跳至正文
返回文库全部文档

异质市场中的LLM智能体与策略预期

文章 arXiv papers · 作者: Filippo Gusella et al.
阅读原文

总结

本研究考察由大型语言模型驱动的生成式智能体，能否重现异质智能体模型所描述的基本面派与趋势跟随行为组合变化。智能体使用当前信息，为采用任一策略分配概率；研究将这些概率与文献中关于500从1990年至2020的研究结果进行比较。

报告的比较结果表明，智能体的预期与以往异质智能体研究记录的模式一致。作者还研究了一个人工市场，以考察智能体的决策过程。该分析保留了预期差异，但发现其系统性地偏向基本面派行为。摘要未说明模型提示词、验证设计、定量拟合或稳健性检验，因此证据支持的是对预期的比较，而非已证实的交易优势。

核心观点

  • 生成式智能体利用当前信息，为基本面派和趋势跟随策略分配概率。
  • 其策略概率与文献中关于500从1990年至2020的研究结果进行比较。
  • 报告的预期与以往文献中的模式一致。
  • 人工市场分析显示，预期存在差异，同时系统性地偏向基本面派行为。

标签

机器学习股票趋势跟踪均值回归美国市场
全文
# 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.

在遵守原作品许可的前提下，附作者信息全文展示。 许可协议: abstract CC0

此摘要由 Stratmill 研究智能体根据原文撰写，并非原文副本。