論文の概要: Mind the Shift: Decoding Monetary Policy Stance from FOMC Statements with Large Language Models

• arxiv url: http://arxiv.org/abs/2603.14313v1
• Date: Sun, 15 Mar 2026 10:07:28 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-03-17 16:19:35.739831
• Title: Mind the Shift: Decoding Monetary Policy Stance from FOMC Statements with Large Language Models
• Title（参考訳）: Mind the Shift: 大規模言語モデルによるFOMCのステートメントから通貨政策スタンスをデコードする
• Authors: Yixuan Tang, Yi Yang,
• Abstract要約: 連邦公開市場委員会(FOMC)の声明は金融政治情報の主要な源であり、その言葉の微妙な変更さえもグローバル金融市場を動かす可能性がある。 既存のアプローチは通常、スタンス検出を標準分類問題として扱い、それぞれのステートメントを個別にラベル付けする。 我々は,凍結した大言語モデル(LLM)表現を連続的なスタンススコアにマッピングするアノテーションのないフレームワークであるDelta-Consistent Scoring (DCS)を紹介した。
• 参考スコア（独自算出の注目度）: 12.949322198287417
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Federal Open Market Committee (FOMC) statements are a major source of monetary-policy information, and even subtle changes in their wording can move global financial markets. A central task is therefore to measure the hawkish--dovish stance conveyed in these texts. Existing approaches typically treat stance detection as a standard classification problem, labeling each statement in isolation. However, the interpretation of monetary-policy communication is inherently relative: market reactions depend not only on the tone of a statement, but also on how that tone shifts across meetings. We introduce Delta-Consistent Scoring (DCS), an annotation-free framework that maps frozen large language model (LLM) representations to continuous stance scores by jointly modeling absolute stance and relative inter-meeting shifts. Rather than relying on manual hawkish--dovish labels, DCS uses consecutive meetings as a source of self-supervision. It learns an absolute stance score for each statement and a relative shift score between consecutive statements. A delta-consistency objective encourages changes in absolute scores to align with the relative shifts. This allows DCS to recover a temporally coherent stance trajectory without manual labels. Across four LLM backbones, DCS consistently outperforms supervised probes and LLM-as-judge baselines, achieving up to 71.1% accuracy on sentence-level hawkish--dovish classification. The resulting meeting-level scores are also economically meaningful: they correlate strongly with inflation indicators and are significantly associated with Treasury yield movements. Overall, the results suggest that LLM representations encode monetary-policy signals that can be recovered through relative temporal structure.
• Abstract（参考訳）: 連邦公開市場委員会(FOMC)の声明は金融政治情報の主要な源であり、その言葉の微妙な変更さえもグローバル金融市場を動かす可能性がある。 したがって、中心的な課題は、これらの文書で伝えられるタカ派的姿勢を測定することである。 既存のアプローチは通常、スタンス検出を標準分類問題として扱い、それぞれのステートメントを個別にラベル付けする。 しかし、金融と政治のコミュニケーションの解釈は本質的に相対的であり、市場反応は声明のトーンだけでなく、会議全体のトーンの変化にも依存する。 絶対的なスタンスと相対的な間移動を共同でモデル化することにより,凍結した大言語モデル(LLM)表現を連続的なスタンススコアにマッピングする,アノテーションのないフレームワークであるDelta-Consistent Scoring (DCS)を紹介した。 タカ派手なラベルに頼るのではなく、DCSは連続的なミーティングを自己監督の源としている。 各文に対する絶対的なスタンススコアと、連続する文間の相対的なシフトスコアを学習する。 デルタ一貫性の目的は、絶対スコアの変化を相対シフトに合わせるように促す。 これにより、DCSは手動ラベルなしで時間的に一貫性のある姿勢軌跡を復元できる。 LLMのバックボーンは4つあり、DCSは監督プローブとLCM-as-judgeベースラインを常に上回り、文レベルのホーク・ドビッシュ分類で71.1%の精度で達成している。 それらはインフレ指標と強く相関しており、大蔵省の利回り運動と大きく関連している。 以上の結果から,LLM表現は相対時間構造を通して回復可能な金融・政治信号を符号化していることが示された。

