經濟學家搞出“AI版美聯儲”：模擬七次10月議息會議，其中五
在美聯儲即將公佈最新利率決定之際，一套由人工智能驅動的模擬決策系統已經提前完成投票。結果顯示，七次模擬中有五次選擇維持利率不變，另外兩次支持加息，與當前金融市場對美聯儲本週暫停加息的主流預期基本一致。
這套名爲“Sim Fed”的人工智能模擬系統，由喬治華盛頓大學經濟系主任塔拉·辛克萊爾（Tara Sinclair）和斯坦福大學數字經濟實驗室研究科學家索菲婭·卡津尼克（Sophia Kazinnik）共同開發。兩名研究人員已投入約一年半時間開發該系統，並在2025年年底發表初步研究論文。目前，項目仍處於完善階段。
需要注意的是，Sim Fed的投票屬於研究人員開展的模擬實驗，並非美聯儲真實決議。實際貨幣政策決定預計於台北時間週四凌晨2時公佈。
12名AI代理模擬美聯儲官員，七次測試五次選擇暫停
Sim Fed的核心設計是使用12個AI代理，模擬美國聯邦公開市場委員會（FOMC）中擁有投票權的決策者，讓不同代理根據各自對應官員的公開信息、政策偏好及最新經濟數據作出判斷。
爲儘可能還原官員的決策方式，研究人員收集了大量公開資料，包括美聯儲官員的講話、學術出版物、教育經歷以及學術導師等背景信息。
系統還使用了可追溯至1999年的美聯儲會議紀要、新聞發佈會記錄及其他政策文件，以幫助AI學習貨幣政策會議的程序，以及決策者如何討論經濟數據並形成政策判斷。
每次模擬會議開始前，研究人員會輸入最新失業率、通脹數據、消費者支出等信息。不同AI代理分別分析經濟形勢，並以所模擬官員的立場給出投票結果和詳細理由。
在最新一次模擬中，代表明尼阿波利斯聯儲主席卡什卡利的AI代理認爲，雖然通脹仍高於目標，但尚未出現迅速加速的跡象，勞動力市場也保持穩定，因此選擇維持利率不變。
研究團隊針對本週會議開展了七次模擬，結果五次支持暫停加息，兩次支持加息。其中，模擬美聯儲理事鮑曼的AI代理出現了不同意見。
不過，七次測試結果並不意味著真實會議有五分之七的概率暫停加息。模擬投票仍取決於模型設定、輸入信息及其對決策者行爲的還原程度。
政策立場並非固定，政治因素增加模擬難度
研究人員發現，複製美聯儲官員的歷史政策偏好，並不意味著能夠準確預測其未來行爲。一個典型案例是美聯儲理事沃勒。
沃勒長期被認爲更加重視控制通脹，通常表現出偏鷹派的政策傾向。然而，隨著2025年至2026年美聯儲領導層更替過程展開，他的部分公開表態與此前立場出現差異。
今年7月，美聯儲決定維持利率不變時，沃勒曾投票支持降息。研究人員發現，模擬沃勒的AI代理此前未能充分預判這一立場變化。
辛克萊爾和卡津尼克認爲，傳統公開資料難以完整反映決策者面臨的外部環境，因此開始嘗試把政治背景及潛在個人激勵納入模型。
當時，沃勒曾是接替鮑威爾出任美聯儲主席的候選人之一，而美國總統特朗普一直主張降低利率。研究人員因此向模型加入了官員可能競爭主席職位等背景信息，幫助AI理解不同環境下政策立場可能發生的變化。但沃勒本人在解釋7月投票時，強調的是勞動力市場疲弱以及通脹可能具有暫時性，並未將政治因素列爲原因。
爲減少模擬偏差，研究團隊隨後調整系統，提高最新講話和政策文件的權重，避免AI過度依賴官員較早時期的觀點。
卡津尼克表示，大語言模型在理解複雜人類行爲方面具有一定優勢，但即使如此，準確模擬貨幣政策委員會的動態決策過程仍十分困難。
沃什減少政策指引，AI預測工具受到關注
Sim Fed的開發正值美聯儲溝通方式發生變化。自今年5月出任美聯儲主席以來，沃什持續主張減少前瞻性指引，避免提前向金融市場暗示未來利率路徑。他認爲，過多預測性表態容易被市場理解爲政策承諾，削弱央行根據經濟變化調整決策的靈活性。但這一做法也提高了投資者判斷利率路徑的難度。
市場普遍預計美聯儲將在本週維持聯邦基金利率目標區間於3.75%至4.00%不變。芝商所的美聯儲觀察工具顯示，交易員預計暫停加息的概率約爲90%。
不過，美國能源價格持續上漲、人工智能投資帶動需求擴張，以及通脹長期高於2%的目標，意味著美聯儲內部仍可能存在支持進一步加息的意見。
當前市場普遍認爲，美聯儲12月仍有可能恢復加息，而沃什在會後新聞發佈會上如何解釋政策選擇，也將受到關注。
辛克萊爾和卡津尼克希望，Sim Fed不僅可以預測會議結果，還能用於測試不同經濟情景。例如，當就業數據意外走強、國際油價大幅回落或通脹突然加速時，研究人員可以觀察不同AI代理如何調整政策立場。
研究團隊表示，目前已有多家機構嘗試建立類似的AI版美聯儲或AI版沃什，以輔助理解央行政策。
不過，Sim Fed的研究人員也承認，人工智能並非完美的決策預測工具。真實美聯儲官員不僅需要判斷經濟數據，還要考慮地緣政治、市場變化、政策外部影響及不同信息之間的矛盾，而這些因素會隨著時間不斷改變。
卡津尼克表示，開發模擬系統反而讓她更加認識到，真實美聯儲決策並非可以簡單套用歷史規律的機械過程。官員的判斷會隨著新信息和環境變化而調整，這也是人工智能尚難以完全複製的部分。
