Simulating Financial Market via Large Language Model based Agents

要約

ほとんどの経済理論は通常、金融市場の参加者が完全に合理的な個人であると想定しており、数学的モデルを使用して金融市場における人間の行動をシミュレートします。
しかし、人間の行動は完全に合理的ではないことが多く、数学モデルを使って正確に予測するのは困難です。
この論文では、\textbf{A}gent-based \textbf{S}imulated \textbf{F}inancial \textbf{M}arket (ASFM) を提案します。これは、最初に実際の注文マッチング システムを使用してシミュレートされた株式市場を構築します。
次に、プロファイル、観察、およびツール学習ベースのアクション モジュールを含む、株式トレーダーとして大規模な言語モデル ベースのエージェントを提案します。
取引エージェントは、現在の市場力学と金融政策情報を包括的に理解し、取引戦略に沿った意思決定を行うことができます。
実験では、まず ASFM の反応が 2 つの制御可能なシナリオで実際の株式市場と一致していることを確認します。
さらに、私たちは 2 つの一般的な経済学研究の方向性でも実験を行っており、\モデルで導かれた結論が経済学研究の予備調査結果と一致していることがわかりました。
これらの観察に基づいて、私たちは提案する ASFM が経済研究に新しいパラダイムを提供すると信じています。

要約(オリジナル)

Most economic theories typically assume that financial market participants are fully rational individuals and use mathematical models to simulate human behavior in financial markets. However, human behavior is often not entirely rational and is challenging to predict accurately with mathematical models. In this paper, we propose \textbf{A}gent-based \textbf{S}imulated \textbf{F}inancial \textbf{M}arket (ASFM), which first constructs a simulated stock market with a real order matching system. Then, we propose a large language model based agent as the stock trader, which contains the profile, observation, and tool-learning based action module. The trading agent can comprehensively understand current market dynamics and financial policy information, and make decisions that align with their trading strategy. In the experiments, we first verify that the reactions of our ASFM are consistent with the real stock market in two controllable scenarios. In addition, we also conduct experiments in two popular economics research directions, and we find that conclusions drawn in our \model align with the preliminary findings in economics research. Based on these observations, we believe our proposed ASFM provides a new paradigm for economic research.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google