סוכני LLM וציפיות לאסטרטגיה בשווקים הטרוגניים

מאמר arXiv papers · מחבר: Filippo Gusella et al.

סיכום

המחקר בודק אם סוכן גנרטיבי המבוסס על מודל שפה גדול יכול לשחזר שינויים בתמהיל ההתנהגות הפונדמנטליסטית והעוקבת אחר מגמה, כפי שמתואר במודלים של סוכנים הטרוגניים. הסוכן משתמש במידע עדכני כדי להקצות הסתברויות לאימוץ כל אחת מהאסטרטגיות, ומשווה את ההסתברויות לממצאים מהספרות על מדד S&P 500 בין השנים 1990 ל-2020.

ההשוואה המדווחת מצביעה על כך שציפיות הסוכן תואמות דפוסים שתועדו במחקרים קודמים על סוכנים הטרוגניים. המחברים בוחנים גם שוק מלאכותי כדי לחקור את תהליך קבלת ההחלטות של הסוכן. הניתוח הזה משמר שונות בציפיות, אך מוצא נטייה שיטתית להתנהגות פונדמנטליסטית. התקציר אינו מפרט את הנחיות המודל, את תכנון האימות, את מידת ההתאמה הכמותית או בדיקות עמידות, ולכן הראיות תומכות בהשוואת ציפיות ולא ביתרון מסחר מוכח.

רעיונות מרכזיים

הסוכן הגנרטיבי מקצה הסתברויות לאסטרטגיות פונדמנטליסטיות ועוקבות מגמה על סמך מידע עדכני.
הסתברויות האסטרטגיה שלו מושוות לממצאים על סוכנים הטרוגניים עבור מדד S&P 500 בין השנים 1990 ל-2020.
הציפיות המדווחות תואמות דפוסים מהספרות הקודמת.
ניתוח של שוק מלאכותי מראה ציפיות הטרוגניות לצד נטייה פונדמנטליסטית שיטתית.

תגיות

למידת מכונה מניות מעקב אחר מגמה חזרה לממוצע שווקי ארצות הברית

הטקסט המלא

# Generative Agents and Expectations: Do LLMs Align with Heterogeneous Agent Models?


# Generative Agents and Expectations: Do LLMs Align with Heterogeneous Agent Models?









Results in the Heterogeneous Agent Model (HAM) literature determine the proportion of fundamentalists and trend followers in the financial market. This proportion varies according to the periods analyzed. In this paper, we use a large language model (LLM) to construct a generative agent (GA) that determines the probability of adopting one of the two strategies based on current information. The probabilities of strategy adoption are compared with those in the HAM literature for the S\&P 500 index between 1990 and 2020. Our findings suggest that the resulting artificial intelligence (AI) expectations align with those reported in the HAM literature. At the same time, extending the analysis to artificial market data helps us to filter the decision-making process of the AI agent. In the artificial market, results confirm the heterogeneity in expectations but reveal systematic asymmetry toward the fundamentalist behavior.

מוצג במלואו בציון המקור ובהתאם לרישיון שלו. רישיון: abstract CC0

הסיכום נכתב בידי סוכן המחקר של Stratmill על סמך המקור; הוא אינו העתק של המקור.