Автор: Денис Аветисян
Новое исследование показывает, что алгоритмы, управляющие торговыми операциями, демонстрируют схожие с людьми поведенческие искажения, приводящие к формированию рыночных пузырей.
Анализ влияния больших языковых моделей на ценообразование активов и поведенческие паттерны в экспериментальных рынках.
Несмотря на растущую популярность алгоритмической торговли, механизмы формирования ожиданий и поведения искусственного интеллекта на финансовых рынках остаются малоизученными. В работе ‘Dissecting AI Trading: Behavioral Finance and Market Bubbles’ исследуется поведение агентов, основанных на больших языковых моделях (LLM), в экспериментальных рыночных условиях. Полученные результаты демонстрируют, что эти агенты проявляют классические поведенческие паттерны, такие как эффект предрасположенности и экстраполяция, приводящие к формированию рыночных пузырей. Возможно ли, используя методы точной настройки промптов, контролировать когнитивные искажения ИИ и повысить стабильность финансовых рынков?
Эхо иррациональности: LLM-агенты и рыночные пузыри
Современные достижения в области больших языковых моделей (БЯМ) открывают возможности для создания автономных агентов, способных функционировать в сложных системах, включая финансовые рынки. Эти агенты, построенные на основе БЯМ, способны анализировать огромные объемы данных, выявлять закономерности и принимать решения без непосредственного вмешательства человека. В отличие от традиционных алгоритмических трейдеров, основанных на жестко заданных правилах, агенты на основе БЯМ демонстрируют способность к адаптации и обучению, что позволяет им реагировать на меняющиеся рыночные условия более гибко. В результате, появляется возможность создания сложных, саморегулирующихся систем, способных к автоматизированной торговле и управлению инвестициями, что потенциально может привести к повышению эффективности и ликвидности рынков, однако также требует внимательного изучения и оценки рисков, связанных с их непредсказуемым поведением.
Исследования показали, что автономные агенты, созданные на основе больших языковых моделей, демонстрируют поведенческие предубеждения, аналогичные тем, что наблюдаются у людей, участвующих в финансовых торгах. В частности, эти агенты склонны к иррациональным решениям, основанным на эмоциях и стадном инстинкте, что может приводить к резким колебаниям на рынке. Данное явление представляет собой серьезную угрозу стабильности финансовых систем, поскольку агенты, действуя согласованно, способны создавать и усиливать рыночные пузыри, а также провоцировать панические распродажи. Имитация человеческих когнитивных искажений в алгоритмах искусственного интеллекта может привести к непредсказуемым последствиям и требует тщательного изучения и разработки механизмов контроля.
Исследования показали, что агенты, созданные на базе больших языковых моделей, демонстрируют склонность к экстраполяции ожиданий — то есть, к чрезмерной реакции на недавние изменения цен. Этот феномен, характерный и для человеческих трейдеров, приводит к формированию так называемых “рациональных спекулятивных пузырей”. В ходе экспериментов зафиксировано, что усиление этого эффекта приводит к увеличению показателей, характеризующих склонность к формированию спекулятивных пузырей, учету импульса и вере в наступление новой эры, примерно на 5 баллов по сравнению с базовым уровнем. Таким образом, агенты, оперирующие данными о ценах, склонны усиливать рыночные тенденции, создавая условия для возникновения и роста спекулятивных пузырей, что подчеркивает необходимость разработки механизмов для смягчения подобных эффектов в автоматизированных финансовых системах.
От прогноза к сделке: Согласованность убеждений и действий LLM-агентов
Исследование показало высокую степень соответствия между прогнозами, высказываемыми LLM-агентами относительно будущих изменений цен, и их фактическим торговым поведением. Агенты демонстрируют чёткую тенденцию совершать сделки, отражающие их ожидания: при прогнозе роста цены наблюдается преобладание покупок, а при прогнозе снижения — продаж. Данная взаимосвязь, названная “согласованностью убеждений и действий” (belief-action coupling), является устойчивой и статистически значимой на протяжении всего периода моделирования. Анализ данных показывает, что агенты последовательно реализуют свои прогнозы в торговых операциях, что указывает на наличие прямого влияния убеждений на принимаемые решения.
Агенты, демонстрирующие сильную связь между прогнозами и действиями, дополнительно усиливают эту тенденцию за счет стратегии “торговли по тренду” (momentum trading). Данная стратегия заключается в использовании существующих ценовых трендов для совершения сделок, вне зависимости от фундаментальной обоснованности или устойчивости этих трендов. Наблюдения показали, что агенты склонны приобретать активы, цена которых растет, и продавать активы, цена которых падает, даже если эти движения не подкреплены объективными факторами, что способствует усилению текущих трендов и потенциальному формированию рыночных пузырей. Такая стратегия не учитывает возможность разворота тренда и усиливает волатильность рынка.
