페르소나 기반 금리 변동 예측 지수

A Persona-based Rate Action Index

본 연구에서는 공개적으로 이용 가능한 데이터를 활용하여 수집된 다양한 페르소나가 현재 시장 상황에 어떻게 반응하는지를 분석하고, 이를 바탕으로 미국 연방준비제도 위원회(FOMC)의 기준금리 인상/유지/인하 결정 예측 지수를 제안합니다. 이 지수 구축을 위해 약 25,000개의 데이터를 수집하고, 각 페르소나에 대한 데이터베이스를 구성했습니다. 우리는 먼저 페르소나의 식별 가능성과 감지 가능성이라는 두 가지 측면에서 평가를 진행했습니다. 각 페르소나의 행동은 높은 정확도로 설명될 수 있으며(평균 조건부 재현율은 8배), 생성된 콘텐츠는 실제 콘텐츠와 거의 구별할 수 없습니다(감지 확률 $\hat{\tau}_{\text{det}} = 0.23$, 최소값 0.15). 또한, 본 연구에서는 페르소나의 특징을 나타내는 표현이 기존의 '매우 강세-중립-비둘기'라는 평판 순서와 연관되어 있으며(Kendall's $\tau = 0.63$, $p < 0.001$), 단순 검색 기반 표현보다 훨씬 우수한 성능을 보인다는 것을 확인했습니다. 이러한 표현은 시간에 따라 변하고 현재 시장 상황에 영향을 받으며, 제안하는 페르소나 기반 금리 변동 예측 지수의 핵심 요소입니다. 2022년부터 2025년까지의 데이터를 분석한 결과, 이 지수는 금리 변동 추세를 비교적 정확하게 반영했습니다(Kendall's $\tau = 0.68$, $p < 10^{-6}$)으며, 각 회의 결과를 예측하는 간단한 분류기를 구축하여 상당한 수준의 정확도($0.69$ vs. 기본 정확도 $0.47$)를 달성할 수 있습니다. 또한, 제안하는 지수는 기존의 정보 기반 모델보다 우수한 성능을 보이며, 기준금리 변동 추세를 약 3분기 앞서 예측할 수 있습니다. 현재까지 알려진 바로는, 본 연구 결과가 디지털 페르소나를 활용하여 시간에 따라 변화하는 그룹 행동을 포착하는 첫 번째 사례입니다.

We propose an index for predicting the U.S.\ Federal Open Market Committee (FOMC) decision to hike/hold/cut the current federal funds target rate based on how a collection of personas responds to current market conditions. To construct the index, we collected a new dataset consisting of nearly $25{,}000$ retrievable chunks from publicly available data. We partition the data into per-member corpora and use each as the retrieval database of a generative system we refer to throughout as a ``persona''. We first evaluate the personas across two complementary components of likeness: identifiability and detectability. Each persona's behavior is highly attributable (average member-conditional recall is $ 8\times $ chance) and generated content is nearly indistinguishable from held-out real content ($\hatτ_{\mathrm{det}} = 0.23$ against a $0.15$ floor). We then present evidence that query-conditioned representations of the personas capture members' monetary-policy stance relative to a known hawk--dove reputational ordering (Kendall's $τ= 0.63$, $p < 0.001$), substantially outperforming retrieval-only representations. These representations vary with time and current market conditions and form the basis of our proposed persona-based rate action index. For the $2022$--$2025$ period the index tracks the rate cycle (Kendall's $τ= 0.68$, $p < 10^{-6}$) and can be used to construct a simple classifier that predicts per-meeting outcomes at non-trivial accuracy ($0.69$ versus a $0.47$ base rate). Importantly, the index outperforms informative baselines and leads the federal funds target rate by roughly three quarters. As far as we are aware, our results are the first to demonstrate the ability to capture time-varying group behavior via a collection of digital personas.