Project Description
Die Reden der Federal Reserve (Fed) sind entscheidend, um geldpolitische Maßnahmen, wirtschaftliche Prognosen und regulatorische Maßnahmen zu kommunizieren, die die Finanzmärkte beeinflussen. Mit dem Übergang zu einer transparenteren Kommunikation bietet die Analyse dieser Reden, mittels maschinellen Lernens (ML) und natürlicher Sprachverarbeitung (NLP) wertvolle Einblicke in ihre Auswirkungen auf die Finanzstabilität.
Forschungsziele
Diese Forschung zielt darauf ab, die Klassifizierung von Fed-Reden zu automatisieren und deren Auswirkungen auf die Finanzmärkte zu bewerten. Hauptfragen sind:
1. Wie kann ML Fed-Reden nach ihrer Relevanz für die Finanzstabilität klassifizieren?
2. Was sind die kurz- und langfristigen Auswirkungen dieser Reden auf die Finanzmärkte?
3. Wie können wir zwischen den erwarteten Marktreaktionen und den tatsächlichen Auswirkungen nach den Reden unterscheiden?
Methodik
Fed-Reden werden gesammelt, vorverarbeitet und mit Metadaten angereichert. Verschiedene ML- und NLP-Techniken, einschließlich TF-IDF, Word Embeddings und Transformer-Modelle wie BERT, werden zur Klassifizierung eingesetzt. Modelle wie SVMs und neuronale Netzwerke werden mit standardisierten Metriken trainiert und bewertet. Die Auswirkungen der klassifizierten Reden auf Aktienkurse, Anleiherenditen und Wechselkurse werden mittels statistischer Methoden analysiert, um erwartete Effekte von tatsächlichen Marktreaktionen zu trennen.
Erwartete Ergebnisse
Die Forschung zielt darauf ab, Reden zuverlässig nach ihrer Relevanz für die Finanzstabilität zu klassifizieren und Einblicke in die Wirksamkeit der Fed-Kommunikation zu bieten. Dies kann zu besseren Kommunikationsstrategien beitragen, die Finanzstabilität fördern und Marktteilnehmern sowie politischen Entscheidungsträgern bei der Entscheidungsfindung helfen.