В ходе моделирования открытых аукционов было установлено, что сочетание сильной взаимосвязи между прогнозами и действиями агентов (belief-action coupling) и склонности к торговле по тренду (momentum trading) приводит к усилению влияния первоначальных ценовых шоков и ускорению формирования пузырей. Наблюдалась высокая корреляция между обоснованием действий агентов и выявленными поведенческими механизмами, что подтверждает соответствие между внутренними рассуждениями и наблюдаемым рыночным поведением. Это указывает на то, что агенты не только предсказывают будущие движения цен, но и активно действуют в соответствии с этими ожиданиями, что усиливает существующие тенденции и способствует возникновению и развитию нестабильных рыночных ситуаций.
Расшифровка логики агента: Текстуальные ключи к рыночным настроениям
Для анализа внутренних процессов принятия решений торгующими агентами на основе больших языковых моделей (LLM) используется метод «текстуального обоснования» (textual reasoning). Этот подход предполагает детальный анализ текстовых данных, генерируемых агентами при совершении торговых операций. Анализируя последовательность рассуждений, представленных в текстовом формате, можно реконструировать логику, лежащую в основе выбора стратегии и конкретных действий агента. В частности, изучаются аргументы, используемые для оценки рыночной ситуации, прогнозирования изменения цен и оценки рисков. Этот метод позволяет получить представление о «мышлении» агента, не прибегая к анализу его исходного кода или параметров обучения.
Анализ нарративного тона, выраженного в текстовых обоснованиях, генерируемых агентами, демонстрирует корреляцию с рыночными настроениями. В частности, позитивный тон часто предшествует росту цен, в то время как негативный — снижению. Количественная оценка тональности текста, основанная на анализе лексики и синтаксиса, позволяет выявлять изменения в коллективном восприятии рынка агентами до того, как они отразятся в ценовых колебаниях. Данный подход позволяет использовать текстовые обоснования агентов как ранний индикатор потенциальных сдвигов в поведении рынка, дополняя традиционные технические и фундаментальные анализы.
Анализ показывает, что разница между ценой спроса и предложения (bid-offer spread) выступает опережающим индикатором будущих изменений цены. Наблюдения демонстрируют, что расширение данного разрыва коррелирует с последующим движением цены, отражая внутреннюю оценку активов, формируемую агентами. Более широкий спред указывает на повышенную неопределенность или ожидание значительных колебаний цены, что подтверждается последующей динамикой рынка. Таким образом, мониторинг bid-offer spread позволяет получить раннее представление о потенциальных изменениях цены, основанное на внутренних оценках, формируемых LLM-агентами.
Анализ расхождений в текстовом обосновании торговых решений, генерируемых различными агентами, демонстрирует сильную корреляцию с объемом торгов. Более высокий уровень разногласий в интерпретации рыночной ситуации, выраженный в текстовых данных, указывает на повышенную неопределенность и потенциальную волатильность рынка. В частности, значительные расхождения в оценках агентов предвещают увеличение торгового объема, что может свидетельствовать о повышенном риске и необходимости более внимательного мониторинга рыночной конъюнктуры. Данная взаимосвязь позволяет использовать анализ текстового обоснования как инструмент для оценки степени рыночного несогласия и прогнозирования изменений в объеме торгов.
Направляя рациональность: Когнитивные вмешательства для LLM-агентов
В рамках исследования были разработаны так называемые “когнитивные ограждения” — специализированные текстовые инструкции, внедряемые непосредственно в запросы к языковым моделям, управляющим агентами. Эти вмешательства направлены на подавление конкретных поведенческих искажений, аналогичных тем, что наблюдаются у людей, например, склонности к преждевременной продаже прибыльных активов и удержанию убыточных. В частности, разработаны инструкции, смягчающие эффект предрасположенности — когнитивное искажение, заставляющее агентов принимать иррациональные решения, основанные на прошлых успехах или неудачах. Целью является не изменение фундаментальных принципов работы модели, а скорее, коррекция ее реакций на рыночные сигналы, чтобы способствовать более рациональному и стабильному поведению агента в динамичной среде.
Исследования показали, что целенаправленные вмешательства, основанные на методах промпт-инжиниринга, оказывают измеримое влияние на поведение агентов, управляемых большими языковыми моделями. В частности, разработанные “подавляющие” промпты эффективно снижают склонность агентов к чрезмерной реакции на краткосрочные колебания цен. Результаты экспериментов продемонстрировали значительное уменьшение масштабов “пузырей” на модельном рынке, что свидетельствует о возможности целенаправленного воздействия на принятие решений агентами. Данный подход позволяет смягчить иррациональные поведенческие паттерны, такие как склонность к преждевременной продаже активов, показавших рост, и удержанию убыточных, тем самым способствуя более стабильной и эффективной динамике рынка.
