Este artículo enfatiza la importancia crucial de pronosticar con precisión el impacto de los eventos macroeconómicos para inversionistas y responsables de políticas, y señala las limitaciones de los métodos de pronóstico existentes, centrados en el análisis de texto o el modelado de series temporales. Estos métodos adolecen de la incapacidad de capturar adecuadamente los diversos modos de los mercados financieros y las relaciones causales entre eventos y fluctuaciones de precios. Para abordar esto, este artículo propone la Pronóstico Financiero Impulsado por Eventos Multimodal con Aumento Causal (CAMEF), un marco multimodal que integra datos de texto y series temporales con un mecanismo de aprendizaje causal y una técnica de aumento de eventos contrafactuales basada en LLM. CAMEF captura la relación causal entre el texto de la política y los datos históricos de precios y utiliza un nuevo conjunto de datos financieros que consta de seis anuncios de indicadores macroeconómicos y datos comerciales de alta frecuencia en tiempo real para cinco activos financieros importantes de EE. UU. de 2008 a abril de 2024. Mejoramos el rendimiento de los pronósticos a través de una estrategia de aumento de eventos contrafactuales basada en LLM y verificamos la efectividad de los mecanismos de aprendizaje causal y los tipos de eventos a través de análisis comparativos y estudios de ablación con series de tiempo basadas en transformadores de última generación y modelos de línea base multimodales.
