KI-Methode RAUI: Unsicherheitsindikatoren aus Zeitungsdaten für die spanische Wirtschaft
Forscher der Banco de España (BDE) haben eine neue Methode namens RAUI entwickelt, um themenspezifische Unsicherheitsindikatoren aus Zeitungsdaten zu generieren. Diese KI-gestützte Methode nutzt RAG-Systeme und große Sprachmodelle, um die Auswirkungen verschiedener Unsicherheitsquellen auf die spanische Wirtschaft zu analysieren und BIP-Prognosen zu verbessern.
RAUI: KI-gestützte Analyse von Zeitungsdaten
Die neue RAUI-Methode (Retrieval-Augmented Uncertainty Indicators) der Banco de España revolutioniert die Messung von Unsicherheit aus Textquellen.
Sie basiert auf Retrieval-Augmented Generation (RAG)-Systemen, die in der KI-Forschung verbreitet sind.
Zunächst werden mittels semantischer Suche und Embedding-Modellen relevante Nachrichtenartikel zu einem benutzerdefinierten Thema ausgewählt.
Anschließend quantifiziert ein großes Sprachmodell (LLM) den Grad der Unsicherheit in diesen Artikeln.
Dieser Ansatz überwindet die Grenzen traditioneller, wörterbuchbasierter Methoden, die oft Kontextabhängigkeiten und Sprachnuancen nicht erfassen können.
RAUI ermöglicht die flexible Generierung themenspezifischer Unsicherheitsindikatoren, etwa für Inflation oder Arbeitsmärkte, und bleibt dabei rechnerisch effizient.
Unsicherheitseffekte auf Wirtschaft und Prognosen
Die Forscher demonstrieren die Nützlichkeit der RAUI-Indikatoren anhand zweier empirischer Anwendungen.
Erstens schätzen sie ein Vektor-Autoregressives Modell (VAR) für die spanische Wirtschaft.
Dieses Modell zeigt, dass interne Unsicherheitsquellen stärkere und persistentere Auswirkungen auf die Wirtschaftsleistung haben als externe.
Zweitens werden die Indikatoren genutzt, um zeitlich variierende Fächerdiagramme für die BIP-Wachstumsprognosen der Banco de España zu erstellen.
Dabei zeigt sich, dass Prognosefehler systematisch mit dem Unsicherheitsniveau zum Zeitpunkt der Erstellung der Prognosen zusammenhängen.
Externe Unsicherheit erweitert die Prognosefehlerbänder dabei stärker als interne.
Methodischer Sprung mit praktischem Nutzen
Diese Studie stellt einen signifikanten methodischen Fortschritt in der Messung von Unsicherheit dar, indem sie die Stärken der KI intelligent nutzt.
Die Flexibilität, themenspezifische Indikatoren zu erstellen und deren Beitrag zur Gesamtunsicherheit zu visualisieren, ist für Analysten von hohem praktischem Wert.
Damit überwindet die RAUI-Methode die Grenzen traditioneller Ansätze und liefert präzisere Einblicke in ökonomische Unsicherheitsquellen.