FedSight AI: 联合主体框架架构用于联邦基金目标利率预测
综合金融
2025-12-19 v1 人工智能
摘要
联邦开放市场委员会(FOMC)设定联邦基金利率，塑造货币政策和更广泛的经济。我们引入FedSight AI, 一种使用大语言模型(LLM)模拟 FOMC deliberations 以预测政策结果的多主体框架。成员主体分析结构化指标和非结构化输入(如 Beige Book), 进行辩论, 投票, 复制委员会的推理过程。Chain-of-Draft(CoD)扩展进一步提高了效率和准确性, 通过强制简洁的多阶段推理。我们在2023-2024年会议上进行评估, FedSight CoD 实现了93.75%的准确率和93.33%的稳定性, 优于包括MiniFed和Ordinal Random Forest(RF)在内的基准模型, 并提供了透明的推理, 与真实 FOMC 沟通保持一致。
引用
@article{arxiv.2512.15728,
title = {FedSight AI: Multi-Agent System Architecture for Federal Funds Target Rate Prediction},
author = {Yuhan Hou and Tianji Rao and Jeremy Tan and Adler Viton and Xiyue Zhang and David Ye and Abhishek Kodi and Sanjana Dulam and Aditya Paul and Yikai Feng},
journal= {arXiv preprint arXiv:2512.15728},
year = {2025}
}
备注
NeurIPS 2025 Generative AI in Finance Workshop