加载中...
本文提出FedSight AI:基于多主体LLM的FOMC决策模拟框架,通过整合结构化经济指标与非结构化文本(如Beige Book与Dot Plot)来复现委员会讨论、辩论与投票流程,从而生成可解释的政策预测;引入Chain-of-Draft (CoD)以强制简洁多阶段推理,显著提升效率与准确性(在2023–2024会议回测中CoD达93.75%准确率与93.33%稳定性),并在多项指标上优于MiniFed与Ordinal RF 。
| Metric | FedSight AI | FedSight ICL | FedSight CoD |
|---|---|---|---|
| Total Accuracy (%) | 87.50 | 87.50 | 93.75 |
| Agent Accuracy (%) | 78.13 | 80.63 | 90.22 |
| Votes Stability (%) | 86.67 | 88.54 | 93.33 |
| Similarity (%) | 74.58 | 72.72 | 73.82 |
| Average Tokens | 75,724 | 81,303 | 60,464 |
| MAE | 0.0313 | 0.0313 | 0.0156 |
| 项目 | 说明 |
|---|---|
| 测试区间 | 2023-2024,共16次预定会议(9 hold,3 cut,4 hike) |
| 输入类型 | 结构化指标(通胀、货币指标、经济活动、政治环境、过去决策、市场预期)+ 非结构化文本(Beige Book、Dot Plot、FedWatch) |
元数据与概览(引言与报告概览)
逐节深度解读
图表深度解读(逐个图表与表格分析)
估值分析(非适用项说明)
风险因素评估(基于报告识别的风险)
批判性视角与细微差别
结论性综合
附注(可操作建议)
(全文基于报告原文条目逐节解读与图表解析;上述引用均标注出原文页码以便溯源。)
2512.15728.pdf