - Political-LLM: Large Language Models in Political Science [159.95299889946637]
大規模言語モデル(LLM)は、政治科学のタスクで広く採用されている。
政治LLMは、LLMを計算政治科学に統合する包括的な理解を促進することを目的としている。
論文 参考訳（メタデータ） (2024-12-09T08:47:50Z) - Statistical Analysis of Policy Space Compression Problem [54.1754937830779]
政策探索手法は強化学習において重要であり、継続的な状態反応と部分的に観察可能な問題に対処するための枠組みを提供する。
政策圧縮による政策空間の削減は、学習プロセスを加速するための強力で報酬のないアプローチとして現れます。
この手法は方針空間をより小さく代表的な集合に凝縮し、元の効果のほとんどを維持している。
論文 参考訳（メタデータ） (2024-11-15T02:46:55Z) - Modelling Political Coalition Negotiations Using LLM-based Agents [53.934372246390495]
我々は、新しいNLPタスクとして連立交渉を導入し、それを大規模言語モデルに基づくエージェント間の交渉としてモデル化する。
我々は、欧州政党の宣言とこれらの国における多数の選挙に関する連立協定を含む多言語データセット「POLCA」を導入する。
本稿では、政党間の連立交渉の過程をシミュレートし、その結果を予測するために、階層的なマルコフ決定プロセスを提案する。
論文 参考訳（メタデータ） (2024-02-18T21:28:06Z) - Off-Policy Evaluation for Large Action Spaces via Policy Convolution [60.6953713877886]
ポリシ・コンボリューション(Policy Convolution)のファミリーは、アクション内の潜在構造を使用して、ログとターゲットポリシを戦略的に畳み込みます。
合成およびベンチマークデータセットの実験では、PCを使用する場合の平均二乗誤差(MSE)が顕著に改善されている。
論文 参考訳（メタデータ） (2023-10-24T01:00:01Z) - Transforming Sentiment Analysis in the Financial Domain with ChatGPT [0.07499722271664146]
本研究では,金融感情分析における大規模言語モデル,特にChatGPT 3.5の可能性について検討する。
ChatGPTは、感情分類で約35%向上し、市場リターンと36%高い相関を示した。
この研究は、特にゼロショットの文脈において、迅速なエンジニアリングの重要性を浮き彫りにすることで、ChatGPTが金融アプリケーションにおける感情分析を大幅に強化する可能性を浮き彫りにしている。
論文 参考訳（メタデータ） (2023-08-13T09:20:47Z) - Instruct-FinGPT: Financial Sentiment Analysis by Instruction Tuning of
General-Purpose Large Language Models [18.212210748797332]
本稿では,これらの問題に対処する簡易かつ効果的な命令チューニング手法を提案する。
実験では, 最先端の教師付き感情分析モデルより優れていた。
論文 参考訳（メタデータ） (2023-06-22T03:56:38Z) - Analysis of the Fed's communication by using textual entailment model of
Zero-Shot classification [0.0]
我々は、テキストマイニング技術を用いて中央銀行が発行した文書を分析した。
声明のトーン、議事録、記者会見の書き起こし、米連邦準備制度理事会(FRB)の演説を比較します。
論文 参考訳（メタデータ） (2023-06-07T09:23:26Z) - Trillion Dollar Words: A New Financial Dataset, Task & Market Analysis [1.933681537640272]
我々は、FOMC(Federal Open Market Committee)のスピーチ、会議の議事録、記者会見の書き起こしの最大のトークン化および注釈付きデータセットを構築した。
最高の業績モデル(RoBERTa-large)を用いて、文書公開日の金融政策スタンスを測る。
私たちのデータセット、モデル、コードは、CC BY-NC 4.0ライセンスの下でHuggingfaceとGitHubで公開されています。
論文 参考訳（メタデータ） (2023-05-13T17:32:39Z) - Aspect-based Sentiment Analysis in Document -- FOMC Meeting Minutes on
Economic Projection [0.0]
アスペクトベースのSentiment Analysisは、大きなラベル付きデータセットが欠如しているため、財務データには広く使われていない。
本稿では,弱い監督下での財務文書のABSA訓練モデルを提案し,様々なマクロ経済指標の予測力を解析する。
論文 参考訳（メタデータ） (2021-08-09T14:29:58Z) - Similarity metrics for Different Market Scenarios in Abides [58.720142291102135]
マルコフ決定プロセス(MDP)は、多くの機械学習問題を正式に記述する効果的な方法である。
本稿では,金融MDPの概念的,構造的,パフォーマンス的側面に基づく3つの類似度指標の使用について分析する。
論文 参考訳（メタデータ） (2021-07-20T09:18:06Z) - Dealing with Non-Stationarity in Multi-Agent Reinforcement Learning via
Trust Region Decomposition [52.06086375833474]
非定常性は多エージェント強化学習における厄介な問題である。
ポリシーシーケンスの定常性を明示的にモデル化するための$delta$-stationarity測定を導入する。
共同政策の分岐を推定するために,メッセージパッシングに基づく信頼領域分解ネットワークを提案する。
論文 参考訳（メタデータ） (2021-02-21T14:46:50Z) - Gaussian process imputation of multiple financial series [71.08576457371433]
金融指標、株価、為替レートなどの複数の時系列は、市場が潜んでいる状態に依存しているため、強く結びついている。
金融時系列間の関係を多出力ガウスプロセスでモデル化することで学習することに注力する。
論文 参考訳（メタデータ） (2020-02-11T19:18:18Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。