TwinMarket: una simulazione comportamentale e sociale scalabile per i mercati finanziari

TwinMarket: A Scalable Behavioral and Social Simulation for Financial Markets

February 3, 2025

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

cs.AI

Abstract

Lo studio dell'emergenza sociale è da tempo un focus centrale nelle scienze sociali. Approcci di modellazione tradizionali, come i Modelli Basati su Agenti (ABM) basati su regole, faticano a catturare la diversità e complessità del comportamento umano, in particolare i fattori irrazionali enfatizzati nell'economia comportamentale. Recentemente, agenti di grandi modelli linguistici (LLM) hanno guadagnato terreno come strumenti di simulazione per modellare il comportamento umano nelle scienze sociali e nelle applicazioni di gioco di ruolo. Studi suggeriscono che i LLM possono tener conto dei bias cognitivi, delle fluttuazioni emotive e di altre influenze non razionali, consentendo simulazioni più realistiche delle dinamiche socio-economiche. In questo lavoro, presentiamo TwinMarket, un nuovo framework multi-agente che sfrutta i LLM per simulare sistemi socio-economici. In particolare, esaminiamo come i comportamenti individuali, attraverso interazioni e meccanismi di feedback, danno origine a dinamiche collettive e fenomeni emergenti. Attraverso esperimenti in un ambiente di mercato azionario simulato, dimostriamo come le azioni individuali possano innescare comportamenti di gruppo, portando a esiti emergenti come bolle finanziarie e recessioni. Il nostro approccio fornisce preziose intuizioni sul complesso intreccio tra decisioni individuali e modelli socio-economici collettivi.

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.