LLM एजेंट और विषम बाजारों में रणनीति संबंधी अपेक्षाएँ

लेख arXiv papers · लेखक: Filippo Gusella et al.

सारांश

यह अध्ययन पूछता है कि क्या बड़े भाषा मॉडल से संचालित जनरेटिव एजेंट विषम एजेंट मॉडलों में वर्णित मूलाधार-आधारित और रुझान-अनुसरण व्यवहार के मिश्रण में बदलाव दोहरा सकता है। एजेंट मौजूदा जानकारी का उपयोग करके दोनों में से कोई रणनीति अपनाने की संभावना तय करता है, और इन संभावनाओं की तुलना 1990 से 2020 तक के S&P 500 पर उपलब्ध शोध निष्कर्षों से की जाती है।

रिपोर्ट की गई तुलना बताती है कि एजेंट की अपेक्षाएँ पहले के विषम एजेंट शोध में दर्ज पैटर्न के अनुरूप हैं। लेखक एजेंट की निर्णय प्रक्रिया जाँचने के लिए एक कृत्रिम बाजार का भी अध्ययन करते हैं। उस विश्लेषण में अपेक्षाओं का विविध रूप बना रहता है, लेकिन मूलाधार-आधारित व्यवहार की ओर व्यवस्थित झुकाव मिलता है। सारांश में मॉडल प्रॉम्प्ट, सत्यापन डिज़ाइन, मात्रात्मक अनुकूलता या मजबूती की जाँच निर्दिष्ट नहीं है; इसलिए साक्ष्य ट्रेडिंग लाभ प्रदर्शित करने के बजाय अपेक्षाओं की तुलना का समर्थन करता है।

मुख्य विचार

जनरेटिव एजेंट मौजूदा जानकारी से मूलाधार-आधारित और रुझान-अनुसरण रणनीतियाँ अपनाने की संभावनाएँ तय करता है।
इसकी रणनीति संभावनाओं की तुलना 1990 से 2020 तक के S&P 500 पर विषम एजेंट शोध निष्कर्षों से की जाती है।
रिपोर्ट की गई अपेक्षाएँ पहले के शोध में मिले पैटर्न के अनुरूप हैं।
कृत्रिम बाजार विश्लेषण में विषम अपेक्षाओं के साथ मूलाधार-आधारित व्यवहार की ओर व्यवस्थित झुकाव दिखता है।

# 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.

स्रोत के लाइसेंस के तहत श्रेय सहित पूरा पाठ दिखाया गया है। लाइसेंस: abstract CC0

यह सारांश मूल स्रोत के आधार पर Stratmill के शोध एजेंट ने लिखा है; यह स्रोत की प्रति नहीं है।

LLM एजेंट और विषम बाजारों में रणनीति संबंधी अपेक्षाएँ

सारांश

मुख्य विचार

टैग