論文の概要: Modeling Hawkish-Dovish Latent Beliefs in Multi-Agent Debate-Based LLMs for Monetary Policy Decision Classification

• arxiv url: http://arxiv.org/abs/2511.02469v1
• Date: Tue, 04 Nov 2025 10:56:01 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-11-05 18:47:05.958947
• Title: Modeling Hawkish-Dovish Latent Beliefs in Multi-Agent Debate-Based LLMs for Monetary Policy Decision Classification
• Title（参考訳）: 金融政策決定分類のためのマルチエージェントデリバトに基づくLLMにおけるホーカーダビッシュ遅延信念のモデル化
• Authors: Kaito Takano, Masanori Hirano, Kei Nakagawa,
• Abstract要約: 本研究は,連邦公開市場委員会(Federal Open Market Committee)の集団意思決定プロセスを構造的に模倣する新しい枠組みを提案する。 各エージェントは、明確な初期信念から始まり、定性的なポリシーテキストと定量的マクロ経済指標の両方に基づいて予測を生成する。 反復的なラウンドを通じて、エージェントは他者のアウトプットを観察し、熟考とコンセンサスの形成をシミュレートすることで予測を改訂する。
• 参考スコア（独自算出の注目度）: 0.8666275811953877
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Accurately forecasting central bank policy decisions, particularly those of the Federal Open Market Committee(FOMC) has become increasingly important amid heightened economic uncertainty. While prior studies have used monetary policy texts to predict rate changes, most rely on static classification models that overlook the deliberative nature of policymaking. This study proposes a novel framework that structurally imitates the FOMC's collective decision-making process by modeling multiple large language models(LLMs) as interacting agents. Each agent begins with a distinct initial belief and produces a prediction based on both qualitative policy texts and quantitative macroeconomic indicators. Through iterative rounds, agents revise their predictions by observing the outputs of others, simulating deliberation and consensus formation. To enhance interpretability, we introduce a latent variable representing each agent's underlying belief(e.g., hawkish or dovish), and we theoretically demonstrate how this belief mediates the perception of input information and interaction dynamics. Empirical results show that this debate-based approach significantly outperforms standard LLMs-based baselines in prediction accuracy. Furthermore, the explicit modeling of beliefs provides insights into how individual perspectives and social influence shape collective policy forecasts.
• Abstract（参考訳）: 経済の不透明感が高まる中、中央銀行の政策決定、特に連邦公開市場委員会(FOMC)の正確な予測がますます重要になっている。 以前の研究では、金融政策のテキストを使ってレートの変化を予測するが、ほとんどの場合、政策決定の熟考的な性質を無視する静的な分類モデルに依存している。 本研究では,複数の大規模言語モデル(LLM)を相互作用エージェントとしてモデル化することにより,FOMCの集団意思決定プロセスを構造的に模倣する新しいフレームワークを提案する。 各エージェントは、明確な初期信念から始まり、定性的なポリシーテキストと定量的マクロ経済指標の両方に基づいて予測を生成する。 反復的なラウンドを通じて、エージェントは他者のアウトプットを観察し、熟考とコンセンサスの形成をシミュレートすることで予測を改訂する。 解釈可能性を高めるために、各エージェントの根底にある信念(例えば、ホーク語やドビッシュ語)を表す潜在変数を導入し、この信念が入力情報の認識と相互作用のダイナミクスをどのように仲介するかを理論的に示す。 実験結果から、この議論に基づくアプローチは予測精度において標準LLMのベースラインを大幅に上回っていることが示された。 さらに、信念の明示的なモデリングは、個人の視点と社会的影響が集団的な政策予測をどのように形成するかについての洞察を与える。

関連論文リスト

• When Modalities Conflict: How Unimodal Reasoning Uncertainty Governs Preference Dynamics in MLLMs [15.617378124319472]
  マルチモーダル大言語モデル(MLLM)は、異なるモーダルが矛盾する情報を提供する場合、競合を解決する必要がある。 本稿では,モダリティを,相対的推論の不確かさと本質的なモダリティ選好の2つの基本的要因に分解する新しい枠組みを導入する。
  論文  参考訳（メタデータ） (2025-11-04T04:11:31Z)
• 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)
• Your AI, Not Your View: The Bias of LLMs in Investment Analysis [62.388554963415906]
  金融において、Large Language Models (LLMs) は、事前訓練されたパラメトリック知識とリアルタイム市場データとの相違から生じる、頻繁な知識紛争に直面している。 これらの対立は、モデル固有のバイアスが制度的目的と誤認される現実世界の投資サービスにおいて特に問題となる。 本研究では,このような紛争シナリオにおける創発的行動を調べるための実験的枠組みを提案し,投資分析におけるバイアスの定量的分析を行う。
  論文  参考訳（メタデータ） (2025-07-28T16:09:38Z)
• 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)
• A Multi-LLM-Agent-Based Framework for Economic and Public Policy Analysis [0.0]
  本稿では,多言語モデル(LLM)を異種人工経済エージェントとして活用することにより,経済・公共政策分析の新しいアプローチを開拓する。 まず,2周期消費配分問題の解決において,LLMの5つの経済意思決定能力を評価した。 LLMを特定の教育グループとそれに対応する収入ブラケットにマッピングすることで、MLAB(Multi-LLM-Agent-Based)フレームワークを構築する。
  論文  参考訳（メタデータ） (2025-02-24T06:27:07Z)
• Evaluating Interventional Reasoning Capabilities of Large Language Models [58.52919374786108]
  大規模言語モデル(LLM)は意思決定タスクを自動化するために使用される。 本稿では,LPMが介入に応じてデータ生成プロセスの知識を正確に更新できるかどうかを評価する。 さまざまな因果グラフ(例えば、コンバウンディング、仲介)と変数タイプにまたがるベンチマークを作成します。 これらのベンチマークにより、LLMが事実を記憶したり、他のショートカットを見つけたりすることで、変化を正確に予測する能力を切り離すことができます。
  論文  参考訳（メタデータ） (2024-04-08T14:15:56Z)
• Predictive Churn with the Set of Good Models [61.00058053669447]
  本稿では,予測的不整合という2つの無関係な概念の関連性について考察する。 予測多重性(英: predictive multiplicity)は、個々のサンプルに対して矛盾する予測を生成するモデルである。 2つ目の概念である予測チャーン(英: predictive churn)は、モデル更新前後の個々の予測の違いを調べるものである。
  論文  参考訳（メタデータ） (2024-02-12T16:15:25Z)
• Can ChatGPT Forecast Stock Price Movements? Return Predictability and Large Language Models [48.87381259980254]
  我々は、ChatGPTのような大規模言語モデル(LLM)が、直接の金融トレーニングなしでニュースの見出しから株式市場の反応を予測する能力について文書化している。 GPT-4は、認識後カットオフの見出しを使って、最初の市場の反応を捉え、取引不能な初期反応に対して、ポートフォリオの1日当たりのヒット率を約90%達成している。
  論文  参考訳（メタデータ） (2023-04-15T19:22:37Z)

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。