TwinMarket: Масштабируемая поведенческая и социальная симуляция для финансовых рынков

TwinMarket: A Scalable Behavioral and Social Simulation for Financial Markets

February 3, 2025

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

cs.AI

Аннотация

Изучение социального возникновения давно является центральной темой в социальных науках. Традиционные подходы к моделированию, такие как основанные на правилах модели агентов (ABM), испытывают трудности в улавливании разнообразия и сложности человеческого поведения, особенно иррациональных факторов, акцентированных в поведенческой экономике. Недавно большие языковые модели (LLM) агентов получили популярность как инструменты моделирования человеческого поведения в социальных науках и ролевых приложениях. Исследования показывают, что LLM могут учитывать когнитивные предвзятости, эмоциональные колебания и другие нерациональные влияния, обеспечивая более реалистичные симуляции социо-экономической динамики. В данной работе мы представляем TwinMarket, новую мультиагентную платформу, которая использует LLM для симуляции социо-экономических систем. Конкретно, мы исследуем, как индивидуальные поведенческие шаблоны, через взаимодействия и механизмы обратной связи, порождают коллективную динамику и восходящие явления. Через эксперименты в симулированной среде фондового рынка мы демонстрируем, как действия отдельных лиц могут провоцировать групповые поведенческие реакции, приводя к восходящим результатам, таким как финансовые пузыри и рецессии. Наш подход предоставляет ценные исследования сложного взаимодействия между индивидуальным принятием решений и коллективными социо-экономическими узорами.

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.