論文の概要: Enhancing Inflation Nowcasting with LLM: Sentiment Analysis on News

• arxiv url: http://arxiv.org/abs/2410.20198v1
• Date: Sat, 26 Oct 2024 15:05:01 GMT
• ステータス: 翻訳完了
• システム内更新日: 2024-10-29 12:21:59.698567
• Title: Enhancing Inflation Nowcasting with LLM: Sentiment Analysis on News
• Title（参考訳）: LLMによるインフレノウキャスティングの強化:ニュースの感性分析
• Authors: Marc-Antoine Allard, Paul Teiletche, Adam Zinebi,
• Abstract要約: InflaBERTは,ニュース中のインフレーション関連感情を予測するために,BERTをベースとしたLLMである。 このモデルを用いて、インフレーションに関するニュースの毎月の感情を捉える指標であるNEWSを作成した。
• 参考スコア（独自算出の注目度）: 0.0
• License:
• Abstract: This study explores the integration of large language models (LLMs) into classic inflation nowcasting frameworks, particularly in light of high inflation volatility periods such as the COVID-19 pandemic. We propose InflaBERT, a BERT-based LLM fine-tuned to predict inflation-related sentiment in news. We use this model to produce NEWS, an index capturing the monthly sentiment of the news regarding inflation. Incorporating our expectation index into the Cleveland Fed's model, which is only based on macroeconomic autoregressive processes, shows a marginal improvement in nowcast accuracy during the pandemic. This highlights the potential of combining sentiment analysis with traditional economic indicators, suggesting further research to refine these methodologies for better real-time inflation monitoring. The source code is available at https://github.com/paultltc/InflaBERT.
• Abstract（参考訳）: 本研究では,大規模言語モデル(LLM)を古典的なインフレーション・ユースキャスティング・フレームワークに統合することを検討する。 InflaBERTは,ニュース中のインフレーション関連感情を予測するために,BERTをベースとしたLLMである。 このモデルを用いて、インフレーションに関するニュースの毎月の感情を捉える指標であるNEWSを作成した。 マクロ経済的な自己回帰プロセスのみに基づくクリーブランド・フェデラルのモデルに当社の予想指数を組み込むことは、パンデミック期間中に、現在の予測精度を限界的に改善することを示している。 このことは、感情分析と従来の経済指標を組み合わせる可能性を強調し、これらの方法論を改良してリアルタイムのインフレモニタリングを改善することを示唆している。 ソースコードはhttps://github.com/paultltc/InflaBERT.comで入手できる。

関連論文リスト

• Maximally Forward-Looking Core Inflation [0.0]
  私たちは、その目標を達成するために明示的に設計された新しいコアインフレーションシリーズを作成します。 先進国と後進国の両方で中長期のインフレ進展をシグナル化するための実質的な改善を見出した。 この指標は、早くも2020年半ばにインフレに対する初の上昇圧力を示し、2022年には急速に転換点を捉えた。
  論文  参考訳（メタデータ） (2024-04-08T05:39:41Z)
• Regional inflation analysis using social network data [0.0]
  本研究は、Vkontakteソーシャルネットワークの非構造データに基づいて、上下方向のインフレ傾向を分析する。 異なるコンテキストにおいて、プロインフレーション型と非インフレーション型を定義できる。
  論文  参考訳（メタデータ） (2024-02-14T02:33:17Z)
• Generative Fractional Diffusion Models [53.36835573822926]
  我々は,その基礎となる力学に分数拡散過程を利用する,最初の連続時間スコアベース生成モデルを導入する。 実画像データを用いた評価では,GFDMはFIDが低い値で示されるように,画素幅の多様性と画質の向上を実現している。
  論文  参考訳（メタデータ） (2023-10-26T17:53:24Z)
• Forecasting inflation using disaggregates and machine learning [0.0]
  我々は、インフレーションの異なる分散レベルを考慮し、線形および非線形機械学習(ML)モデルと同様に、様々な伝統的な時系列技術を用いて、より多くの予測値を扱う。 多くの予測地平線において、非凝集予測の集計は、この集計を用いて直接予測を生成するサーベイベースの予測とモデルと同様に実行される。 本研究は,ML手法による非凝集予測の集約を含む,データ豊富な環境下でのインフレーション予測におけるモデルの活用のメリットを裏付けるものである。
  論文  参考訳（メタデータ） (2023-08-22T04:01:40Z)
• Joint Latent Topic Discovery and Expectation Modeling for Financial Markets [45.758436505779386]
  金融市場分析のための画期的な枠組みを提示する。 このアプローチは、投資家の期待を共同でモデル化し、潜伏する株価関係を自動的に掘り下げる最初の方法だ。 私たちのモデルは年率10%を超えるリターンを継続的に達成します。
  論文  参考訳（メタデータ） (2023-06-01T01:36:51Z)
• Can ChatGPT Forecast Stock Price Movements? Return Predictability and Large Language Models [51.3422222472898]
  ニュース見出しを用いて,ChatGPTのような大規模言語モデル(LLM)の株価変動を予測する能力について述べる。 我々は,情報容量制約,過小反応,制限対アビタージュ,LLMを組み込んだ理論モデルを構築した。
  論文  参考訳（メタデータ） (2023-04-15T19:22:37Z)
• Volatility forecasting using Deep Learning and sentiment analysis [0.0]
  本稿では、市場ボラティリティを予測するための感情分析と深層学習を融合した複合モデルを提案する。 次に、過去の感情と前日の変動を利用して予測を行う合成予測モデル、Long-Short-Term-Memory Neural Network法について述べる。
  論文  参考訳（メタデータ） (2022-10-22T14:54:33Z)
• Bayesian Bilinear Neural Network for Predicting the Mid-price Dynamics in Limit-Order Book Markets [84.90242084523565]
  伝統的な時系列計量法は、価格力学を駆動する多層相互作用の真の複雑さを捉えることができないことが多い。 最先端の2次最適化アルゴリズムを採用することで、時間的注意を払ってベイジアン双線形ニューラルネットワークを訓練する。 予測分布を用いて推定パラメータとモデル予測に関連する誤差や不確実性を解析することにより、ベイズモデルと従来のML代替品を徹底的に比較する。
  論文  参考訳（メタデータ） (2022-03-07T18:59:54Z)
• Stock Price Prediction Under Anomalous Circumstances [81.37657557441649]
  本稿では,異常な状況下での株価の変動パターンを捉えることを目的とする。 ARIMAとLSTMのモデルは、シングルストックレベル、業界レベル、一般市場レベルでトレーニングします。 2016年から2020年にかけての100社の株価に基づいて、平均予測精度は98%に達した。
  論文  参考訳（メタデータ） (2021-09-14T18:50:38Z)
• Predicting Inflation with Recurrent Neural Networks [0.0]
  本稿では,リカレントニューラルネットワークLSTMを用いてインフレーションの予測を行う。 米国のデータによるエクササイズの結果は、推定されたニューラルネットが、一般的なベンチマークに対して競合するが、傑出したものではないことを示している。
  論文  参考訳（メタデータ） (2021-04-08T13:19:26Z)
• A Sentiment Analysis Approach to the Prediction of Market Volatility [62.997667081978825]
  金融ニュースとツイートから抽出された感情とFTSE100の動きの関係を調べました。 ニュース見出しから得られた感情は、市場のリターンを予測するシグナルとして使われる可能性があるが、ボラティリティには当てはまらない。 我々は,新たな情報の到着に応じて,市場の変動を予測するための正確な分類器を開発した。
  論文  参考訳（メタデータ） (2020-12-10T01:15:48Z)

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。