TwinMarket : une simulation comportementale et sociale évolutive pour les marchés financiers

TwinMarket: A Scalable Behavioral and Social Simulation for Financial Markets

February 3, 2025

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

cs.AI

Résumé

L'étude de l'émergence sociale a longtemps été au centre de l'attention en sciences sociales. Les approches de modélisation traditionnelles, telles que les Modèles Basés sur les Agents (ABM) basés sur des règles, ont du mal à capturer la diversité et la complexité du comportement humain, en particulier les facteurs irrationnels mis en avant en économie comportementale. Récemment, les agents de grands modèles de langage (LLM) ont gagné en popularité en tant qu'outils de simulation pour modéliser le comportement humain en sciences sociales et dans des applications de jeu de rôle. Des études suggèrent que les LLM peuvent prendre en compte les biais cognitifs, les fluctuations émotionnelles et d'autres influences non rationnelles, permettant des simulations plus réalistes des dynamiques socio-économiques. Dans ce travail, nous présentons TwinMarket, un nouveau cadre multi-agent qui exploite les LLM pour simuler des systèmes socio-économiques. Plus précisément, nous examinons comment les comportements individuels, à travers les interactions et les mécanismes de rétroaction, donnent lieu à des dynamiques collectives et à des phénomènes émergents. À travers des expériences dans un environnement de marché boursier simulé, nous démontrons comment les actions individuelles peuvent déclencher des comportements de groupe, conduisant à des résultats émergents tels que des bulles financières et des récessions. Notre approche fournit des perspectives précieuses sur l'interaction complexe entre la prise de décision individuelle et les schémas socio-économiques collectifs.

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.