Оценка предсказательной силы инвесторов в определении ключевой ставки ЦБ РФ с помощью LLM

Исследование направлено на прогнозирование решений ЦБ РФ по ключевой ставке через анализ мнений инвесторов в социальной сети «Пульс» (Т-Банк). Несмотря на важность ключевой ставки ЦБ, большинство исследователей ставят целью прогнозирование макроэкономических индикаторов, связанных со ставкой ЦБ, но не ее саму. Для восполнения этого пробела в работе предложен подход, сочетающий краудсорсинговые данные с обработкой большими языковыми моделями (LLM). На основе семантически размеченных постов и комментариев из социальных сетей с помощью YandexGPT-5-Lite-Instruct, построены прогнозы направления изменения ставки за 48 заседаний ЦБ РФ (2019–2025 гг.). Интеграция LLM позволила корректно интерпретировать контекст и эмоциональную окраску неформальных высказываний, избежав ошибок словарных методов. Точность прогнозов на основе данных «Пульса» составила 90%, превысив показатели аналитических агентств в условиях экстренных заседаний.

1. Абдурахманов М.А. Моделирование влияния прогнозов ключевой ставки Банка России на ожидания участников рынка // Деньги и кредит. 2023. Т. 82. № 2. С. 3–20.

2. Абрамов В., Тишин А.В., Стырин К.А. Денежно-кредитная политика и кривая доходности // Серия докладов об экономических исследованиях. 2022. № 95В. С. 49.

3. Шарафутдинов А.Р. Прогнозирование российских ВВП, инфляции, ставки процента и обменного курса с помощью модели DSGE-VAR // Деньги и кредит. 2023. Т. 82. № 3. С. 32–86.

4. Юревич М.А., Ахмадеев Д.Р. Возможности прогнозирования уровня безработицы на основе анализа статистики запросов (в поисковых системах) // Terra Economicus. 2021. Т. 19. № 3. С. 53–64. https://doi.org/10.18522/2073-6606-2021-19-3-53-64.

5. Darapaneni N., Paduri A.R., Sharma H. et al. Stock price prediction using sentiment analysis and deep learning for Indian markets // arXiv preprint arXiv:2204.05783. 2022. https://doi.org/10.48550/arXiv.2204.05783.

6. Islam M.R., Zibran M.F. A comparison of dictionary building methods for sentiment analysis in software engineering text // 2017 ACM/IEEE International Symposium on Empirical Software Engineering and Measurement (ESEM). IEEE, 2017. P. 478–479. https://doi.org/10.1109/ESEM.2017.67.

7. Jagdale R.S., Shirsat V.S., Deshmukh S.N. Sentiment analysis on product reviews using machine learning techniques // Cognitive Informatics and Soft Computing: Proceeding of CISC 2017. Springer Singapore, 2019. P. 639–647. https://doi.org/10.1007/978-981-13-0617-4_61.

8. Luo W., Gong D. Pre-trained large language models for financial sentiment analysis // arXiv preprint arXiv:2401.05215. 2024. P. 6. https://doi.org/10.48550/arXiv.2401.05215.

9. Naveed H., Khan A.U., Qui S. et al. A comprehensive overview of large language models // arXiv preprint arXiv:2307.06435. 2023. P. 47. https://doi.org/10.48550/arXiv.2307.06435.

10. Padmanayana V., Bhavya K. Stock market prediction using Twitter sentiment analysis // Int. J. Sci. Res. Comput. Sci. Eng. Inf. Technol. 2021. Vol. 7. No. 4. P. 265–270. https://doi.org/10.32628/CSEIT217475.

11. Schmanski B., Scotti C., Vega C., Benamar H. Fed Communication, News, Twitter, and Echo Chambers. 2023. P. 61. https://doi.org/10.17016/FEDS.2023.036.

12. Wei J., Bommasani R., Raffel C. et al. Emergent abilities of large language models // arXiv preprint arXiv:2206.07682. 2022. P. 30. https://doi.org/arXiv.2206.07682.

13. Xu G., Meng Y., Qiu X. et al. Sentiment analysis of comment texts based on BiLSTM // Ieee Access. 2019. Vol. 7. P. 51522–51532. https://doi.org/10.1109/ACCESS.2019.2909919.

14. Yasir M., Afzal S., Latif K. et al. An efficient deep learning based model to predict interest rate using twitter sentiment // Sustainability. 2020. Vol. 12. No. 4. P. 1660–1677. https://doi.org/10.3390/su12041660.

15. Githunb. Код, который использовался для написания статьи: URL: https://github.com/BorisenkoGeorgy/Pulse_key_rate_forecast (дата обращения: 13.05.2025).

16. Раздел официального сайта ЦБ РФ, где выложена информация про ключевую ставку ЦБ: URL: https://www.cbr.ru/hd_base/keyrate/ (дата обращения: 13.05.2025).

17. Крупнейший Telegram канал с оперативными новостями: URL: https://t.me/markettwits (дата обращения: 13.05.2025).

18. Новость с официального сайта РБК про прогноз ставки ЦБ РФ аналитиками Сбербанка: URL: https://www.rbc.ru/finances/22/10/2019/5daee9689a7947bb17344689 (дата обращения: 13.05.2025).

19. Описание модели YandexGPT5: URL: https://habr.com/ru/companies/yandex/articles/885218/ (дата обращения: 13.05.2025).

20. Информация о самой большой языковой модели с официального сайта Meta: URL: https://ai.meta.com/blog/llama-4-multimodal-intelligence/ (дата обращения: 13.05.2025).

21. Карточка модели YandexGPT5 Lite Instruct: URL: https://huggingface.co/yandex/YandexGPT-5-Lite-8B-instruct-GGUF (дата обращения: 13.05.2025).

22. Официальный сайт kaggle: URL: https://www.kaggle.com/ (дата обращения: 13.05.2025).