FMPAF：美联储主席如何影响金融市场？一种基于其语言的细粒度货币政策分析框架
计算与语言
2024-03-12 v1 人工智能
计算工程、金融与科学
摘要
央行沟通的有效性是货币政策传导的关键方面。虽然最近的研究考察了美联储主席的政策沟通对各种金融变量的影响，但大部分文献在解析主席语言时依赖于基于规则或基于词典的方法，从而将包含在非语言情绪中的关于政策立场的细微信息排除在分析之外。在本研究中，我们提出了细粒度货币政策分析框架 (FMPAF)，这是一种将大语言模型 (LLMs) 与回归分析相结合的新方法，旨在全面分析美联储主席新闻发布会沟通对金融市场的影响。我们在不同的粒度级别、模态和沟通场景下对模型性能进行了广泛比较。基于我们首选的规格，情绪得分每增加一个单位，标准普尔 500 指数交易所交易基金 (S&P 500 ETF) 的价格相应上涨约 500 个基点，政策利率下降 15 个基点，而汇率未出现显著反应。
引用
@article{arxiv.2403.06115,
title = {FMPAF: How Do Fed Chairs Affect the Financial Market? A Fine-grained Monetary Policy Analysis Framework on Their Language},
author = {Yayue Deng and Mohan Xu and Yao Tang},
journal= {arXiv preprint arXiv:2403.06115},
year = {2024}
}
备注
accepted by AAAI 2024 Workshop: AI in Finance for Social Impact