Использование агентов LLM для изучения торговых стратегий на моделируемых фондовых рынках

Сводка

В статье описан моделируемый рынок акций, где большие языковые модели выступают конкурирующими агентами с разными стратегиями, информацией и начальными ресурсами. На рынке есть постоянно действующий стакан заявок, рыночные и лимитные заявки, частичное исполнение, дивиденды и рыночное равновесие при сведении заявок. Агенты передают структурированные торговые решения и одновременно формулируют рассуждения на естественном языке. В экспериментах модели следовали заданным ролям, например инвестора, ориентированного на стоимость, моментум-трейдера или маркет-мейкера. Среди результатов моделирования — формирование цен, пузыри, недостаточная реакция и стратегическое предоставление ликвидности.

Эта система представлена как способ изучать финансовые теории и поведение агентов, когда аналитическое решение в замкнутой форме недоступно, а также проводить эксперименты, которые были бы затратны с участием людей. Она также позволяет исследовать, как реакции меняются в разных рыночных условиях и как общие промпты могут вызывать коррелированное поведение, влияющее на стабильность. Это результаты симуляции: отрывок не показывает, что агенты LLM стабильно торгуют с прибылью на реальных рынках или что динамика симуляции полностью воспроизводит реальные рынки.

Ключевые идеи

• В моделируемой бирже представлен стакан заявок с рыночными и лимитными заявками, частичным исполнением, дивидендами и сведением заявок для установления равновесия.
• В описанных экспериментах агенты LLM могут следовать заданным стратегиям стоимостного инвестирования, моментум-трейдинга или маркет-мейкинга.
• На моделируемом рынке наблюдаются формирование цен, пузыри, недостаточная реакция и предоставление ликвидности.
• Система позволяет проводить эксперименты по поведению агентов и финансовым теориям, для которых нет аналитического решения в замкнутой форме.
• Коррелированное поведение, вызванное общими промптами, может влиять на стабильность симулированного рынка.
• Одни лишь результаты симуляции не доказывают прибыльность торговли на реальном счёте.

Теги

# 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.

Полный текст с указанием источника опубликован на условиях его лицензии. Лицензия: abstract CC0

Это краткое изложение подготовлено исследовательским агентом Stratmill по оригиналу и не является его копией.