FED Speeches: Quantificando a Incerteza da Política Monetária com IA e Python

Os discursos dos membros do FED podem dar indicativos relevantes sobre a condução da política monetária, como a percepção de incerteza na fala e na escolha das palavras. Sendo assim, monitorar e interpretar não é suficiente, é necessário quantificar a incerteza nos discursos. Neste exercício mostramos o caminho para construir um indicador de incerteza da política monetária, usando métodos inovadores de IA com o Python.

Aprenda a coletar, processar e analisar dados na formação de Do Zero à Análise de Dados Econômicos e Financeiros com Python.

Objetivo

O objetivo deste exercício é quantificar a incerteza sobre a política monetária através dos discursos de Chairs e Vice Chairs do Board of Governors of the Federal Reserve System. A medida de incerteza é um valor numérico entre 0 e 1, indicando a probabilidade de um dado discurso conter incerteza sobre a política monetária. Valores próximos de 1 indicam incerteza alta e valores próximos de 0 indicam incerteza baixa.

Há toda uma literatura científica sobre o assunto, o que culmina nos índices de incerteza da política econômica (Economic Policy Uncertainty - EPU), hoje bastante difundidos. Estes índices costumam apresentar alguma relação com a atividade econômica e são baseados, a depender do tipo, na identificação de termos associados à incerteza em textos de grandes jornais nacionais.

Aqui aplicamos a mesma ideia dos EPUs, mas alimentando um modelo de IA generativa com os discursos do FED, dando instruções para quantificar a incerteza nestes discursos.

Dados

A fonte dos dados é o BIS, que compila e publica os discursos de membros dos principais Bancos Centrais no mundo.

Para obter o código e o tutorial deste exercício faça parte do Clube AM e receba toda semana os códigos em R/Python, vídeos, tutoriais e suporte completo para dúvidas.

url title description date text author
0 https://www.bis.org/review/r971001f.pdf Mr. Bäckström elucidates the problems Sweden w... Talk given by the Governor of the Swedish Risk... 1987-08-29 00:00:00 Mr. Bäckström elucidates the problems Sweden... Urban Bäckström
1 https://www.bis.org/review/r970211c.pdf Mr. Chen discusses monetary relations between ... Speech by the Deputy Governor of the People's ... 1996-09-10 00:00:00 Mr. Chen discusses monetary relations between ... Chen Yuan
2 https://www.bis.org/review/r970211b.pdf Mr. Dai looks at the possibilities of strength... Speech by the Governor of the People's Bank of... 1996-11-13 00:00:00 Mr. Dai looks at the possibilities of strength... Dai Xianglong
3 https://www.bis.org/review/r970211a.pdf Mr. Dai assesses the outlook for Hong Kong as ... Speech by the Governor of the People's Bank of... 1996-09-30 00:00:00 Mr. Dai assesses the outlook for Hong Kong as ... Dai Xianglong
4 https://www.bis.org/review/r970203b.pdf Mr. Rangarajan examines the objectives of mone... Address by the Governor of the Reserve Bank of... 1996-12-28 00:00:00 Mr. Rangarajan examines the objectives of mone... Bimal Jalan
... ... ... ... ... ... ...
18822 https://www.bis.org/review/r240202d.htm Jorgovanka Tabaković: Transitions big and small Introductory address by Dr Jorgovanka Tabakovi... 2024-01-31 00:00:00 Jorgovanka Tabakovi: Transitions big and small... Jorgovanka Tabaković
18823 https://www.bis.org/review/r240202c.htm Dimitar Radev: 2024 - the focus is still on cu... Publication by Mr Dimitar Radev, Governor of t... 2024-02-02 09:44:00 Dimitar Radev: 2024 - the focus is still on cu... Dimitar Radev
18824 https://www.bis.org/review/r240202b.htm Burkhard Balz: Overcoming challenges together Address by Mr Burkhard Balz, Member of the Exe... 2024-01-31 00:00:00 Burkhard Balz: Overcoming challenges together\... Burkhard Balz
18825 https://www.bis.org/review/r240202a.htm Tiff Macklem: Opening statement before the Hou... Opening statement by Mr Tiff Macklem, Governor... 2024-02-01 00:00:00 Tiff Macklem: Opening statement before the Hou... Tiff Macklem
18826 https://www.bis.org/review/r240202e.htm Andriy Pyshnyy: National Bank of Ukraine press... Speech by Mr Andriy Pyshnyy, Governor of the N... 2024-01-25 00:00:00 Andriy Pyshnyy: National Bank of Ukraine press... Andriy Pyshnyy

18827 rows × 6 columns

Dos dados brutos extraímos os discursos a partir do ano de 2000 dos membros do FED acima indicados. Como resultado, temos um quantitativo de discursos por autor do discurso:

