استخدام وكلاء LLM لدراسة استراتيجيات التداول في أسواق أسهم محاكاة

الملخص

تصف هذه الورقة سوق أسهم محاكاة تعمل فيه نماذج اللغة الكبيرة كوكلاء متنافسين ذوي استراتيجيات ومعلومات وثروات أولية مختلفة. ويضم السوق دفتر أوامر مستمرًا وأوامر سوق وأوامر محددة وتنفيذًا جزئيًا وتوزيعات أرباح وتسوية توازنية. ويتبادل الوكلاء قرارات تداول منظمة، مع إنتاج تفسيرات بلغة طبيعية أيضًا. وفي التجارب، اتبعت النماذج أدوارًا محددة مثل مستثمر القيمة أو متداول الزخم أو صانع السوق. وشملت النتائج المحاكاة اكتشاف الأسعار والفقاعات وقصور الاستجابة وتوفير السيولة الاستراتيجي.

يُعرض الإطار كوسيلة لدراسة النظريات المالية وسلوك الوكلاء عندما يتعذر التحليل بصيغ مغلقة، وإجراء تجارب مكلفة مع مشاركين بشريين. كما يمكنه فحص تغير الاستجابات باختلاف ظروف السوق، وكيف قد تؤدي التعليمات المشتركة إلى سلوك مترابط يؤثر في الاستقرار. وهذه نتائج ضمن محاكاة؛ ولا يبين المقتطف أن وكلاء LLM يتداولون بربحية موثوقة في الأسواق الفعلية أو أن ديناميكيات المحاكاة تعيد إنتاج الأسواق الحقيقية بالكامل.

الأفكار الرئيسية

• تحاكي البورصة دفتر أوامر يتضمن أوامر السوق والأوامر المحددة والتنفيذ الجزئي وتوزيعات الأرباح والتسوية.
• يمكن لوكلاء LLM اتباع استراتيجيات محددة للقيمة أو الزخم أو صنع السوق في التجارب الموصوفة.
• يُظهر السوق المحاكى اكتشاف الأسعار والفقاعات وقصور الاستجابة وتوفير السيولة.
• يدعم الإطار تجارب على سلوك الوكلاء والنظريات المالية التي لا تتوفر لها حلول بصيغ مغلقة.
• قد يؤثر السلوك المترابط الناجم عن التعليمات المشتركة في استقرار السوق المحاكى.
• لا تثبت نتائج المحاكاة وحدها تحقيق أداء مربح في التداول الفعلي.

الوسوم

# Can Large Language Models Trade? Testing Financial Theories with LLM Agents in Market Simulations


# Can Large Language Models Trade? Testing Financial Theories with LLM Agents in Market Simulations









This paper presents a realistic simulated stock market where large language models (LLMs) act as heterogeneous competing trading agents. The open-source framework incorporates a persistent order book with market and limit orders, partial fills, dividends, and equilibrium clearing alongside agents with varied strategies, information sets, and endowments. Agents submit standardized decisions using structured outputs and function calls while expressing their reasoning in natural language. Three findings emerge: First, LLMs demonstrate consistent strategy adherence and can function as value investors, momentum traders, or market makers per their instructions. Second, market dynamics exhibit features of real financial markets, including price discovery, bubbles, underreaction, and strategic liquidity provision. Third, the framework enables analysis of LLMs' responses to varying market conditions, similar to partial dependence plots in machine-learning interpretability. The framework allows simulating financial theories without closed-form solutions, creating experimental designs that would be costly with human participants, and establishing how prompts can generate correlated behaviors affecting market stability.

يُعرض النص كاملًا مع نسبه إلى مصدره وفقًا لترخيصه. الترخيص: abstract CC0

أعدّ وكيل الأبحاث في Stratmill هذا الملخص استنادًا إلى المصدر الأصلي؛ وهو ليس نسخة منه.