論文の概要: Forecasting Intraday USD/CAD Exchange Rate with News-Derived Monetary-Policy Signals

• arxiv url: http://arxiv.org/abs/2609.32773v1
• Date: Sat, 26 Sep 2026 16:50:39 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-06 20:28:21.285368
• Title: Forecasting Intraday USD/CAD Exchange Rate with News-Derived Monetary-Policy Signals
• Title（参考訳）: ニュース配信通貨・政策信号による日内USD/CAD交換率の予測
• Abstract要約: 外国為替市場では、金融政策の発表や中央銀行のコミュニケーションが中心的な役割を担っている。 以前の研究では、金融ニュースから抽出された感情に主に焦点が当てられていた。 本稿では,金融・政治コミュニケーションを解釈可能なチャネルに分解する統計属性手法を提案する。
• 参考スコア（独自算出の注目度）: 0.18352113484137625
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Monetary-policy announcements and central-bank communications play a central role in foreign exchange markets, yet their qualitative, unstructured form makes their forecasting value difficult to quantify. While prior research has largely focused on sentiment extracted from financial news, comparatively little is known about the relative contribution of different dimensions of monetary-policy communication. Existing studies primarily evaluate whether textual information improves overall forecasting performance but provide limited insight into which communication channels drive such improvements. To address this gap, this paper introduces a statistical attribution methodology that decomposes monetary-policy communication into interpretable channels and quantifies their incremental forecasting contribution under false-discovery-rate control. Monetary-policy news is transformed into structured communication signals using large language models (LLMs) and temporal feature engineering. These signals are evaluated using rolling-window experiments with tree-based machine-learning models. The results show that monetary-policy communication contains measurable predictive information. Attribution analysis shows that predictive value is concentrated in a small subset of signals, with communication timing providing the strongest individual feature-level contribution, targeted communication-activity measures also contributing positively, and LLM-derived sentiment providing complementary information at the group level. The findings indicate that communication-based forecasting value extends beyond sentiment alone and that attribution, rather than aggregate accuracy alone, is central to evaluating news-derived signals.
• Abstract（参考訳）: 金融政策の発表や中央銀行のコミュニケーションは外国為替市場で中心的な役割を担っているが、その定性的で非構造的な形態は、その予測価値の定量化を困難にしている。 以前の研究では、金融ニュースから抽出された感情に主に焦点が当てられていたが、金融・政治コミュニケーションの異なる側面の相対的な貢献についてはあまり知られていない。 既存の研究は、テキスト情報によって全体の予測性能が向上するかどうかを主に評価するが、コミュニケーションチャネルがそのような改善を推進しているかについての限られた洞察を提供する。 このギャップに対処するため、本稿では、金融・政治コミュニケーションを解釈可能なチャネルに分解し、偽発見率制御の下でその漸進的な予測貢献を定量化する統計的帰属手法を提案する。 金融政策のニュースは、大きな言語モデル(LLM)と時間的特徴工学を用いて構造化された通信信号に変換される。 これらの信号は、ツリーベース機械学習モデルを用いたローリングウインドウ実験を用いて評価される。 その結果,金融と政治のコミュニケーションには測定可能な予測情報が含まれていることがわかった。 属性分析により、予測値は信号の小さなサブセットに集中しており、通信タイミングは、最も強い個々の特徴レベルのコントリビューションを提供し、標的となる通信活動対策も肯定的に寄与し、LLMに由来する感情は、グループレベルで相補的な情報を提供する。 以上の結果から,コミュニケーションに基づく予測値が感情のみに留まらず,報知に基づく信号評価の中心的存在であることが示唆された。

関連論文リスト

• Context-Integrated Adversarial Learning for Predictive Modelling of Stock Price Dynamics [0.0]
  本稿では,文脈に敏感な対人学習モデルを導入し,株価の予測を行う。 このアーキテクチャは、将来の価格変動をモデル化するために敵対的トレーニングを使用し、財務的なテキストデータから派生した文脈的感情特徴を取り入れている。 米国株式のサンプルを実験的に評価すると、提案手法が従来のARIMAおよびLSTMベースラインを様々な誤差の尺度で上回っていることが証明される。
  論文  参考訳（メタデータ） (2026-04-13T18:51:01Z)
• Event-Triggered Gossip for Distributed Learning [61.70659996356528]
  我々は,ノード間通信を減らすために,分散学習のためのイベントトリガー型ゴシップフレームワークを開発した。 従来のフルテキスト・オブ・ザ・アート分散学習法と比較して,bf71.61%を限界性能損失のみで分析する。
  論文  参考訳（メタデータ） (2026-02-22T10:13:43Z)
• Community Notes are Vulnerable to Rater Bias and Manipulation [75.34858521118305]
  本研究では,現実的なレーダやノートの振る舞いをモデル化したシミュレーションデータを用いて,コミュニティノートアルゴリズムの評価を行う。 このアルゴリズムは、真に有用な音符のかなりの部分を抑制することができ、レーダバイアスに非常に敏感である。
  論文  参考訳（メタデータ） (2025-11-04T14:39:34Z)
• Semantic Communication with Distribution Learning through Sequential Observations [0.3683202928838613]
  本稿では,セマンティックコミュニケーションにおける分布学習について検討する。 先行状況が不明な場合、ソース統計を学習するための基本的な条件を確立する。 即時セマンティックパフォーマンスに最適化された符号化方式は、長期学習性を犠牲にすることが多い。
  論文  参考訳（メタデータ） (2025-08-14T05:15:05Z)
• 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)
• 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)
• Networked Communication for Decentralised Agents in Mean-Field Games [59.01527054553122]
  平均フィールドゲームフレームワークにネットワーク通信を導入する。 当社のアーキテクチャは、中央集権型と独立した学習ケースの双方で保証されていることを証明しています。 ネットワーク化されたアプローチは、障害の更新や人口規模の変化に対する堅牢性という点において、両方の選択肢に対して大きなメリットがあることが示されています。
  論文  参考訳（メタデータ） (2023-06-05T10:45:39Z)
• 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)
• Fundamental Limits of Communication Efficiency for Model Aggregation in Distributed Learning: A Rate-Distortion Approach [54.311495894129585]
  本研究では,分散学習におけるモデルアグリゲーションの通信コストの限界について,速度歪みの観点から検討する。 SignSGDでは,ワーカノード間の相関を利用した通信利得が重要であることがわかった。
  論文  参考訳（メタデータ） (2022-06-28T13:10:40Z)
• 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。