Ornithologist: Towards Trustworthy "Reasoning" about Central Bank Communications
作者: Dominic Zaun Eu Jones
分类: econ.GN, cs.CL
发布日期: 2025-05-14
备注: 16 pages, 6 figures
💡 一句话要点
Ornithologist：一种基于弱监督和决策树的中央银行沟通内容分析系统
🎯 匹配领域: 支柱九：具身大模型 (Embodied Foundation Models)
关键词: 文本分类 弱监督学习 大型语言模型 决策树 中央银行沟通 鹰派/鸽派倾向 金融市场分析
📋 核心要点
- 现有文本分类方法在分析中央银行沟通内容时，存在透明性不足、可解释性差以及需要大量标注数据的问题。
- Ornithologist通过引入人工设计的决策树，引导大型语言模型进行推理，从而提高系统的透明性和可解释性，并降低对大量标注数据的依赖。
- Ornithologist在分析澳大利亚储备银行的沟通内容时，能够有效预测未来的现金利率路径和市场预期。
📝 摘要（中文）
本文提出了一种名为Ornithologist的弱监督文本分类系统，用于衡量中央银行文本的鹰派和鸽派倾向。Ornithologist采用“taxonomy-guided reasoning”，即利用人工设计的决策树来引导大型语言模型，从而提高系统的透明性和可解释性，使其对非专业人士也易于理解，并降低幻觉风险。由于它比传统的分类系统需要更少的监督，因此可以更容易地应用于其他问题或文本来源（例如新闻），而无需进行太多修改。对澳大利亚储备银行（RBA）沟通内容的鹰派和鸽派倾向的Ornithologist测量结果，包含了关于未来现金利率路径和市场预期的信息。
🔬 方法详解
问题定义：论文旨在解决中央银行沟通内容（如新闻稿、讲话等）的鹰派/鸽派倾向性分析问题。现有方法，特别是传统的文本分类方法，通常需要大量的标注数据，且模型的可解释性较差，难以让非专业人士理解其决策过程。此外，大型语言模型直接应用于此类任务时，容易出现幻觉问题，产生不准确或不相关的结果。
核心思路：论文的核心思路是利用“taxonomy-guided reasoning”，即使用人工设计的决策树（taxonomy）来引导大型语言模型进行推理。决策树定义了鹰派/鸽派倾向的判断规则，大型语言模型则负责提取文本中的相关信息，并根据决策树进行判断。这种方法结合了人类专家的知识和大型语言模型的强大能力，提高了系统的透明性和可解释性，并降低了幻觉风险。
技术框架：Ornithologist系统的整体框架包括以下几个主要步骤：1) 文本输入：输入中央银行的沟通文本。2) 信息提取：使用大型语言模型从文本中提取与鹰派/鸽派倾向相关的关键信息。3) 决策树推理：根据预先定义好的决策树，利用提取的信息进行推理，判断文本的鹰派/鸽派倾向。4) 结果输出：输出文本的鹰派/鸽派倾向性得分。
关键创新：该论文最重要的技术创新点在于将人工设计的决策树与大型语言模型相结合，实现了一种弱监督的文本分类方法。与传统的监督学习方法相比，Ornithologist只需要少量标注数据，甚至可以完全依赖人工设计的决策树。与直接使用大型语言模型相比，Ornithologist通过决策树的引导，提高了系统的透明性和可解释性，并降低了幻觉风险。
关键设计：决策树的设计是关键。决策树的节点通常对应于一些关键的经济指标或政策信号，例如“是否提到通货膨胀”、“是否暗示加息”等。每个节点都有明确的判断规则，例如“如果提到通货膨胀，则倾向于鹰派”。大型语言模型需要能够准确地从文本中提取这些关键信息，并将其输入到决策树中进行推理。损失函数的设计未知，因为是弱监督方法，可能没有显式的损失函数。
🖼️ 关键图片
📊 实验亮点
Ornithologist在分析澳大利亚储备银行的沟通内容时，能够有效预测未来的现金利率路径和市场预期。具体而言，Ornithologist的鹰派/鸽派倾向性得分与未来的现金利率变化之间存在显著的相关性。此外，Ornithologist的预测结果也与市场预期高度一致，表明该系统能够准确反映市场对中央银行政策的解读。
🎯 应用场景
Ornithologist可应用于金融市场分析、政策评估和舆情监控等领域。它可以帮助投资者和政策制定者更好地理解中央银行的政策意图，预测未来的利率走势，并评估政策的效果。此外，该系统还可以用于监控新闻媒体对中央银行政策的解读，及时发现和纠正不准确的信息。
📄 摘要（原文）
I develop Ornithologist, a weakly-supervised textual classification system and measure the hawkishness and dovishness of central bank text. Ornithologist uses ``taxonomy-guided reasoning'', guiding a large language model with human-authored decision trees. This increases the transparency and explainability of the system and makes it accessible to non-experts. It also reduces hallucination risk. Since it requires less supervision than traditional classification systems, it can more easily be applied to other problems or sources of text (e.g. news) without much modification. Ornithologist measurements of hawkishness and dovishness of RBA communication carry information about the future of the cash rate path and of market expectations.