본 연구는 연준 공개 시장 위원회(FOMC)의 정책 결정을 정확하게 예측하는 것을 목표로 한다. 경제적 불확실성이 커짐에 따라 중앙은행 정책 결정을 예측하는 것은 더욱 중요해졌다. 기존 연구는 통화 정책 관련 텍스트를 사용하여 금리 변동을 예측했지만, 정책 결정의 심의적 특성을 간과하는 정적 분류 모델에 의존했다. 본 연구는 여러 대규모 언어 모델(LLM)을 상호 작용하는 에이전트로 모델링하여 FOMC의 집단 의사 결정 과정을 구조적으로 모방하는 새로운 프레임워크를 제안한다. 각 에이전트는 서로 다른 초기 신념을 가지고, 질적 정책 텍스트와 양적 거시 경제 지표를 기반으로 예측을 생성한다. 반복적인 라운드를 통해 에이전트는 다른 에이전트의 출력을 관찰하여 예측을 수정하며, 심의와 합의 형성을 시뮬레이션한다. 해석 가능성을 높이기 위해 각 에이전트의 잠재적 신념(예: 매파적 또는 비둘기파적)을 나타내는 잠재 변수를 도입하고, 이 신념이 입력 정보의 인식과 상호 작용 역학을 어떻게 매개하는지 이론적으로 보여준다. 실험 결과, 이 토론 기반 접근 방식이 표준 LLM 기반 기반선보다 예측 정확도에서 유의미하게 우수함을 보여주었다. 또한, 신념을 명시적으로 모델링함으로써 개별 관점과 사회적 영향이 집단 정책 예측을 어떻게 형성하는지에 대한 통찰력을 제공한다.
