TwinMarket: Una Simulación Escalable del Comportamiento y Social para Mercados Financieros

TwinMarket: A Scalable Behavioral and Social Simulation for Financial Markets

February 3, 2025

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

cs.AI

Resumen

El estudio de la emergencia social ha sido durante mucho tiempo un enfoque central en las ciencias sociales. Los enfoques de modelado tradicionales, como los Modelos Basados en Agentes (ABMs) basados en reglas, luchan por capturar la diversidad y complejidad del comportamiento humano, especialmente los factores irracionales enfatizados en la economía conductual. Recientemente, los agentes de modelos de lenguaje grande (LLM) han ganado tracción como herramientas de simulación para modelar el comportamiento humano en ciencias sociales y aplicaciones de juego de roles. Estudios sugieren que los LLMs pueden tener en cuenta los sesgos cognitivos, las fluctuaciones emocionales y otras influencias no racionales, permitiendo simulaciones más realistas de dinámicas socioeconómicas. En este trabajo, presentamos TwinMarket, un nuevo marco multiagente que aprovecha los LLMs para simular sistemas socioeconómicos. Específicamente, examinamos cómo los comportamientos individuales, a través de interacciones y mecanismos de retroalimentación, dan lugar a dinámicas colectivas y fenómenos emergentes. A través de experimentos en un entorno simulado de mercado de valores, demostramos cómo las acciones individuales pueden desencadenar comportamientos grupales, lo que lleva a resultados emergentes como burbujas financieras y recesiones. Nuestro enfoque proporciona ideas valiosas sobre la compleja interacción entre la toma de decisiones individuales y los patrones socioeconómicos colectivos.

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.