Uso de agentes LLM para estudar estratégias de trading em bolsas simuladas

Resumo

Este artigo descreve um mercado de ações simulado em que modelos de linguagem de grande porte atuam como agentes concorrentes, com diferentes estratégias, informações e dotações. O mercado inclui um livro de ofertas persistente, ordens a mercado e limitadas, execuções parciais, dividendos e liquidação em equilíbrio. Os agentes comunicam decisões estruturadas de trading e também produzem raciocínios em linguagem natural. Nos experimentos, os modelos seguiram papéis atribuídos, como investidor em valor, trader de momentum ou formador de mercado. Os resultados simulados incluíram descoberta de preços, bolhas, reação insuficiente e provisão estratégica de liquidez.

A estrutura é apresentada como uma forma de investigar teorias financeiras e o comportamento de agentes quando não há análise em forma fechada, além de executar experimentos que seriam caros com participantes humanos. Também pode examinar como as respostas mudam conforme as condições de mercado e como prompts compartilhados podem criar comportamentos correlacionados que afetam a estabilidade. Esses resultados vêm de uma simulação: o trecho não mostra que agentes LLM negociem de forma confiavelmente rentável em mercados ao vivo nem que a dinâmica simulada reproduza completamente os mercados reais.

Ideias principais

• A bolsa simulada modela um livro de ofertas com ordens a mercado e limitadas, execuções parciais, dividendos e liquidação.
• Agentes LLM podem seguir estratégias atribuídas de investimento em valor, momentum ou formação de mercado nos experimentos descritos.
• O mercado simulado apresenta descoberta de preços, bolhas, reação insuficiente e provisão de liquidez.
• A estrutura permite experimentos sobre comportamento de agentes e teorias financeiras sem soluções em forma fechada.
• Comportamentos correlacionados induzidos por prompts compartilhados podem afetar a estabilidade do mercado simulado.
• Resultados de simulação, por si só, não demonstram desempenho rentável em operações em mercados reais.

Tags

# 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.

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.