💻 computer science

Social Contagion and Bank Runs: An Agent-Based Model with LLM Depositors

تقدم هذه الورقة نموذجاً قائماً على الوكلاء يستخدم نماذج لغوية كبيرة مقيدة لمحاكاة كيفية قيام العدوى الاجتماعية والتواصل الشبكي بين المودعين غير المتجانسين بتضخيم مخاطر التهافت على سحب الودائع من البنوك، مما يكشف أن الترابط داخل البنك الواحد والآثار الارتدادية عبر البنوك يتفاعلان بشكل غير خطي لتسريع موجات السحب المتتالية ويعيدان بدقة إنتاج أنماط الفشل في الأزمات المصرفية الأخيرة.

المؤلفون الأصليون: Chris Ruano, Shreshth Rajan

نُشر 2026-02-18

📖 5 دقيقة قراءة🧠 قراءة متعمّقة

CC BY 4.0

المؤلفون الأصليون: Chris Ruano, Shreshth Rajan

البحث الأصلي مرخَّص بموجب CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). ✨ هذا شرح مولَّده بالذكاء الاصطناعي للبحث أدناه. لم يكتبه المؤلفون ولم يصادقوا عليه. وللتحقق من الدقة التقنية، يرجى الرجوع إلى البحث الأصلي. اقرأ إخلاء المسؤولية الكامل

الفكرة الكبرى: لماذا تختلف حالات سحب الودائع الآن؟

تخيل عملية سحب جماعي للودائع (Bank Run) كأنها حريق في مسرح مزدحم. في الأيام الخوالي (النماذج الاقتصادية "الكلاسيكية")، ينتشر الحريق لأن الناس يرون الدخان، فيصابون بالذعر ويهرعون نحو المخرج. إذا رأيت الآخرين يركضون، فستركض أنت أيضاً. وهذا ما يسمى بـ مشكلة التنسيق.

لكن مؤلفي هذه الورقة البحثية يجادلون بأن الحريق في العصر الرقمي ليس مجرد دخان مادي؛ بل هو تغريدة منتشرة، أو موضوع على موقع "ريديت"، أو محادثة جماعية. الحريق لا ينتشر فقط لأن الناس يرون حشداً يركض، بل لأنهم يرون حشداً رقمياً يصرخ "اهربوا!" عبر هواتفهم.

تسأل هذه الورقة: كيف يتسبب هذا الصراخ الرقمي في انهيار البنك فعلياً؟ وهل يمكننا بناء محاكاة حاسوبية للتنبؤ بذلك قبل وقوعه؟

التجربة: رمال رقمية للعب (Sandbox)

للإجابة على ذلك، بنى المؤلفون محاكاة تشبه ألعاب الفيديو (نموذج قائم على الوكلاء - Agent-Based Model) لعملية سحب الودودات. وبدلاً من استخدام معادلات رياضية مملة تفترض أن الجميع يفكرون بنفس الطريقة تماماً، أنشأوا عالماً افتراضياً يحتوي على ثلاث شخصيات رئيسية:

البنوك: تمتلك نقداً في الخزنة واستثمارات طويلة الأجل (مثل السندات). إذا طلب الكثير من الناس أموالهم في وقت واحد، يضطر البنك لبيع تلك الاستثمارات بسرعة وبخصم كبير (بيع اضطراري - "fire sale")، مما يؤدي لخسارة الأموال في العملية.
المودعون (اللاعبون): هؤلاء ليسوا مجرد أرقام؛ بل هم أشخاص مُحاكون بشخصيات مختلفة. بعضهم شجعان، وبعضهم خائفون. البعض يهتم بصحة البنك الفعلية ("الأساسيات")، بينما يهتم الآخرون غال \بما يقوله أصدقاؤهم.
الشبكة الاجتماعية (المكبر الصوتي): هذا هو الجزء الأهم. اللاعبون متصلون عبر شبكة اجتماعية وهمية تشبه تماماً منصة تويتر/إكس خلال أزمة البنوك في عام 2023. بعض الناس لديهم ملايين المتابعين (المؤثرون)، ومعظم الناس لديهم عدد قليل فقط.

السلاح السري: "الدماغ الذكي" (AI Brain)
بدلاً من برمجة اللاعبين بقواعد جامدة مثل "إذا خسر البنك 5%، سأهرب"، استخدم المؤلفون نموذج لغة ضخم (LLM) (مثل روبوت الدردشة الذكي) ليعمل كعقل للاعبين.

أنت تقول للذكاء الاصطناعي: "بنكك يمتلك 100 مليون دولار، لكن 20% من الناس سحبوا أموالهم بالأمس. صديقك نشر للتو على المنصة أن البنك مهتز. هل أنت خائف؟"
يفكر الذكاء الاصطناوي، ويحلل، ويقرر: "سأسحب أموالي وأنشر تحذيراً".
هذا يجعل المحاكاة تبدو أكثر إنسانية وفوضوية من النماذج الرياضية القديمة.