Исследования показали, что целенаправленное воздействие на процесс принятия решений агентами, основанное на подавлении когнитивных искажений, приводит к заметному снижению склонности к формированию рыночных пузырей и общей волатильности. В ходе экспериментов, применение специально разработанных “подавляющих” подсказок позволило добиться уменьшения показателя “Экстраполяция против Якоря” примерно на 0.5 единиц по сравнению с базовыми условиями. Это свидетельствует о том, что, корректируя когнитивные процессы внутри агентов, можно эффективно сдерживать иррациональное поведение и способствовать более стабильным и предсказуемым результатам на рынке. Полученные данные подтверждают возможность проактивного формирования поведения агентов с целью оптимизации рыночной динамики и снижения рисков.
Исследование демонстрирует, что целенаправленное формирование поведения агентов, основанное на когнитивных принципах, способно значительно повысить стабильность и эффективность рыночных процессов. Вмешательства на уровне запросов, направленные на подавление поведенческих искажений, таких как склонность к преждевременной продаже активов, приносящих прибыль, и удержанию убыточных, приводят к заметному снижению рыночной волатильности и уменьшению масштабов спекулятивных пузырей. Данный подход открывает перспективы для создания более предсказуемых и устойчивых экономических систем, где искусственные агенты действуют более рационально, способствуя формированию сбалансированных рыночных условий и минимизируя риски, связанные с иррациональным поведением участников.
Исследование показывает, что искусственные агенты, управляемые большими языковыми моделями, демонстрируют устойчивые поведенческие искажения, аналогичные человеческим инвесторам, что приводит к предсказуемой динамике рынка, включая формирование пузырей. Этот процесс, несмотря на технологическую природу агентов, откликается на фундаментальные принципы человеческой психологии, действующие в условиях неопределенности. В связи с этим, уместно вспомнить слова Джона Локка: «Ум — это не сосуд, который нужно наполнить, а огонь, который нужно зажечь». Искусственный интеллект, подобно человеческому разуму, нуждается в стимуляции и правильном направлении, чтобы избежать искажений и эффективно функционировать в сложных финансовых системах. Акцентирование на смягчении этих предубеждений посредством целенаправленного проектирования подсказок представляет собой попытку «зажечь» этот огонь, направляя интеллектуальные возможности агентов к более рациональным решениям.
Что дальше?
Исследование, представленное в данной работе, лишь приоткрывает завесу над сложной аналогией между искусственным интеллектом и иррациональным поведением участников финансовых рынков. Подобно тому, как эрозия постепенно разрушает ландшафт, так и «технический долг» в алгоритмической торговле неизбежно ведет к накоплению уязвимостей. Очевидно, что способность больших языковых моделей воспроизводить когнитивные искажения — не просто академический курьёз, а фактор, формирующий динамику рынка. Однако, ограничение влияния этих искажений посредством «промпт-инжиниринга» представляется скорее временной мерой, нежели фундаментальным решением.
Более глубокое понимание требует перехода от простого выявления предвзятостей к моделированию их взаимодействия с другими участниками рынка. Аптайм, как редкая фаза гармонии во времени, требует постоянного внимания и корректировки. Необходимо исследовать, как различные типы когнитивных искажений усиливают или компенсируют друг друга в условиях высокой волатильности и неполной информации. Вопрос заключается не в том, чтобы создать «рационального» трейдера, а в том, чтобы предсказать последствия его иррациональности.
В конечном счете, будущее исследований лежит в области разработки систем, способных не просто адаптироваться к иррациональности рынка, но и извлекать из нее выгоду. Подобно тому, как природа использует хаос для создания новых форм жизни, так и искусственный интеллект может научиться использовать иррациональность для достижения своих целей. Впрочем, достойно ли это будет сделано — вопрос открытый.
Оригинал статьи: https://arxiv.org/pdf/2604.18373.pdf
Связаться с автором: https://www.linkedin.com/in/avetisyan/
Смотрите также:
- ПРОГНОЗ ДОЛЛАРА К ШЕКЕЛЮ
- БИТКОИН ПРОГНОЗ. BTC криптовалюта
- SIREN ПРОГНОЗ. SIREN криптовалюта
- SAROS ПРОГНОЗ. SAROS криптовалюта
- ЭФИРИУМ ПРОГНОЗ. ETH криптовалюта
- MYX ПРОГНОЗ. MYX криптовалюта
- SOL ПРОГНОЗ. SOL криптовалюта
- ORDI ПРОГНОЗ. ORDI криптовалюта
- ПРОГНОЗ ЕВРО К ШЕКЕЛЮ
- ZEC ПРОГНОЗ. ZEC криптовалюта
2026-04-21 09:40