arXiv cs.CL· Yixuan Tang, Yi Yang·· 2 天前AI 评分22
用大语言模型从 FOMC 声明中解码货币政策立场：Delta-Consistent Scoring 框架
Mind the Shift: Decoding Monetary Policy Stance from FOMC Statements with Large Language Models
AI 导读
研究者提出 Delta-Consistent Scoring（DCS），一种无需人工标注的框架，将冻结的大语言模型表示映射为连续立场分数，同时建模声明的绝对立场与相邻会议间的相对变化。在四个 LLM 主干上，DCS 持续优于监督探针和 LLM-as-judge 基线，句级鹰派—鸽派分类准确率最高达 71.1%。其会议级分数与通胀指标高度相关，并与美国国债收益率变动显著关联。
正文 · AI 翻译
摘要：联邦公开市场委员会（FOMC）声明是货币政策信息的主要来源，其措辞的细微变化都可能影响全球金融市场。因此，一项核心任务是衡量这些文本所传达的鹰派—鸽派立场。现有方法通常将立场检测视为标准分类问题，孤立地为每份声明打标签。然而，货币政策沟通的解读本质上是相对的：市场反应不仅取决于声明的基调，还取决于该基调在历次会议之间如何变化。我们提出 Delta-Consistent Scoring（DCS），这是一个无需标注的框架，通过联合建模绝对立场与会议间的相对变化，将冻结的大语言模型（LLM）表示映射为连续的立场分数。DCS 不依赖人工鹰派—鸽派标签，而是以连续会议作为自监督来源。它为每份声明学习一个绝对立场分数，并为连续声明之间学习一个相对变化分数。一个 delta 一致性目标鼓励绝对分数的变化与相对变化保持一致。这使得 DCS 无需人工标签即可恢复出时间上连贯的立场轨迹。在四个 LLM 主干模型上，DCS 始终优于监督探针和 LLM-as-judge 基线，在句子级鹰派—鸽派分类上最高达到 71.1% 的准确率。由此得到的会议级分数也具有经济意义：它们与通胀指标高度相关，并与国债收益率变动显著相关。总体而言，结果表明 LLM 表示编码了货币政策信号，这些信号可以通过相对时间结构被恢复出来。
| Subjects: | 计算与语言（cs.CL） |
| 引用为： | arXiv:2603.14313 [cs.CL] |
| （或 arXiv:2603.14313v2 [cs.CL] 用于此版本） | |
| https://doi.org/10.48550/arXiv.2603.14313 arXiv 颁发的 DOI，经由 DataCite |
提交历史
来自：Yixuan Tang [查看邮箱]
[v1]
2026年3月15日星期日 10:07:28 UTC（58 KB）
[v2]
2026年10月15日星期四 08:57:59 UTC（544 KB）
来源：arXiv cs.CL · arxiv.org