Simulating Financial Market via Large Language Model based Agents

大多数经济理论通常假设金融市场参与者是完全理性的个体，并使用数学模型来模拟金融市场中的人类行为。然而，人类行为往往并不完全理性，并且很难用数学模型准确预测。在本文中，我们提出了基于代理的模拟金融市场（ASFM），首先构建一个具有真实订单匹配系统的模拟股票市场。然后，我们提出了一个基于大型语言模型的股票交易代理，其中包含基于个人资料、观察和工具学习的动作模块。交易代理可以全面了解当前市场动态和金融政策信息，并做出符合其交易策略的决策。在实验中，我们首先验证了我们的ASFM在两个可控场景下的反应与真实股票市场一致。此外，我们还在两个流行的经济学研究方向上进行了实验，并发现我们模型得出的结论与经济学研究的初步发现一致。基于这些观察结果，我们认为我们提出的ASFM为经济研究提供了新的范式。

提出了基于智能代理的模拟金融市场（ASFM）的方案，旨在解决金融市场中人类行为通常不完全理性，难以用数学模型准确预测的问题。同时，该方案也可以用于经济研究。

ASFM首先构建了一个带有真实订单匹配系统的模拟股票市场，然后使用基于大型语言模型的代理作为股票交易者，包含基于个人资料、观察和工具学习的动作模块，以综合了解当前市场动态和金融政策信息，并做出符合其交易策略的决策。

实验中，作者首先在两个可控场景下验证了ASFM的反应与真实股票市场的一致性。此外，还在两个流行的经济研究方向上进行了实验，并发现ASFM的结论与经济研究的初步发现相一致。该方案为经济研究提供了一种新的范例。

与该研究相关的其他研究包括：《Agent-Based Models of Financial Markets》、《Artificial Intelligence and Economic Theory: Skynet in the Market》等。