Guten Morgen und herzlich willkommen zur 5. jährlichen Konferenz über “Nontraditionelle Daten, maschinelles Lernen und natürliche Sprachverarbeitung in der Makroökonomie”. In einer Welt mit sich ständig weiterentwickelnden Datenquellen und signifikanten Fortschritten in der Rechenleistung ist es wichtig, ständig das konzeptionelle Rahmenwerk zu verbessern, das makroökonomische Entscheidungsträger verwenden, um ihre wichtigen Entscheidungen zu treffen. Diese Konferenz bringt Akademiker und Praktiker zusammen, um sorgfältig über dieses Rahmenwerk nachzudenken und Fortschritte voranzutreiben, die zu verbesserten wirtschaftlichen Ergebnissen führen können.
Die Federal Reserve hat 2019 die erste Ausgabe dieses Treffens veranstaltet. Seitdem hat sich die Konferenz zu einer internationalen Partnerschaft zwischen Akademikern, Zentralbanken, statistischen Ämtern und internationalen Organisationen entwickelt, wobei die Bank of Italy, die Bank of Canada und die Schwedische Reichsbank die letzten Ausgaben ausgerichtet haben. Die Konferenz wird nun auch gemeinsam mit der Central Bank Research Association und dem Programm Economics with Nontraditional Data and Analytical Tools organisiert, was ihren internationalen Charakter weiter stärken wird.
Wir sind dankbar für die internationalen und nationalen Partnerschaften, die aus dieser Veranstaltung und ihren Vorgängern hervorgegangen sind. Heute nehmen etwa 90 Teilnehmer persönlich an der Veranstaltung teil, die 30 Agenturen und ausländische Zentralbanken vertreten. Während wir weiterhin neue Daten nutzen und aufkommende Techniken beherrschen, wird die Zusammenarbeit zwischen denen, die die Statistiken liefern, denen, die ihre Politik darauf stützen, und denen, die die neuesten Methoden nutzen, um sie zu verstehen, von größter Bedeutung sein. Die Koordination zwischen statistischen Ämtern und politikgestaltenden Institutionen hilft uns, unser gemeinsames Ziel zu erreichen – ein besseres Verständnis der Wirtschaft.
Von unserem eigenen institutionellen Standpunkt aus nutzt die Federal Reserve eine breite Palette von Regierungs- und privaten Daten, um kontinuierlich den Zustand der Wirtschaft zu bewerten, unsere Prognosen für die wirtschaftliche Aktivität zu aktualisieren und die Risiken um diese Prognose herum zu bewerten, um unser duales Mandat für maximale Beschäftigung und stabile Preise zu verfolgen. Nicht überraschend war das Auftreten von nichttraditionellen, hochfrequenten Daten entscheidend für ein besseres Verständnis der Echtzeitwirkungen der COVID-19-Pandemie und ihrer wirtschaftlichen Folgen. In der aktuellen Umgebung verwenden wir eine Vielzahl von Tools und Techniken, um nützliche Signale bezüglich Inflation und des Arbeitsmarktes aus der Vielzahl von Informationen zu extrahieren, die uns zur Verfügung stehen. Natürlich gehört dazu das Standard-Ökonometrie-Toolkit. Doch wir verlassen uns auch zunehmend auf Textanalyse und maschinelles Lernen.
Daher ist diese Konferenz für uns bei der Federal Reserve besonders relevant und wahrscheinlich auch für andere Zentralbanken. Aktuellere und genauere Informationen sowie verbesserte methodologische Techniken ermöglichen es den Mitarbeitern der Federal Reserve, bessere Schätzungen der sich entwickelnden wirtschaftlichen Aussichten zu erstellen, was es den Entscheidungsträgern ermöglicht, fundiertere Entscheidungen zu treffen.
Es ist beruhigend zu wissen, dass die Verwendung dieser nichttraditionellen Daten und Techniken für die akademische Forschung und die Politik nicht mehr in den Kinderschuhen steckt. Die Breite und Tiefe der auf der Agenda erfassten Studien zeigen die materiellen Fortschritte dieser Daten und Methoden in der wirtschaftlichen Forschung auf.
