Meskipun saya belajar matematika terapan di tingkat sarjana, dunia AI masih terasa seperti sihir. AlphaGo atau AlphaStar tampak seperti keajaiban ketika mereka mengalahkan pemain profesional manusia dalam permainan mereka. Ketika LLM melakukan aksi luar biasa mereka, saya merasa tertinggal. Setelah meninggalkan pekerjaan saya yang 100 jam per minggu, saya akhirnya punya waktu untuk belajar bagaimana menjadi seorang penyihir. Mungkin seorang petarung-penyihir kelas ganda karena karir bisnisku sudah terlalu jauh.

Jadi saya menjalankan IDE python (pyCharm) dan memulai model pembelajaran mendalam pertama saya setelah mempelajari kelas kucing vs non-kucing Andrew Ng dengan cepat di Coursera. Saya tahu LLM sedang populer saat ini, tapi saya ingin menjadi penyihir sejati, dan saya tidak takut untuk memulai sebagai magang. Sekarang saya hanya membutuhkan proyek yang dapat menghasilkan uang dan tidak melibatkan penjualan wallpaper atau mug buatan Midjourney.

Proyek yang akan menghasilkan uang (semoga!):

Federal Reserve Funds Rate (suku bunga fed) dalam penjelasan yang sangat sederhana adalah bagaimana Federal Reserve mengendalikan suku bunga yang berlaku di Amerika Serikat. Ketika Federal Reserve mengarahkan suku bunga acuan lebih tinggi, suku bunga di seluruh AS meningkat, dan sebagian besar obligasi serta banyak aset mengalami penurunan harga. Jadi model pembelajaran mendalam yang memperkirakan pergerakan suku bunga Fed selanjutnya dapat menghasilkan keuntungan di pasar obligasi.

Pertama, saya mencari penelitian serupa di Google. Menariknya, penelitian yang ada tampaknya berfokus pada data yang bersih, bukan pada data yang logis. Beberapa peneliti memperlakukan suku bunga sebagai rangkaian waktu dan memprediksi berdasarkan suku bunga masa lalu. Beberapa peneliti menggunakan NLP untuk memproses sentimen twitter atau notulen rapat Fed sebagai panduan. Beberapa peneliti menggunakan data ekonomi tetapi fokus pada apa yang tersedia dan tidak memerlukan pembersihan.

Harapan saya semakin besar, karena para peneliti tampaknya mengabaikan cara The Fed mengambil keputusan ketika membuat model mereka. Meskipun saya yakin lebih dari selusin dana lindung nilai rahasia memiliki model hebat yang tidak mereka bagikan di internet. Komite Pasar Terbuka Federal (FOMC) dengan jelas berbicara tentang bagaimana mereka membuat setiap keputusan berdasarkan lingkungan ekonomi saat ini, inflasi, dan pengangguran. Selain itu, Ketua, Wakil Ketua, dan Presiden Fed NY adalah anggota yang paling berpengaruh, dan latar belakang mereka kemungkinan besar memengaruhi pengambilan keputusan.

Membangun model:

Jadi saya menghabiskan dua malam membuat file data dengan 17 fitur dan memperlakukan masing-masing dari 825 bulan terakhir sejak tahun 1954 sebagai keputusan independen. Fitur-fiturnya didasarkan pada fokus terbuka FOMC dan pendidikan serta usia tiga anggota FOMC yang paling berpengaruh. Saya menghapus siapa anggota FOMC sebagai fitur karena meskipun Paul Volcker bersikap hawkish dan Alan Greenspan bersikap dovish, keduanya tidak akan memengaruhi keputusan suku bunga pada tahun 2023.

Setelah seminggu lagi melemparkan keyboard ke layar, modelnya mulai berfungsi! Agak.

Pertama, model saya sebenarnya cukup baik dalam memprediksi apakah FOMC akan mengubah tingkat suku bunga atau tidak.

Akurasi untuk memprediksi apakah suku bunga akan berubah atau tetap konstan adalah 67%

Lebih penting lagi, jika prediksi suku bunga akan berubah, maka akurasinya 79%!

Oke, sekarang ke bagian “semacamnya”.

Setelah mengetahui tingkat suku bunga akan berubah, akurasi prediksi arah mana hanya 69% dengan variansi yang tinggi dari hasil pelatihan. Alasan saya mengatakan “hanya” adalah karena pebisnis yang up-to-date harus mengetahui dengan jelas ke arah mana suku bunga harus bergerak jika keputusan move/no-move sudah diambil.

Oke, jika model memprediksi arah dengan benar: hanya 24% prediksi berada dalam 12,5bps (atau 0,125 poin persentase) dari data aktual dalam pengembangan. Yang ini sia-sia!

Kesimpulan:

Akurasi 79% ketika model memperkirakan bahwa suku bunga akan berubah bukanlah hal yang buruk. Bagian kerennya adalah model saya dengan tepat memprediksi pengumuman terbaru dari beberapa anggota FOMC bahwa suku bunga akan tetap konstan. Saya hanya perlu mengabaikan bagian arah dan melakukan panggilan dengan cara lama. Satu hal yang mungkin saya ubah adalah menghapus beberapa data lama, karena cara Federal Reserve beroperasi pada tahun 1960an sangat berbeda dari tahun 1980an dan sekarang.