本研究は、不確実性が高まる経済環境において中央銀行の政策決定、特に連邦公開市場委員会(FOMC)の決定を正確に予測することの重要性を指摘します。従来の研究では、政策文書を用いて金利変更を予測していましたが、静的分類モデルに依存しており、政策決定の熟議的性質を捉えきれていませんでした。そこで、著者たちは、多数の大規模言語モデル(LLMs)を相互作用するエージェントとして構造的に模倣する新しいフレームワークを提案します。各エージェントは異なる初期信念を持ち、政策文書やマクロ経済指標に基づいて予測を行います。エージェントは反復的に他者の出力を観察しながら予測を修正し、熟議や合意形成を模擬します。さらに、エージェントの潜在的な信念を明示的にモデル化することで、個々の視点や社会的影響が集団の政策予測にどう影響を与えるかを明らかにします。このアプローチは、標準的なLLMsに比べて予測精度において顕著に優れた結果を示します。