Ich freue mich, Kollegen und wichtige Beitragende auf dem Konferenzprogramm zu sehen. Jed Kolko, Julapa Jagtiani, Arthur Turrell und Hal Varian werden Probleme im Zusammenhang mit den Chancen und Herausforderungen für Regierungs- und private Institutionen im Umgang mit nichttraditionellen Daten, maschinellem Lernen und künstlicher Intelligenz diskutieren. Ebenso wird ein akademisches Panel mit Jesus Fernandez-Villaverde, Sydney Ludvigson, Stephen Hansen und Chiara Farronato darüber sprechen, wie diese Daten und Methoden die Forschungsgrenze in Themen von der makroökonomischen Modellierung bis hin zu Online-Märkten vorangetrieben haben.
Wie ich in jüngsten Äußerungen festgestellt habe, gibt es eine Flut von Begeisterung und Bedenken hinsichtlich generativer KI. Die Bandbreite der sozialen Auswirkungen dieser neuen Technologie könnte breit sein. Jack Clark, einer der Mitbegründer von Anthropic, wird bald einen Hauptvortrag halten, und ich bin sicher, dass wir alle gespannt auf seine Einsichten zu den praktischen Anwendungen dieser neuen KI-Technologie und den potenziellen Anwendungsfällen für die wirtschaftliche Forschung und Politik sind. Besonders interessiert bin ich daran zu sehen, wie Fortschritte bei der “erklärbaren KI” erzielt werden können, die die Kluft zwischen dem technischen Bereich und den Benutzern überbrücken kann. Ich freue mich auf Diskussionen zu diesem Thema.
Diese generativen KI-Tools könnten auch Auswirkungen haben, wie wir an Zentralbankkommunikationen herangehen. Es gibt eine wachsende Literatur, die Techniken der natürlichen Sprachverarbeitung verwendet, um herauszufinden, wie Kommunikationen von Zentralbankern von den Nachrichtenmedien wahrgenommen werden und wie sich dies wiederum auf die Finanzmärkte auswirkt. Die Präsentationen von Christopher Neely, Clara Vega, Xin Zhang und Xu Zhang werden den Stand der Technik zu diesem Thema diskutieren, was für uns von materieller Bedeutung ist.
Social Media hat auch dabei beeinflusst, wie wir Nachrichten konsumieren und miteinander interagieren. Dieses Medium spielt eine zunehmend wichtige Rolle in der Gesellschaft und beeinflusst makroökonomische und finanzielle Ergebnisse. Als Beispiel wird Corbin Fox morgen seine Arbeit mit Co-Autoren über die Auswirkungen von Social Media auf die Bankläufe präsentieren, die früher in diesem Jahr stattfanden.
Auf methodologischer Seite haben maschinelles Lernen-Techniken auch einen tiefgreifenden Einfluss darauf gehabt, wie wir über die Modellierung komplexer makroökonomischer Ergebnisse nachdenken. Philippe Goulet Coulombe wird heute Morgen darüber sprechen, wie neuronale Netze dabei helfen, die Volatilität verschiedener makroökonomischer Variablen zu modellieren, und Joël Marbet und Yucheng Yang werden darüber sprechen, wie neue Methoden verwendet werden, um Modelle mit heterogenen Agenten zu lösen, die entscheidend sind, um die Verteilungsfolgen von Wirtschaftspolitiken zu bewerten. Fortschritte in der natürlichen Sprachverarbeitung und im maschinellen Lernen haben auch unsere Fähigkeit verbessert, eine breite Palette makroökonomischer und finanzieller Indikatoren zu prognostizieren und zu schätzen, ein Thema, das auch in einigen Sitzungen morgen behandelt werden wird.
Zum Abschluss hoffe ich, dass Sie in diesem Raum und während der Pausen viele fruchtbare und informative Gespräche über die Nützlichkeit von nichttraditionellen Daten und neuen Techniken für die makroökonomische Analyse führen. Ich ermutige Sie auch, Ihre Gespräche nach dem Ende der Konferenz fortzusetzen und Möglichkeiten für gemeinsame Arbeit zu suchen, damit wir unser Verständnis dieser aufregenden neuen Werkzeuge weiterentwickeln können.
Willkommen bei der Federal Reserve! Ich hoffe, Ihnen gefällt die Konferenz.