FOMC RoBERTa

🚀 FOMCの鷹派・鴿派・中立分類タスク用の微調整モデル

このページには、ACL 2023の論文「Trillion Dollar Words: A New Financial Dataset, Task & Market Analysis」で使用されたモデルが含まれています。この研究は、ジョージア工科大学の金融サービスイノベーションラボで行われました。FinTechラボは、東南部における金融教育、研究、および産業の拠点です。

論文はSSRNで入手できます。

✨ 主な機能

ラベルの解釈

• LABEL_2: 中立
• LABEL_1: 鷹派
• LABEL_0: 鴿派

📦 インストール

本READMEには明示的なインストール手順が記載されていないため、このセクションは省略されます。

💻 使用例

基本的な使用法

from transformers import pipeline
from transformers import AutoTokenizer, AutoModelForSequenceClassification, AutoConfig

tokenizer = AutoTokenizer.from_pretrained("gtfintechlab/FOMC-RoBERTa", do_lower_case=True, do_basic_tokenize=True)
model = AutoModelForSequenceClassification.from_pretrained("gtfintechlab/FOMC-RoBERTa", num_labels=3)
config = AutoConfig.from_pretrained("gtfintechlab/FOMC-RoBERTa")

classifier = pipeline('text-classification', model=model, tokenizer=tokenizer, config=config, device=0, framework="pt")
results = classifier(["Such a directive would imply that any tightening should be implemented promptly if developments were perceived as pointing to rising inflation.", 
                      "The International Monetary Fund projects that global economic growth in 2019 will be the slowest since the financial crisis."], 
                      batch_size=128, truncation="only_first")

print(results)

📚 ドキュメント

データセット

3つのシードによるトレーニングとテストの分割が行われたすべての注釈付きデータセットは、GitHubページで入手できます。

引用と連絡先情報

引用

コード、データ、またはモデルを使用する場合は、以下のように論文を引用してください。

@inproceedings{shah-etal-2023-trillion,
    title = "Trillion Dollar Words: A New Financial Dataset, Task {\&} Market Analysis",
    author = "Shah, Agam  and
      Paturi, Suvan  and
      Chava, Sudheer",
    booktitle = "Proceedings of the 61st Annual Meeting of the Association for Computational Linguistics (Volume 1: Long Papers)",
    month = jul,
    year = "2023",
    address = "Toronto, Canada",
    publisher = "Association for Computational Linguistics",
    url = "https://aclanthology.org/2023.acl-long.368",
    doi = "10.18653/v1/2023.acl-long.368",
    pages = "6664--6679",
    abstract = "Monetary policy pronouncements by Federal Open Market Committee (FOMC) are a major driver of financial market returns. We construct the largest tokenized and annotated dataset of FOMC speeches, meeting minutes, and press conference transcripts in order to understand how monetary policy influences financial markets. In this study, we develop a novel task of hawkish-dovish classification and benchmark various pre-trained language models on the proposed dataset. Using the best-performing model (RoBERTa-large), we construct a measure of monetary policy stance for the FOMC document release days. To evaluate the constructed measure, we study its impact on the treasury market, stock market, and macroeconomic indicators. Our dataset, models, and code are publicly available on Huggingface and GitHub under CC BY-NC 4.0 license.",
}

連絡先情報

問題や質問がある場合は、Agam Shah (ashah482[at]gatech[dot]edu)に連絡してください。
GitHub: @shahagam4 Website: https://shahagam4.github.io/

📄 ライセンス

このプロジェクトはCC BY-NC 4.0ライセンスの下で公開されています。