我们想让你知道的是 :
每期 FOMC 会议往往都是市场关注的焦点，M平方近期切入 AI 研究，首部曲特别运用 AI 技术对美联储声明稿进行文字解读分析，提供量化数据解析，让您可以快速掌握美联储货币政策与经济看法。下方图表均可收藏，我们也将继续在这方面进行研究与突破。

本文重点：

  1. OpenAI 提供的 Embedding API 能够将文本转换为向量表示，并且使相似的文字在向量空间中的距离更近，可应用于搜索、聚类、推荐、异常检测、多样性测量、分类等领域。

  2. 透过 OpenAI，我们可以看见 Fed 显示目前仍在升息循环中，不过自从 2 月美联储传递升息接近尾声讯号后，态度便有慢慢转变的迹象。财经Ｍ平方也编製 MM 美联储声明稿鹰鸽指数 、MM 美联储声明稿乐观指数 ，让用户能一目了然透过技术窥探美联储的态度。

  3. 鹰鸽指数与乐观指数通常为反向走势，目前鹰鸽指数仍在高点，但已经从高点开始反转向下，同时乐观指数也持续上升。

自从 OpenAI 的 ChatGPT 问世后，掀起生成式 AI 的热潮，衍生出许多应用。 ChatGPT 作为大型语言模型（Large Language Model, LLM），自然语言处理（Natural Language Processing, NLP）的能力十分强大，可以帮助从文本中提取关键词、态度、情感和主题等讯息。下文中财经 M平方将以 AI 技术对市场十分关注的 FED 声明稿进行文字解读分析，究竟声明稿中透露了哪些蛛丝马迹？

一、使用 AI 判断美联储声明稿一致程度

财经Ｍ平方运用 OpenAI 的 Embedding API 计算出 Fed 自 2018 年起每篇声明稿的一致性程度，横轴与纵轴都是声明稿的日期，颜色越红（数值越高）代表前后两篇声明稿的一致性程度越高。可以发现此图掌握每一次声明稿释出货币政策调整的讯号，如 2020 年 3 月因疫情的紧急降息、 2022 年 1 月首次释出缩表与暗示升息的讯号、甚至是今年以来，美联储于声明稿传递升息接近尾声的微小调整，皆能由此图观察出（此图已开放于 动态图表 专区中，欢迎用户收藏）。

FED 声明稿一致程度

AI 是如何能判读 Fed 声明稿态度是否一致呢？Embedding 是一种将文字、图像或其他形式的资料转换为向量表示的技术。 OpenAI 提供的 Embedding API 透过大量文本的训练，可以将任意文字转换为多维向量的形式，并且使相似的文字在向量空间中的距离更近。这些向量可以被用于搜索（Search）、聚类（Clustering）、推荐（Recommendations）、异常检测（Anomaly detection）、多样性测量（Diversity measurement）、分类（Classification）。

由向量运算进行推荐的例子像电影推荐系统，可以经由电影类别、影片长度、导演等属性转换为向量，越多属性相似的电影彼此的向量距离也会越近，也越容易是使用者喜爱的电影，不过大多只能以电影类别等结构化资料进行转换，难以直接从文本转换为向量。而在如 ChatGPT 这类大型语言模型出现后，使文字转换为向量的难度降低、正确性上升。 ChatGPT 能理解使用者的问题也是藉由将问题转换为向量，再根据其先前的训练经验和语言模型最相近的知识产生相应的回答。

上图 Fed 声明稿一致程度 就是将每篇声明稿转换为向量，一致程度的算法为 1 - 向量距离，其中距离以余弦相似度（Cosine similarity）计算。从图中可以看出有 3 个区块（颜色较深红）的一致性程度较高，时间分别是从 2018 年起至 2020 年 3 月、 2020 年 3 月至 2021 年底、 2022 年初至现在。这 3 段期间刚好对应了上一波升息循环的尾端及预防性降息的时期、疫情发生后美联储宽鬆时期、 2022 年后美联储开启升息循环。由此可知 AI 判读美联储态度周期与一般市场的认知并无太大差异，能以量化数值呈现美联储声明稿的一致程度。

登入看完整文章

收藏
【行情快报】美联储委员不断放鹰，两面向掌握降息预期变动！ 【行情快报】全球股市涨到何时？投资策略的关键十问！