変化に注目：大規模言語モデルを用いてFOMC声明から金融政策スタンスを解読する

要約：連邦公開市場委員会（FOMC）の声明は金融政策情報の主要な情報源であり、その表現のわずかなニュアンスの変化ですら世界の金融市場を動かすことがある。したがって、これらの文書に含まれるタカ派的な立場とハト派的な立場を測定することが中心的な課題となる。従来のアプローチはスタンス検出を標準的な分類問題として扱い、各声明を独立にラベル付けすることが多い。しかし、金融政策の伝達の解釈は本質的に相対的であり、市場の反応は発言のトーンだけでなく、そのトーンが会合を跨いでどのように変化するかにも依存する。我々はDelta-Consistent Scoring（DCS）を導入する。注釈不要のフレームワークであり、凍結された大規模言語モデル（LLM）の表現を絶対的なスタンスと会合間の相対的シフトを同時にモデル化することによって、連続的なスタンススコアへ写像する。DCSは手動のタカ派—ハト派ラベルに頼るのではなく、連続する会合を自己監督の源として用いる。各声明の絶対的なスタンススコアと、連続する声明間の相対的シフトスコアを学習する。デルタ整合性の目的関数は、絶対スコアの変化が相対的シフトに整合するよう促す。これにより、DCSは手動ラベルなしで時間的に一貫したスタンスの推移を回復できる。4つのLLMバックボーンにわたり、DCSは教師付きプローブおよびLLMをジャッジとして用いるベースラインを一貫して上回り、文レベルのタカ派—ハト派分類で最大71.1％の精度を達成する。得られた会合レベルのスコアも経済的に意味を持ち、インフレ指標と強く相関し、米国財務省証券の利回りの動きと有意に関連している。全体として、LLMの表現は相対的な時系列構造を介して回復できる金融政策信号をエンコードしていることを示唆している。