Assim como o quantitativo de discursos mensal neste período:

Prompt

Para quantificar a incerteza da política monetária, usando IA generativa, definimos o seguinte prompt:

You are an expert in monetary policy communication who reads speeches by members of the Board of Governors of the Federal Reserve System and quantifies uncertainty by following the instructions below:
1. Use the speeches by members of the Board of Governors of the Federal Reserve System in the attached file, named "speeches.csv".
2. The columns in the "speeches.csv" file are: "title", "description", "date" and "author" of the speech; the column "text" is the speech.
2. Use the recent scientific literature on Economic Policy Uncertainty (EPU) Index to measure monetary policy uncertainty for each speech.
3. Use Natural Language Processing (NLP) techniques to assess monetary policy uncertainty for each speech.
4. Measure monetary policy uncertainty for each speech in numerical values, between 0 and 1, indicating the probability that the speech contains uncertainty about monetary policy.
5. Return your answer in CSV format, containing 3 columns: "date", "author" and "probability" of the speech.
6. Return nothing else in your answer.

Saiba mais sobre prompts neste artigo sobre engenharia de prompt.

Indicador de Incerteza da Política Monetária

O modelo Gemini é então alimentado com os dados para uma amostra a partir de 2017, devido a limitação de ~1 milhão de tokens, e com o prompt, retornando como resposta:

date author probabilidade
0 2017-11-16 Lael Brainard 0.6
1 2017-11-15 Lael Brainard 0.1
2 2017-11-29 Janet L Yellen 0.3
3 2017-12-13 Lael Brainard 0.2
4 2017-11-28 Jerome H Powell 0.2
... ... ... ...
304 2023-11-08 Philip N Jefferson 0.2
305 2023-11-09 Jerome H Powell 0.3
306 2023-11-14 Philip N Jefferson 0.4
307 2023-12-01 Jerome H Powell 0.1
308 2023-12-17 Lael Brainard 0.2

309 rows × 3 columns

Visualização de dados

Sumarizamos os resultados através de um gráfico para facilitar o entendimento:

Conclusão

Os discursos dos membros do FED podem dar indicativos relevantes sobre a condução da política monetária, como a percepção de incerteza na fala e na escolha das palavras. Sendo assim, monitorar e interpretar não é suficiente, é necessário quantificar a incerteza nos discursos. Neste exercício mostramos o caminho para construir um indicador de incerteza da política monetária, usando métodos inovadores de IA com o Python.

Quer aprender mais?

Clique aqui para fazer seu cadastro no Boletim AM e baixar o código que produziu este exercício, além de receber novos exercícios com exemplos reais de análise de dados envolvendo as áreas de Data Science, Econometria, Machine Learning, Macroeconomia Aplicada, Finanças Quantitativas e Políticas Públicas diretamente em seu e-mail.

Compartilhe esse artigo

Facebook
Twitter
LinkedIn
WhatsApp
Telegram
Email
Print

Comente o que achou desse artigo

Outros artigos relacionados

Como treinar e selecionar os melhores modelos de previsão no Python?

Em previsão, há uma infinidade de modelos que podem ser usados. O processo de escolha do(s) modelo(s) deve ser empírico-científico, usando métodos que visem avaliar a generalização dos algoritmos para dados novos. Neste artigo, mostramos como implementar a metodologia de validação cruzada com algoritmos de machine learning no Python, exemplificando para a previsão do IPCA.

Como selecionar variáveis para modelos de previsão no Python?

Em oposição à crença popular, grande parte dos modelos de machine learning não produzem previsões magicamente. É papel do cientista de dados executar uma boa engenharia de variáveis para não cair no clássico problema de “garbage in, garbage out” (GIGO) em aprendizado de máquina. Neste sentido, aprender a fazer uma boa seleção de variáveis é fundamental e neste artigo exploramos algumas possibilidades práticas usando o Python.

Resultado IPCA-15 - Novembro/2024

A Análise Macro apresenta os resultados do IPCA-15 de Novembro de 2024, com gráficos elaborados em Python para coleta, tratamento e visualização de dados. Todo o conteúdo, disponível exclusivamente no Clube AM, foi desenvolvido com base nos métodos ensinados nos cursos da Análise Macro, permitindo aos assinantes acesso aos códigos e replicação das análises.

Boletim AM

Receba diretamente em seu e-mail gratuitamente nossas promoções especiais e conteúdos exclusivos sobre Análise de Dados!

Boletim AM

Receba diretamente em seu e-mail gratuitamente nossas promoções especiais e conteúdos exclusivos sobre Análise de Dados!

como podemos ajudar?

Preencha os seus dados abaixo e fale conosco no WhatsApp

Boletim AM

Preencha o formulário abaixo para receber nossos boletins semanais diretamente em seu e-mail.