テクニカル・サマリー：マルチエージェント討論型LLMにおけるタカ派・ハト派の潜在的信念のモデリング

問題提起

連邦公開市場委員会（FOMC）の政策決定（利上げ、据え置き、利下げ）を正確に予測することは、金融市場およびマクロプルデンス政策において極めて重要である。しかし、既存の文献には主に2つの限界が存在する：

1. 審議のダイナミクスの軽視： ほとんどの研究はFOMCを単一の集合体として扱っており、多様な「タカ派」（引き締め志向）または「ハト派」（緩和志向）の信念を持つメンバーが議論を通じてコンセンサスに達するという、内部の審議プロセスをモデル化できていない。
2. 静的な分析： 従来の手法は静的なテキスト分析や単一モデルによる予測に依存しており、非構造的な定性テキスト（ベージュブックなど）と定量的なマクロ経済指標を統合しながら、個々の信念の進化をモデル化することに苦慮している。

本研究は、大規模言語モデル（LLM）を用いて委員会の集団的な意思決定プロセスを構造的にシミュレートすることにより、FOMCの決定予測という課題に取り組むものである。

手法

1. マルチエージェント討論フレームワーク

提案するフレームワークは、FOMCを$n$個の自律的なLLMエージェント（多数決を容易にするため$n=7$に設定）のシステムとしてモデル化する。各エージェントは、あらかじめ割り当てられた特定の政策的信念プロファイル（例：強タカ派、中立的ハト派、中立など）を持つ委員会メンバーを表す。

• 入力： エージェントは、定性的なテキスト（ベージュブックの抜粋）と定量的なデータ（失業率、インフレ率、過去の政策金利）の組み合わせを受け取る。
• 反復プロセス： プロセスは$T$ラウンド（最大10ラウンド）実行される。
  • ラウンド $t=0$： 各エージェントは、自身の内部パラメータと入力データのみに基づいて初期予測（$z^{(0)}_i$）を生成する。
  • ラウンド $t>0$： エージェントは、前ラウンドにおける全エージェントの予測と正当化（$Z^{(t-1)}$）を観察する。彼らは、元のデータとともにこの社会的文脈を取り入れることで、自身の予測（$z^{(t)}_i$）を更新する。
• 終了： 全エージェントがコンセンサスに達するか、最大ラウンド数に達した時点で討論は終了する。最終出力は多数決となる。

2. 潜在的信念のモデリング

解釈性を高めるため、著者らは各エージェントの根底にある「タカ・ハト」のスタンスを表す離散的な潜在変数 $\theta \in \Theta$ を導入する。

• 理論的定式化： 意思決定プロセスは、ベイズ生成モデルとして定式化される。エージェントの出力の確率は、特定の信念の下での出力の確率と、入力およびピア（仲間）の反応の下でのその信念の事後確率へと分解される。
• 主要な仮定： 一度潜在的信念 $\theta$ が固定されると、エージェントの最終的なラベルは、特定の入力テキストやデータに対して条件付き独立となる。これは、信念が、エージェントによる外部証拠およびピアの影響の解釈を媒介することを意味する。
• 数学的構造：
  $$P(z^{(t+1)}_i | x, v, Z^{(t)}, \phi_i) = \sum_{\theta \in \Theta} P(z^{(t+1)}_i | \theta, \phi_i) P(\theta | x, v, Z^{(t)}, \phi_i)$$
  ここで、事後信念 $P(\theta | \dots)$ は、観測されたデータの尤度と、ピアの反応がその信念といかに一致しているかに基づいて更新される。

3. 実験設定

• データセット： 2000年1月から2025年12月までの予定されているFOMC会合。データセットには、単純な連続トレンドを避けるために選択された60の特定のタイムスライス（利上げ15、据え置き30、利下げ15のバランス調整済み）が含まれる。
• データソース：
  • テキスト： ベージュブックの「全体的な経済活動」または「要約」の文章。
  • 定量： インフレ率および失業率（FRED）、過去の政策金利（Bloomberg）。
• モデル： 多様な討論パターンを促すため、温度パラメータ（temperature）を1に設定したGPT-4o-miniを使用。ラベルと正当化を抽出するために構造化出力が強制された。
• アブレーション研究： 本研究では、以下の要素を除去したバリアントと比較を行った：
  1. ベージュブックのテキスト。
  2. 過去の政策金利のトレンド。
  3. 明示的な信念の割り当て（信念プロンプトを使用しない標準的な多数決）。
  4. マルチラウンド討論（ラウンド0の予測のみを使用）。

主な結果

パフォーマンス指標

提案されたフルモデル（実験1）は、すべての構成の中で最高のパフォーマンスを達成した：

• 適合率（Precision）： 0.549
• 再現率（Recall）： 0.467
• F1スコア： 0.476

アブレーションによる知見

• テキストの重要性： ベージュブックを除去した場合（実験2）、パフォーマンスが著しく低下した（F1: 0.385）。これにより、正確な予測には定性的な地域経済データが極めて重要であることが確認された。
• 討論の役割： 「討論なし」のベースライン（実験6、ラウンド0の多数決）はF1 0.415であった。反復的な討論プロセスは精度を向上させ、社会的影響と意見の洗練が有益であることを示した。
• 信念の影響： 明示的な信念の割り当てを除去した場合（実験5）、F1は0.399となった。より重要な点として、信念を持たないモデルは「据え置き」の予測に強いバイアスを示した（420回の予測中280回）。多様な信念を導入することで、このバイアスが軽減され、より多様で正確な結果が得られた。
• 歴史的金利： 過去の政策金利トレンドを除去しても（実験4）、精度への影響は軽微であった。これは、データセットがトレンドの予測性が低くなる転換点に焦点を当てるよう精査されていたためと考えられる。

行動分析

遷移行列は、討論プロセスがエージェントを初期のバイアスからコンセンサスへと効果的に移行させたことを明らかにした。例えば、「強タカ派」のエージェントは、当初は33ケースで「利上げ」を予測したが、討論後に30ケースへと調整された。また、「中立」のエージェントは、最終的な分布において顕著な変化を示した。モデルは、重大な方向性の誤り（例：実際の結果が「利下げ」である場合に「利上げ」と予測すること）を回避することに成功した。

意義と主張

本論文は、構造化された討論型のマルチエージェントLLMフレームワークを、金融ドメインの金融政策に特化して適用した最初の事例であると主張している。主な貢献は以下の通りである：

1. 構造的シミュレーション： 中央銀行をブラックボックスとして扱うのではなく、FOMCの審議的かつコンセンサス形成的な性質を明示的にモデル化することで、従来の枠組みを超えている。
2. 解釈可能性： 潜在的信念変数を導入することで、個々の傾向（タカ派／ハト派）が経済データの解釈や社会的影響をどのように媒介するかを理解するための理論的メカニズムを提供している。
3. 実証的検証： 制度的な特徴（多様な信念と反復的な討論）を取り入れることが、標準的なシングルモデルや静的なアプローチよりも優れた予測精度をもたらすことを実証している。

著者らは、信念空間の離散性と小ささ、単一のLLMファミリーへの依存、およびFOMCデータへの限定といった限界を認め、控えめな立場をとっている。彼らは、今後の研究として、連続的な信念空間の探索や、他の中央銀行（ECBやBOJなど）へのフレームワークの適用を提案している。