関連論文リスト

• From Global to Granular: Revealing IQA Model Performance via Correlation Surface [83.65597122328133]
  我々は, IQA 性能の構造化, きめ細かな解析を行う textbfGranularity-Modulated correlation (GMC) を提案する。 GMCにはtextbfDistribution Regulatorが含まれており、相関関係を規則化し、非均一な品質分布からのバイアスを軽減する。 標準ベンチマークの実験では、GCCはスカラーメトリクスに見えないパフォーマンス特性を示し、IQAモデルを分析、比較、デプロイするためのより情報に富んだ信頼性の高いパラダイムを提供する。
  論文  参考訳（メタデータ） (2026-01-29T13:55:26Z)
• All That Glisters Is Not Gold: A Benchmark for Reference-Free Counterfactual Financial Misinformation Detection [67.89888669159899]
  RFC Benchは、現実的なニュースの下で財務的な誤情報に関する大規模な言語モデルを評価するためのベンチマークである。 このベンチマークでは、2つの補完的なタスクが定義されている。
  論文  参考訳（メタデータ） (2026-01-07T18:18:28Z)
• History Rhymes: Macro-Contextual Retrieval for Robust Financial Forecasting [1.8911049192403768]
  我々は、歴史的に類似したマクロ経済体制において、各予測を基礎づける検索強化予測フレームワークであるマクロコンテキスト検索を導入する。 AAPL (2024) と XOM (2024) の17年間のS&P 500データ(2007-2023) をトレーニングし, CV と OOD のパフォーマンスギャップを一貫して狭めている。 金融史は繰り返しではなく、しばしば韻律である」という原則を運用することにより、マクロ認識検索が分布変化の下で頑健で説明可能な予測をもたらすことを示す。
  論文  参考訳（メタデータ） (2025-11-12T21:34:23Z)
• COMPASS: Context-Modulated PID Attention Steering System for Hallucination Mitigation [2.1521364454860525]
  モデルベースのフィードバックループをデコードに直接埋め込む軽量で解釈可能な制御フレームワークを導入する。 本研究では,PIDコントローラが動的にアテンションヘッドを変調して,リトレーニングやマルチパス復号を行うことなく,現実の一貫性を維持することを示す。
  論文  参考訳（メタデータ） (2025-11-05T05:30:28Z)
• HAVE: Head-Adaptive Gating and ValuE Calibration for Hallucination Mitigation in Large Language Models [29.677280135028436]
  LLM(Large Language Models)は、検索強化または長文生成において幻覚を生じることが多い。 HAVE(Head-Adaptive Gating and ValuE)は,頭部重みと生の注意重みに対処するパラメータフリーデコードフレームワークである。 HAVEは一貫して幻覚を減らし、DAGCDを含む強力なベースラインをわずかに上回っている。
  論文  参考訳（メタデータ） (2025-09-08T12:06:09Z)
• 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)
• Distributed Marker Representation for Ambiguous Discourse Markers and Entangled Relations [50.31129784616845]
  我々は、無制限の談話マーカーデータと潜在談話感覚を利用して分散マーカ表現(DMR)を学習する。 提案手法は,対話マーカー間の複雑なあいまいさや絡み合いや,手動で定義した談話関係を理解する上でも有用である。
  論文  参考訳（メタデータ） (2023-06-19T00:49:51Z)
• AmbiFC: Fact-Checking Ambiguous Claims with Evidence [57.7091560922174]
  実世界の情報ニーズから10kクレームを抽出したファクトチェックデータセットであるAmbiFCを提示する。 アンビFCの証拠に対する主張を比較する際に,曖昧さから生じる不一致を分析した。 我々は,このあいまいさをソフトラベルで予測するモデルを開発した。
  論文  参考訳（メタデータ） (2021-04-01T17:40:08Z)

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。