统一解读全球中央银行沟通的框架：万中心银行
计算与语言
2025-11-04 v2 人工智能
计算机与社会
计算金融
综合金融
摘要
全球中央银行在维护经济稳定方面发挥着关键作用。解读其沟通中的政策含义尤为重要，尤其是因为误解可能对脆弱群体产生不成比例的影响。为此，我们引入了世界中央银行（WCB）数据集，目前最全面的货币政策语料库，包含来自 25 个不同地区的 38 万余句中央银行言论，涵盖 28 年的历史数据。我们在所有可用年份对每个银行均匀抽样 1000 句话（共计 25 万句），并通过双标注员、异议解决及二级专家审核对每句话进行标注。我们定义了三个任务：立场检测、时间分类和不确定性估计，对每句话均进行三项标注。我们对七个预训练语言模型（PLM）和九个大型语言模型（LLM）（零-shot、few-shot 以及带标注指南）在这些任务上进行基准测试，完成 15,075 项基准实验。我们发现，在银行之间聚合数据训练的模型显著优于仅训练单个银行数据的模型，印证了“整体大于部分之和”的原则。此外，严格的人类评估、错误分析和预测任务均验证了该框架的经济实用性。我们的数据集可通过 HuggingFace 和 GitHub 在 CC-BY-NC-SA 4.0 许可证下公开。
引用
@article{arxiv.2505.17048,
title = {Words That Unite The World: A Unified Framework for Deciphering Central Bank Communications Globally},
author = {Agam Shah and Siddhant Sukhani and Huzaifa Pardawala and Saketh Budideti and Riya Bhadani and Rudra Gopal and Siddhartha Somani and Rutwik Routu and Michael Galarnyk and Soungmin Lee and Arnav Hiray and Akshar Ravichandran and Eric Kim and Pranav Aluru and Joshua Zhang and Sebastian Jaskowski and Veer Guda and Meghaj Tarte and Liqin Ye and Spencer Gosden and Rachel Yuh and Sloka Chava and Sahasra Chava and Dylan Patrick Kelly and Aiden Chiang and Harsit Mittal and Sudheer Chava},
journal= {arXiv preprint arXiv:2505.17048},
year = {2025}
}
备注
Accepted at NeurIPS 2025 (main conference)