TwinMarket: Een Schaalbare Gedrags- en Sociale Simulatie voor Financiële Markten

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

Samenvatting

De studie van sociale opkomst is al lange tijd een centrale focus in de sociale wetenschappen. Traditionele modelleringsbenaderingen, zoals op regels gebaseerde Agent-Based Models (ABM's), hebben moeite om de diversiteit en complexiteit van menselijk gedrag vast te leggen, met name de irrationele factoren die benadrukt worden in gedragseconomie. Onlangs hebben grote taalmodellen (LLM) agenten aan populariteit gewonnen als simulatietools voor het modelleren van menselijk gedrag in de sociale wetenschappen en rollenspeltoepassingen. Studies suggereren dat LLM's rekening kunnen houden met cognitieve biases, emotionele schommelingen en andere niet-rationele invloeden, waardoor meer realistische simulaties van sociaal-economische dynamiek mogelijk zijn. In dit werk introduceren we TwinMarket, een nieuw multi-agent raamwerk dat gebruikmaakt van LLM's om sociaal-economische systemen te simuleren. Specifiek onderzoeken we hoe individueel gedrag, via interacties en feedbackmechanismen, leidt tot collectieve dynamiek en opkomende fenomenen. Door experimenten in een gesimuleerde effectenmarktomgeving tonen we aan hoe individuele acties groepsgedrag kunnen veroorzaken, wat leidt tot opkomende uitkomsten zoals financiële bubbels en recessies. Onze benadering biedt waardevolle inzichten in de complexe wisselwerking tussen individuele besluitvorming en collectieve sociaal-economische patronen.

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.