論文の概要: Enhancing Regime Shift Detection Using Unstructured Data: A Study on the Treasury Market
- arxiv url: http://arxiv.org/abs/2605.30363v1
- Date: Sun, 17 May 2026 15:24:53 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-06-07 20:42:22.493399
- Title: Enhancing Regime Shift Detection Using Unstructured Data: A Study on the Treasury Market
- Title（参考訳）: 非構造データを用いたレジームシフト検出の強化:財務市場に関する研究
- Abstract要約: 金融市場のレジームシフトは、資産価格とマクロ変数のジョイントダイナミクスを再編成する。
データ信号が騒々しく、重厚なマルチコリニアであるため、確実な検出は困難である。
本稿では,中央銀行間通信における大言語モデル(LLM)と金融時系列の統計的検証を併用したテキスト強化型状態シフト検出パイプラインを提案する。
- 参考スコア（独自算出の注目度）: 6.90450060992709
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Regime shifts in financial markets reorganise the joint dynamics of asset prices and macro variables, breaking any single-regime calibration. They are nonetheless difficult to detect reliably because the data signal is noisy and heavily multicollinear, while the contemporaneous text that announces them is unstructured. Standard regime shift detection methods rely solely on structured time-series data and ignore policy communications, even though these texts often signal shifts before they materialise in observed prices. We propose a text-enhanced regime shift detection pipeline that combines large language model (LLM) reasoning over central-bank communications with statistical validation on multivariate financial time series. The framework is detector-agnostic: text-proposed candidates are validated using a bootstrap likelihood-ratio test on a vector autoregression (VAR), while data-driven candidates from arbitrary regime detectors are ratified through a lenient LLM text check. We evaluate the framework on 2010-2024 FOMC minutes paired with a 14-variable U.S. Treasury and macroeconomic panel, using four interchangeable data-driven detectors. The proposed pipeline achieves F1 = 0.82 against a verified anchor list of monetary-policy regime shifts, with same-day modal detection latency and consistently stronger performance than pure data-driven baselines. The results demonstrate that combining unstructured policy text with statistical structural-break detection improves the robustness and interpretability of regime shift identification in financial markets.
- Abstract（参考訳）: 金融市場のレジームシフトは、資産価格とマクロ変数のジョイントダイナミクスを再編成し、単一レジームキャリブレーションを破る。
それにもかかわらず、データ信号がうるさくて重厚な多重線形であるため、確実に検出することは困難である。
標準の政権シフト検出方法は、構造化された時系列データのみに依存し、政策コミュニケーションを無視する。
本稿では,多変量金融時系列の統計検証と中央銀行間通信における大言語モデル(LLM)の推論を併用したテキスト強調型状態シフト検出パイプラインを提案する。
テキスト提案候補は、ベクトル自己回帰(VAR)におけるブートストラップ確率比テスト(ブートストラップ確率比)を用いて検証され、任意のレギュレータからのデータ駆動候補は、寛大なLCMテキストチェックによって承認される。
4つの交換可能なデータ駆動検出器を用いて,2010-2024 FOMC分を14変数の米国財務省とマクロ経済パネルと組み合わせて評価した。
提案したパイプラインは、F1 = 0.82で、金融・政治体制シフトの検証済みアンカーリストに対して達成され、同日のモーダル検出レイテンシと、純粋なデータ駆動ベースラインよりも一貫してパフォーマンスが向上する。
その結果,非構造化政策テキストと統計的構造破壊検出を組み合わせることで,金融市場における制度シフト識別の堅牢性と解釈性が向上することが示唆された。
