Aug 7, 2026 · Copom
Reading Copom's Tone: A Weighted LLM Framework for Hawkish-Dovish Sentiment, Forward Guidance, and Uncertainty
论文提出一个加权LLM框架，用于衡量巴西货币政策委员会（Copom）声明的鹰鸽情绪、前瞻指引和不确定性。样本为2016年8月至2026年8月5日的80份声明和1498个句子，其中33.3%鹰派、18.0%鸽派、42.1%中性、6.5%无关。平均文档得分+0.107，最鹰派为2021年8月的+0.570。
EVENT STORY
Development
- First ReportReading Copom's Tone: A Weighted LLM Framework for Hawkish-Dovish Sentiment, Forward Guidance, and UncertaintyarXiv cs.AI
- Current Assessment该研究展示了LLM在金融领域特定任务中的应用，可能推动金融机构采用类似工具进行政策分析。可验证信号是其他银行或机构是否跟进类似方法。Agent Pulse · analysis
该论文介绍了一个应用自然语言处理框架，用于衡量巴西货币政策委员会（Copom）声明的基调。项目明确受Itaú的iSent中央银行情绪分类器启发，该分类器将官方沟通按句子分为鹰派、鸽派、中性和无关类别。实现扩展了三个方向：LLM识别短鹰鸽表达并分配0-1强度权重；文档指数结合句子计数和平均信号强度，产生-1到1的分数；单独的全文档层衡量前瞻指引方向、指引明确性、不确定性水平及变化。实证样本限于2016年8月及以后的通讯，包含80份声明和1498个分类句子。
该框架通过句子级分类和加权强度，将LLM用于金融文本情绪分析，可能提高政策沟通解读的粒度。可验证的下一步是检查其在不同央行声明上的泛化能力。
该研究展示了LLM在金融领域特定任务中的应用，可能推动金融机构采用类似工具进行政策分析。可验证信号是其他银行或机构是否跟进类似方法。
对于金融机构，该框架可自动化政策声明解读，节省人力并提高一致性。可验证的价值是机构是否采用或改进此方法。
未来可能看到更多针对特定领域（如央行沟通）的LLM微调或提示工程，以提高情绪分析的准确性。可观察的指标是相关论文或产品的出现。