三十年前，圣塔菲研究所的“人工股票市场”实验揭示了传统Agent-Based Models（ABM）的根本困境：它们难以捕捉人类投资者复杂的认知偏差、情绪波动和社交影响。如今，大语言模型（LLM）的出现为这一领域带来了范式转变的可能。香港中文大学（深圳）与南京大学的研究团队推出的TwinMarket平台，正是这一转变的里程碑式实践。该平台通过构建千人规模的LLM驱动虚拟投资者，系统探索了个体互动如何汇聚成群体狂热、微观决策如何引发宏观危机的深层机制。其论文《TwinMarket: A Scalable Behavioral and Social Simulation for Financial Markets》已被NeurIPS 2025接收，并荣获ICLR 2025 Financial AI Workshop最佳论文奖。
传统金融市场模拟长期依赖预设的“刺激-反应”规则模型，存在三大结构性局限：行为同质化难以刻画投资者异质性，社交互动缺失无法建模信息传播网络，认知过程黑箱化限制了模型的可解释性。TwinMarket的创新在于彻底摒弃了这种机械范式，转而采用基于大语言模型的认知仿真框架。其核心是引入Belief-Desire-Intention（BDI）三层认知结构，让智能体像人类一样进行“信念-愿望-意图”的推理循环。
在信念层，智能体基于接收的信息形成对市场的理解；在愿望层，它们根据个人特质（如投资风格、风险偏好）生成目标；在意图层，这些目标被转化为具体的交易决策。每次行动后，智能体会进行自我反思，评估决策合理性、市场反馈，并动态调整信念——这种认知更新机制赋予了AI类似人类的学习能力，而非简单的规则匹配。
TwinMarket的仿真环境深度扎根于真实数据，确保了模拟的实证基础。研究团队从雪球平台收集了639名真实投资者的11,965笔交易记录，提取了人口统计属性、投资风格（40%基本面派、60%技术派）和四种量化行为偏差：处置效应、彩票偏好、过度集中和过度交易。这些特征被编码为智能体的“人格特质”，例如一个“技术派+高处置效应+过度交易”的智能体，其系统提示会明确描述其行为模式。市场环境构建同样严谨：每个交易日，智能体接收新闻热点、公司公告、股票数据和社交媒体热帖，完全模拟真实投资者的信息获取场景。交易系统采用集合竞价机制，严格遵循A股规则，价格由智能体提交的限价订单内生决定，确保了市场动态的真实性——当智能体集体看多时价格推高，恐慌时则暴跌。
在微观验证层面，TwinMarket的模拟揭示了两个深刻现象。首先，财富不平等会自发形成并持续扩大：在完全公平的虚拟市场中，Gini系数随时间上升，Top 10%智能体的财富份额阶梯性增长，而Bottom 50%的份额逐渐下降。这表明市场会自然分化出“赢家”和“输家”，这种结构性不平等源于智能体间微小的认知差异、信息路径和社交互动在时间中的放大效应，与现实经济中“富者愈富”的机制惊人相似。其次，过度交易导致收益恶化：实验数据显示，表现最好的10%智能体交易频率更低、平均回报为正；而交易最频繁的50%群体却录得负收益。即使不计交易成本，这种“过度交易惩罚”依然存在，反映出过度自信、情绪驱动等人类典型行为偏差。
这些发现表明，TwinMarket中的AI不仅学会了决策，更重现了人类在金融市场中的非理性模式，实现了行为层面的“共鸣”。
从更广阔的视角看，TwinMarket的价值远超金融市场模拟本身。它代表了一种新的社会科学研究方法论：通过LLM构建具有“人性”的智能体，我们可以在可控环境中研究群体行为的涌现机制、社会现象的动力学原理。未来，这一框架可扩展至舆情传播、政策评估、城市规划等领域，为理解复杂社会系统提供前所未有的实验平台。然而，挑战依然存在：如何确保智能体行为的可解释性？如何平衡模拟规模与计算成本？如何验证仿真结果与真实世界的对应关系？这些问题将是下一代行为仿真研究的核心。TwinMarket已迈出了关键一步——它证明，当AI学会像人一样思考时，我们不仅能模拟市场，更能洞察人性。
— 图片补充 —
关注“鲸栖”小程序，掌握最新AI资讯
本文来自网络搜集，不代表鲸林向海立场，如有侵权，联系删除。转载请注明出处：https://www.itsolotime.com/archives/7282
