TwinMarket: 金融市場向けのスケーラブルな行動および社会シミュレーション

TwinMarket: A Scalable Behavioral and Social Simulation for Financial Markets

February 3, 2025

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

cs.AI

要旨

社会的出現の研究は長い間社会科学の中心的焦点となってきました。従来のモデリング手法、例えばルールベースのエージェントベースモデル（ABM）は、特に行動経済学で強調される非合理な要因を捉えるのに苦労しています。最近、大規模言語モデル（LLM）エージェントが、社会科学やロールプレイングアプリケーションで人間の行動をモデル化するシミュレーションツールとして注目を集めています。研究によると、LLMは認知バイアス、感情の変動、および他の非合理的な影響を考慮に入れることができ、より現実的な社会経済ダイナミクスのシミュレーションを可能にします。本研究では、LLMを活用した新しいマルチエージェントフレームワークであるTwinMarketを紹介します。具体的には、個々の行動が相互作用やフィードバックメカニズムを通じて集団ダイナミクスや新興現象を生み出す過程を調査します。シミュレートされた株式市場環境での実験を通じて、個々の行動が集団行動を引き起こし、金融バブルや不況などの新興結果につながる様子を示します。当社のアプローチは、個々の意思決定と集団社会経済パターンとの複雑な相互作用に関する貴重な示唆を提供します。

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.