TwinMarket: Eine skalierbare Verhaltens- und soziale Simulation für Finanzmärkte

TwinMarket: A Scalable Behavioral and Social Simulation for Financial Markets

February 3, 2025

Autoren: Yuzhe Yang, Yifei Zhang, Minghao Wu, Kaidi Zhang, Yunmiao Zhang, Honghai Yu, Yan Hu, Benyou Wang

cs.AI

Zusammenfassung

Die Erforschung sozialer Emergenz ist seit langem ein zentraler Schwerpunkt in den Sozialwissenschaften. Traditionelle Modellierungsansätze, wie regelbasierte Agentenbasierte Modelle (ABMs), haben Schwierigkeiten, die Vielfalt und Komplexität menschlichen Verhaltens zu erfassen, insbesondere die irrationalen Faktoren, die in der Verhaltensökonomie betont werden. In letzter Zeit haben große Sprachmodelle (LLMs) als Simulationstools zur Modellierung menschlichen Verhaltens in den Sozialwissenschaften und Rollenspielanwendungen an Bedeutung gewonnen. Studien legen nahe, dass LLMs kognitive Verzerrungen, emotionale Schwankungen und andere nicht-rationale Einflüsse berücksichtigen können, was realistischere Simulationen sozioökonomischer Dynamiken ermöglicht. In dieser Arbeit stellen wir TwinMarket vor, ein neuartiges Multi-Agenten-Framework, das LLMs nutzt, um sozioökonomische Systeme zu simulieren. Insbesondere untersuchen wir, wie individuelle Verhaltensweisen durch Interaktionen und Rückkopplungsmechanismen zu kollektiven Dynamiken und emergenten Phänomenen führen. Durch Experimente in einer simulierten Börsenumgebung zeigen wir, wie individuelle Handlungen Gruppenverhalten auslösen können, was zu emergenten Ergebnissen wie Finanzblasen und Rezessionen führt. Unser Ansatz liefert wertvolle Einblicke in das komplexe Zusammenspiel zwischen individueller Entscheidungsfindung und kollektiven sozioökonomischen Mustern.

English

The study of social emergence has long been a central focus in social science. Traditional modeling approaches, such as rule-based Agent-Based Models (ABMs), struggle to capture the diversity and complexity of human behavior, particularly the irrational factors emphasized in behavioral economics. Recently, large language model (LLM) agents have gained traction as simulation tools for modeling human behavior in social science and role-playing applications. Studies suggest that LLMs can account for cognitive biases, emotional fluctuations, and other non-rational influences, enabling more realistic simulations of socio-economic dynamics. In this work, we introduce TwinMarket, a novel multi-agent framework that leverages LLMs to simulate socio-economic systems. Specifically, we examine how individual behaviors, through interactions and feedback mechanisms, give rise to collective dynamics and emergent phenomena. Through experiments in a simulated stock market environment, we demonstrate how individual actions can trigger group behaviors, leading to emergent outcomes such as financial bubbles and recessions. Our approach provides valuable insights into the complex interplay between individual decision-making and collective socio-economic patterns.