Análise computacional da comunicação de política monetária: aplicação de large language models às atas do COPOM
Visualizar/abrir
Data
2026Orientador
Nível acadêmico
Especialização
Assunto
Resumo
A comunicação do Comitê de Política Monetária (Copom) do Banco Central do Brasil é um dos principais canais de formação de expectativas no mercado financeiro, influenciando preços de ativos e variáveis macroeconômicas, como taxa de juros e câmbio. Apesar dessa relevância, a literatura de análise de sentimentos ainda é majoritariamente concentrada em textos com polaridade explícita, havendo lacunas quanto ao desempenho de abordagens lexicais e de Large Language Models (LLMs) na interpretação de ...
A comunicação do Comitê de Política Monetária (Copom) do Banco Central do Brasil é um dos principais canais de formação de expectativas no mercado financeiro, influenciando preços de ativos e variáveis macroeconômicas, como taxa de juros e câmbio. Apesar dessa relevância, a literatura de análise de sentimentos ainda é majoritariamente concentrada em textos com polaridade explícita, havendo lacunas quanto ao desempenho de abordagens lexicais e de Large Language Models (LLMs) na interpretação de documentos institucionais, caracterizados por linguagem técnica e sinais sutis. Este trabalho investiga a viabilidade e a utilidade de extrair sentimento das Atas do Copom (versões em inglês) por meio de uma avaliação comparativa entre (i) um léxico econômico especializado (Economic Lexicon) e (ii) LLMs em dois cenários: classificação de sentimento em nível de sentença e análise em nível de aspecto, com identificação simultânea de aspecto macroeconômico e polaridade. O corpus compreende 15 atas (reuniões 260 a 274), do período de janeiro/2024 a novembro/2025, totalizando 1.180 sentenças anotadas manualmente pelo autor. A avaliação supervisionada utiliza métricas padrão de classificação multiclasse (accuracy e Macro-F1), além de matrizes de confusão. Complementarmente, realiza-se uma validação empírica do sinal extraído, analisando sua associação com decisões de política monetária (variação da taxa Selic) e com o comportamento do câmbio USD/BRL em janelas defasadas. Os resultados indicam que LLMs de propósito geral, com estratégia few-shot, superam o método léxico em desempenho agregado (melhor Macro-F1 de 0.5265 com o Llama 3.1, contra 0.4558 do léxico com limiar ±0.05). Em análise aspect-based, observou-se aumento de interpretabilidade, porém com queda média de desempenho na classificação de sentimento, sugerindo vantagem de pipelines em duas etapas quando a acurácia de polaridade é prioritária. A validação externa reforça a consistência do método ao evidenciar associação negativa entre sentimento médio e decisões da Selic, e sinal informacional concentrado em aspectos ligados a INFLATION e MONETARY para o USD/BRL. Em síntese, o estudo demonstra que a análise automatizada de sentimento em comunicação de banco central é tecnicamente viável e pode apoiar tanto aplicações de mercado quanto investigações acadêmicas. ...
Abstract
Financial markets in Brazil are strongly influenced by the communication of the Central Bank’s Monetary Policy Committee (Copom). In particular, the Copom Minutes help shape expectations and can affect asset prices and key macroeconomic variables such as interest rates and the exchange rate. Yet, most sentiment analysis research focuses on texts with explicit polarity, leaving limited evidence on how economic lexicons and Large Language Models (LLMs) perform when interpreting institutional docu ...
Financial markets in Brazil are strongly influenced by the communication of the Central Bank’s Monetary Policy Committee (Copom). In particular, the Copom Minutes help shape expectations and can affect asset prices and key macroeconomic variables such as interest rates and the exchange rate. Yet, most sentiment analysis research focuses on texts with explicit polarity, leaving limited evidence on how economic lexicons and Large Language Models (LLMs) perform when interpreting institutional documents characterized by technical language and subtle signals. This study evaluates the feasibility and usefulness of extracting sentiment from Copom Minutes (English versions) by comparing (i) a domain-specific economic lexicon (Economic Lexicon) and (ii) LLM-based approaches under two settings: sentence-level sentiment classification and aspect-based sentiment analysis, which jointly predicts the primary macroeconomic aspect and its polarity. The corpus comprises 15 minutes (meetings 260 to 274) from January/2024 to November/2025, totaling 1,180 sentences manually annotated by the author. Supervised evaluation relies on standard multiclass metrics (accuracy and Macro-F1) and confusion matrices. In addition, an external validation assesses whether the extracted signal is consistently associated with observable variables, including monetary policy decisions (changes in the Selic rate) and USD/BRL returns at lagged horizons. Results show that general-purpose LLMs with a few-shot prompting strategy outperform the lexicon-based method in aggregate performance (best Macro-F1 of 0.5265 with Llama 3.1 versus 0.4558 for the lexicon at the ±0.05 threshold). While aspect-based analysis improves interpretability, it yields an average drop in sentiment classification performance, suggesting that two-stage pipelines may be preferable when polarity accuracy is critical. External validation supports the practical consistency of the approach by revealing a negative association between average sentiment and Selic decisions, and by highlighting that the informational signal for USD/BRL is largely concentrated in INFLATION and MONETARY aspects. Overall, the study demonstrates that automated sentiment extraction from central bank communication is technically viable and relevant for both market applications and academic research. ...
Instituição
Universidade Federal do Rio Grande do Sul. Instituto de Informática. Curso de Especialização em Engenharia de Software para Aplicações de Ciência de Dados.
Coleções
Este item está licenciado na Creative Commons License


