Представление FedLock как современного метода оценки монетарной риторики с использованием больших языковых моделей

Введение в измерение настроений в обширных текстовых корпусах представляет значительный интерес для бизнеса и инвесторов, особенно в сфере монетарной политики. Экономисты тщательно изучают высказывания представителей центральных банков, чтобы выявить сигналы о будущих изменениях процентных ставок. В рамках эксперимента по применению больших языковых моделей для таких задач разработан проект FedLock, предназначенный для анализа речей Федеральной резервной системы.

Ранее в этом году был создан проект Havelock, который использует лексический подход, описанный в книге Уолтера Онга "Оральность и грамотность", для определения, насколько текст ближе к устной или письменной форме. Для Havelock потребовалось создание обучающих данных, поскольку готовых наборов текстов, разделенных по шкале Онга, не существовало. В качестве первого шага были загружены тысячи текстов из источников вроде Project Gutenberg и страниц обсуждений Википедии, после чего большая языковая модель оценивала их по шкале от 1 до 100, где 100 соответствовало наиболее устной форме.

Однако оценки часто группировались на крайних значениях, таких как 80 или 20, оставляя пробелы в середине спектра. В результате был применен альтернативный метод: модель сравнивала пары случайных текстов из корпуса, определяя, какой из них более устный по рамкам Онга. После тысяч таких сравнений сформировался полный спектр, где абстракты научных статей и юридические документы получали высокие показатели грамотности, случайные публикации в блогах занимали средние позиции, а тексты от Гомера до стендап-комедий оценивались как высокоустные. На основе этих данных была обучена модель для распознавания различий.

После этого возникла идея адаптировать подход для анализа коммуникаций центральных банков. Хотя значительные выводы о стилях речи в кризисные периоды пока не получены, отмечено, что президенты региональных резервных банков склонны к более устному стилю по сравнению с председателями или губернаторами. Далее турнирная модель была использована для позиционирования речей на известной шкале ястреб-голубь в монетарной политике.

Для этого собраны речи членов Федерального комитета по открытым рынкам (FOMC) за последние 30 лет, исключены нерелевантные монетарной политике, и модель (Gemini Flash) сравнивала пары речей, учитывая экономические условия того времени. Имена спикеров удалялись для избежания предвзятости. После 65 000 сравнений образовался спектр от наименее до наиболее ястребиных речей, преобразованный в шкалу 1-100.

Сглаживание оценок позволяет создать временной ряд, отражающий общий настрой FOMC. Этот индикатор коррелирует с общими сдвигами, такими как правило Тейлора, хотя его точность не доказана. Основная цель проекта — изучение возможностей больших языковых моделей, а не углубление в политику ФРС.

Подобный метод может применяться для анализа стенограмм конференц-звонков компаний по уверенности менеджмента, силе ценообразования или агрегированному спросу, извлекая полезные сигналы. Проект доступен для тестирования, и обратная связь приветствуется для улучшений. Стоимость добавления новой речи составляет около цента-двух.