Dùng tác nhân LLM để nghiên cứu chiến lược giao dịch trong thị trường cổ phiếu mô phỏng

Tóm tắt

Bài viết mô tả một thị trường cổ phiếu mô phỏng, trong đó các mô hình ngôn ngữ lớn hoạt động như những tác nhân cạnh tranh với chiến lược, thông tin và nguồn lực khác nhau. Thị trường có sổ lệnh liên tục, lệnh thị trường và lệnh giới hạn, khớp lệnh một phần, cổ tức và cơ chế cân bằng. Các tác nhân truyền đạt quyết định giao dịch theo cấu trúc, đồng thời đưa ra lập luận bằng ngôn ngữ tự nhiên. Trong các thử nghiệm, mô hình đảm nhận những vai trò được giao như nhà đầu tư giá trị, nhà giao dịch theo động lượng hoặc nhà tạo lập thị trường. Các kết quả mô phỏng bao gồm khám phá giá, bong bóng, phản ứng chưa đầy đủ và cung cấp thanh khoản có tính chiến lược.

Khuôn khổ này được trình bày như một cách khảo sát các lý thuyết tài chính và hành vi của tác nhân khi không thể phân tích bằng công thức đóng, đồng thời chạy các thử nghiệm vốn sẽ tốn kém nếu dùng người tham gia. Khuôn khổ cũng có thể khảo sát phản ứng thay đổi ra sao theo điều kiện thị trường và các gợi ý dùng chung có thể tạo ra hành vi tương quan ảnh hưởng đến tính ổn định như thế nào. Đây là kết quả trong mô phỏng: phần trích dẫn không cho thấy tác nhân LLM giao dịch có lãi một cách đáng tin cậy trên thị trường thực hoặc động lực mô phỏng tái tạo đầy đủ thị trường thực.

Ý chính

• Sàn giao dịch mô phỏng có sổ lệnh với lệnh thị trường và lệnh giới hạn, khớp lệnh một phần, cổ tức và cơ chế cân bằng.
• Trong các thử nghiệm được mô tả, tác nhân LLM có thể tuân theo chiến lược giá trị, động lượng hoặc tạo lập thị trường được giao.
• Thị trường mô phỏng thể hiện khám phá giá, bong bóng, phản ứng chưa đầy đủ và cung cấp thanh khoản.
• Khuôn khổ hỗ trợ thử nghiệm về hành vi tác nhân và các lý thuyết tài chính không có lời giải dạng công thức đóng.
• Hành vi tương quan do các gợi ý dùng chung tạo ra có thể ảnh hưởng đến tính ổn định của thị trường mô phỏng.
• Chỉ riêng kết quả mô phỏng không chứng minh hiệu suất sinh lời trong giao dịch thực.

Thẻ

# 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.

Hiển thị toàn văn kèm ghi nguồn theo giấy phép của tài liệu gốc. Giấy phép: abstract CC0

Bản tóm tắt này do tác nhân nghiên cứu của Stratmill biên soạn từ tài liệu gốc; đây không phải bản sao của tài liệu.