Aprende cómo identificar si tu SSD M.2 es PCIe 3.0, 4.0 o 5.0 sin confundirte. Guía clara para gamers y creadores que quieren elegir el almacenamiento correcto.
Análisis de las Minutas del FOMC con Modelos de Lenguaje (LLM)
Comprender la comunicación de los bancos centrales se ha convertido en una ventaja competitiva clave dentro de la industria financiera moderna. En particular, las minutas del Federal Open Market Committee (FOMC) contienen información crítica sobre decisiones de política monetaria, expectativas de inflación y la visión económica de la Reserva Federal de los Estados Unidos.
En este artículo presentamos un proyecto basado en MATLAB que utiliza modelos de lenguaje de gran escala (LLM) para analizar automáticamente las minutas del FOMC y extraer información relevante de forma eficiente, precisa y contextualizada.
Motivación del Proyecto
Las minutas del FOMC son una fuente esencial para economistas, analistas financieros e inversionistas institucionales. A partir de estos documentos se ajustan modelos de riesgo, se refinan proyecciones económicas y se anticipan movimientos en mercados como:
- Renta Variable
- Bonos
- Divisas
- Materias Primas
Sin embargo, el análisis manual de estos textos es lento, subjetivo y difícil de escalar.
Este proyecto propone ir más allá del análisis tradicional, aplicando inteligencia artificial y procesamiento de lenguaje natural para identificar señales clave dentro de los comunicados del FOMC. Este tipo de automatización ya es utilizada por fondos de inversión, bancos de inversión, fintechs y bancos centrales para mantenerse un paso adelante.
Descripción General del Proyecto
El objetivo es desarrollar un sistema en MATLAB que analice las minutas del FOMC mediante un flujo de trabajo de Generación Aumentada por Recuperación (RAG).
El sistema funciona de la siguiente manera:
- Los documentos del FOMC se convierten en texto plano.
- El texto se procesa y se transforma en vectores numéricos (embeddings).
- Los embeddings se almacenan en una base de datos PostgreSQL con capacidad de búsqueda vectorial.
- Cuando el usuario realiza una consulta, el sistema:
- Recupera los fragmentos más relevantes mediante similitud semántica.
- Combina esos fragmentos con la pregunta del usuario.
- Genera una respuesta contextualizada usando un modelo de lenguaje (LLM).
- Este enfoque permite obtener respuestas más precisas, basadas directamente en la información original del FOMC
Conecte archivos y proyectos
Conéctese a los elementos esenciales de un flujo de trabajo con MATLAB Online utilizando MATLAB Drive y Microsoft OneDrive™ para almacenamiento de archivos en la nube. Sincronice archivos con un equipo de escritorio local a través de MATLAB Connector. Utilice Amazon S3™ para gestión de datos en la nube. Explore y comparta proyectos en File Exchange y GitHub®.
I added a RED box around the "File path" – this can be your app designer app, OR it can be a Live script that will be opened so the person who clicks the link can start interacting with your content right away.
I added an ORANGE box around the "Open in Focused view" toggle. When toggled on, the app or live script will fill the browser when opened, providing a full-screen experience for your content. If you leave this toggle unchecked, then the app will open in a window in MATLAB Online. This is handy if you want the person who clicked the link to easily explore the underlying code, build off it, and collaborate with the MATLAB Desktop.
Once you’ve created your links, you can paste the URL into an email, or paste the markdown into your README.md, and you’ll get a button that will let visitors to your GitHub page open your app directly in MATLAB Online to try it out.
Your button will look like this. To try out my pumpkin app give it a click to see what the workflow is like.