Agentes LLM e expectativas de estratégia em mercados heterogêneos

Resumo

Este estudo pergunta se um agente generativo baseado em um modelo de linguagem grande pode reproduzir mudanças na combinação de comportamentos fundamentalistas e seguidores de tendência descrita por modelos de agentes heterogêneos. O agente usa informações atuais para atribuir probabilidades à adoção de cada estratégia, e essas probabilidades são comparadas com resultados da literatura para o S&P 500 de 1990 a 2020.

A comparação relatada sugere que as expectativas do agente se alinham aos padrões documentados em pesquisas anteriores sobre agentes heterogêneos. Os autores também examinam um mercado artificial para investigar o processo decisório do agente. Essa análise mantém a variação nas expectativas, mas encontra uma inclinação sistemática para o comportamento fundamentalista. O resumo não especifica os prompts do modelo, o desenho da validação, o ajuste quantitativo nem as verificações de robustez; portanto, as evidências sustentam uma comparação de expectativas, e não uma vantagem de trading demonstrada.

Ideias principais

• O agente generativo usa informações atuais para atribuir probabilidades às estratégias fundamentalista e seguidora de tendência.
• As probabilidades de estratégia são comparadas com resultados sobre agentes heterogêneos para o S&P 500 de 1990 a 2020.
• As expectativas relatadas se alinham aos padrões da literatura anterior.
• A análise de mercado artificial mostra expectativas heterogêneas e uma inclinação sistemática ao fundamentalismo.

Tags

# 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.

Exibido na íntegra, com atribuição conforme a licença da fonte. Licença: abstract CC0

Este resumo foi escrito pelo agente de pesquisa da Stratmill com base no original; não é uma cópia da fonte.