Identificación de autores en las minutas de política monetaria del Banco de México

Abstract

La comunicación de los bancos centrales opera como un canal de transmisión adicional, con efectos directos (señales que impacta en los precios de los activos) e indirectos (anclaje de expectativas y condiciones financieras), que se reflejan en rendimientos, tipo de cambio y rebalanceos de riesgo (Ehrmann & Fratzscher, 2007). Este proyecto realiza una segmentación de párrafos para la identificación de autoría, clasificando las intervenciones con base en tres enfoques entrenados con noticias etiquetadas: Maquinas de Soporte Vectoriales (SVM), redes neuronales (BETO, modelo de lenguaje en español) y un agente con aprendizaje por pocos ejemplos (few-shot learning). Al aprovechar las particularidades de las minutas y emplear un ensamble con votación y regresión logística, encontramos que, en un contexto institucional de alta homogeneidad temática, el SVM destaca por capturar rasgos léxicos locales y consistentes por miembro, mientras que la ventaja contextual de modelos más sofisticados se diluye. Los resultados muestran, por un lado, que existe una consistencia en el léxico de los integrantes de la Junta de Gobierno donde las noticias en que aparecen contienen información útil para su identificación dentro de las minutas y, por otro lado, que métodos menos complejos son suficientemente robustos en ciertos contextos y logran capturar mejor la información.