関連論文リスト
- Multi-Level Contextual Token Relation Modeling for Machine-Generated Text Detection [105.1403233464793]
機械生成テキスト(MGT)は偽情報やフィッシングなどのリスクを生じさせ、信頼性の高い検出の必要性を強調する。
MGTの統計的に区別可能な特徴を抽出するメトリックベース法は、複雑なモデルベース法よりも実用的であることが多い。
MGT検出のための多レベルコンテキストトークン関係モデリングフレームワークを提案する。
論文 参考訳（メタデータ） (2026-05-15T15:55:58Z) - Membership Inference for Contrastive Pre-training Models with Text-only PII Queries [8.524434324715857]
UMID(Unimodal Membership Inference Detector)は、テキストのみの監査フレームワークである。
多様なCLIPおよびCLAPアーキテクチャによる実験により、UMIDは以前のMIAよりも有効性と効率を著しく向上することが示された。
論文 参考訳（メタデータ） (2026-03-15T04:53:39Z) - Beyond Raw Detection Scores: Markov-Informed Calibration for Boosting Machine-Generated Text Detection [105.14032334647932]
機械生成テキスト(MGT)は偽情報やフィッシングなどのリスクを生じさせ、信頼性の高い検出の必要性を強調している。
MGTの統計的に区別可能な特徴を抽出するメトリックベース法は、オーバーフィットしがちな複雑なモデルベース法よりも実用的であることが多い。
本稿では,2つのコンテキスト検出スコアの関係をモデル化したマルコフ情報を用いたスコアキャリブレーション手法を提案する。
論文 参考訳（メタデータ） (2026-02-08T16:06:12Z) - A System for Name and Address Parsing with Large Language Models [0.0]
本稿では,フリーテキストレコードを微調整なしで一貫した17フィールドスキーマに変換する,プロンプト駆動型検証中心フレームワークを提案する。
不均一な実世界のアドレスデータに対する評価は、高いフィールドレベルの精度、強いスキーマ順守、安定した信頼度キャリブレーションを示す。
論文 参考訳（メタデータ） (2026-01-25T22:19:47Z) - 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) - Revisiting Multivariate Time Series Forecasting with Missing Values [65.30332997607141]
現実の時系列では欠落値が一般的である。
現在のアプローチでは、計算モジュールを使用して、不足した値を補う、計算済みの予測フレームワークが開発されている。
このフレームワークは、致命的な問題を見落としている: 欠落した値に対して基礎的な真理は存在せず、予測精度を劣化させる可能性のあるエラーの影響を受けやすいようにしている。
本稿では,Information Bottleneck原則に基づく新しいフレームワークであるConsistency-Regularized Information Bottleneck(CRIB)を紹介する。
論文 参考訳（メタデータ） (2025-09-27T20:57:48Z) - Check Field Detection Agent (CFD-Agent) using Multimodal Large Language and Vision Language Models [7.836288735110501]
自動チェックフィールド検出のための新しいトレーニングフリーフレームワークを提案する。
当社のアプローチでは,チェックコンポーネントのゼロショット検出が可能で,実世界の金融環境におけるデプロイメントの障壁を大幅に低減する。
論文 参考訳（メタデータ） (2025-09-22T20:43:59Z) - WATCH: Adaptive Monitoring for AI Deployments via Weighted-Conformal Martingales [22.789611187514975]
非パラメトリックシーケンシャルテストのメソッド -- 特にコンフォーマルテストマーチンチャル(CTM)と任意の時間価推論 -- は、この監視タスクに有望なツールを提供する。
既存のアプローチは、限られた仮説クラスやアラーム基準の監視に限られています。」
論文 参考訳（メタデータ） (2025-05-07T17:53:47Z) - Advancing Anomaly Detection: Non-Semantic Financial Data Encoding with LLMs [49.57641083688934]
本稿では,Large Language Models (LLM) 埋め込みを用いた財務データにおける異常検出の新しい手法を提案する。
実験により,LLMが異常検出に有用な情報をもたらし,モデルがベースラインを上回っていることが確認された。
論文 参考訳（メタデータ） (2024-06-05T20:19:09Z) - Change Point Detection in Time Series Data using Autoencoders with a
Time-Invariant Representation [69.34035527763916]
変化点検出(CPD)は、時系列データにおける急激な特性変化を見つけることを目的としている。
近年のCDD法は、深層学習技術を用いる可能性を示したが、信号の自己相関統計学におけるより微妙な変化を識別する能力に欠けることが多い。
我々は、新しい損失関数を持つオートエンコーダに基づく手法を用い、使用済みオートエンコーダは、CDDに適した部分的な時間不変表現を学習する。
論文 参考訳（メタデータ） (2020-08-21T15:03:21Z)
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。