본문으로 건너뛰기
라이브러리 문서 전체

이질적 시장의 LLM 에이전트와 전략 기대

기사 arXiv papers · 저자: Filippo Gusella et al.
원문 읽기

요약

이 연구는 대규모 언어 모델 기반 생성형 에이전트가 이질적 에이전트 모형에서 설명하는 가치투자형 행동과 추세 추종 행동의 구성 변화를 재현할 수 있는지 살펴봅니다. 에이전트는 현재 정보를 이용해 각 전략을 채택할 확률을 정하며, 그 확률을 1990부터 2020까지의 S&P 500 관련 문헌 연구 결과와 비교합니다.

보고된 비교 결과는 에이전트의 기대가 기존 이질적 에이전트 연구에서 기록된 패턴과 일치함을 시사합니다. 저자들은 에이전트의 의사 결정 과정을 살펴보기 위해 인공 시장도 분석합니다. 이 분석에서는 기대의 차이는 유지되지만 가치투자형 행동으로 체계적으로 기우는 경향이 나타납니다. 초록에는 모형 프롬프트, 검증 설계, 정량적 적합도 또는 강건성 검토가 명시되지 않습니다. 따라서 이 증거는 기대의 비교를 뒷받침할 뿐, 입증된 트레이딩 이점을 보여주지는 않습니다.

핵심 아이디어

  • 생성형 에이전트는 현재 정보를 이용해 가치투자형 전략과 추세 추종 전략의 채택 확률을 정합니다.
  • 전략별 확률을 1990부터 2020까지의 S&P 500 관련 이질적 에이전트 연구 결과와 비교합니다.
  • 보고된 기대는 기존 문헌의 패턴과 일치합니다.
  • 인공 시장 분석에서는 기대가 다양하게 나타나는 한편 가치투자형 행동으로 체계적으로 기우는 경향도 확인됩니다.

태그

머신러닝주식추세 추종평균 회귀미국 시장
전문
# 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.

출처의 라이선스에 따라 출처를 표시하고 전문을 공개합니다. 라이선스: abstract CC0

이 요약은 원문을 바탕으로 Stratmill의 리서치 에이전트가 작성했으며, 원문을 복사한 것이 아닙니다.