ما اكتشفوه: الدروس الثلاثة الكبرى

بعد تشغيل المحاكاة آلاف المرات، وجدوا ثلاثة أشياء مفاجئة:

1. تأثير "غرفة الصدى" (Echo Chamber)

التشبيه: تخيل غرفة حيث يهمس الجميع. إذا كانت الغرفة صغيرة وهادئة، يمكنك سماع الحقيقة. ولكن إذا وضعت الجميع في غرفة مع آلة صدى عملاقة، فإن الهمسة الصغيرة ستتحول إلى زئير يصم الآذان.
النتيجة: عندما يكون المودعون متصلين بشدة عبر وسائل التواصل الاجتماعي، ينتشر الذعر بشكل أسرع وأقوى. حتى لو كان البنك في الواقع يسير بشكل جيد، إذا قالت "غرفة الصدى" إنه ينهار، فسيهرب الجميع. كلما زاد ترابط المجموعة، زادت سرعة انهيار البنك.

2. "نقطة التحول" (Phase Transition)

التشبيه: فكر في سد يحجز المياه. يمكنك إضافة القليل من الماء (أخبار سيئة) ويصمد السد. ولكن بمجرد تجاوز خط معين، لا يتشقق السد فحسب، بل يتحطم فوراً.
النتيجة: هناك عتبة محددة لـ "تداخل المعلومات" (مدى انتقال الأخبار السيئة من بنك إلى آخر).

تحت 10% من التداخل: يبقى الذعر محتوياً.
فوق 10% من التداخل: ينتقل الذعر مثل الفيروس.
هذا يعني أن تغييراً طفيفاً في سرعة انتقال الأخبار يمكن أن يحول بنكاً مستقراً إلى بنك منهار بين عشية وضحاها.

3. "الضربة المزدوجة" للتداخل (Overlap)

التشبيه: تخيل منزلين متجاورين. إذا كانا يتشاركان في سور (تداخل المودعين) ويتشاركان أيضاً في نظام تهوية (وسائل التواصل الاجتماعي)، فإن الحريق في أحد المنزلين سيحرق الآخر بسرعة أكبر بكثير مما لو كانا يتشاركان السور فقط.
النتيجة: الخطر ليس فقط في أن الناس لديهم حسابات في بنكين (تداخل) أو أنهم يتحدثون على وسائل التواصل (شبكة). الخطر يكمكمن في الجمع بينهما. عندما يتحدث الأشخاص الذين يتعاملون مع "البنك أ" أيضاً مع الأشخاص الذين يتعاملون مع "البنك ب"، ينتقل الخوف فوراً. أظهرت المحاكاة أنه حتى البنك السليم (مثل First Republic) يمكن جره للانهيار بسبب جار مريض (مثل SVB) لمجرد أن عملاءهما كانوا يتحدثون مع بعضهم البعض.

الاختبار الواقعي: SVB و First Republic

اختبر المؤلفون نموذجهم مقابل الانهيار الحقيقي لـ بنك سيليكون فالي (SVB) و بنك فيرست ريبابليك (First Republic) في مارس 2023.

الإعداد: قاموا بتغذية النموذج بالميزانيات العمومية الحقيقية لهذه البنوك ونشاط تويتر الحقيقي في ذلك الأسبوع.
النتيجة: تنبأت محاكاة الذكاء الاصطناعي بدقة بترتيب الأحداث:
1. انهار SVB أولاً (لأنه كان يمتلك نسبة كبيرة من المودعين غير المؤمن عليهم ومجتمعاً مترابطاً ومذعوراً).
2. انهار First Republic بعد ذلك (رغم أنه كان أكثر صحة، إلا أن الذعر انتقل إليه عبر وسائل التواصل الاجتماعي).
3. نجا "بنك إقليمي" عام (لأن عملائه لم يكونوا يتحدثون مع جمهور SVB).

كما تنبأت المحاكاة بأن المودعين غير المؤمن عليهم (الأشخاص الذين لديهم أكثر من 250 ألف دولار في البنك) سيهربون بسرعة أكبر من المؤمن عليهم، وهو ما حدث بالضبط في الواقع.

لماذا يهمك هذا الأمر؟

المؤلفون لا يحاولون القول إن "وسائل التواصل الاجتماعي تسبب انهيار البنوك". هم يقولون: وسائل التواصل الاجتماعي هي "مُضاعِف قوة" (Super-charger).

إذا كان لدى البنك أساسيات ضعيفة (مهتز بالفعل)، فإن وسائل التواصل الاجتماعي لا تهم كثيراً. ولكن إذا كان البنك "جيداً" ولكن لديه تداخل كبير مع بنك متعثر، فإن وسائل التواصل الاجتماعي يمكن أن تحول مشكلة صغيرة إلى كارثة شاملة.

الدرس المستفاد للمنظمين:
اعتاد البنك والمنظمون على اختبار ضغط البنوك من خلال النظر في ميزانياتها العمومية (كمية النقد التي تمتلكها). تقول هذه الورقة إن عليهم البدء في اختبار ضغط الشبكة الاجتماعية أيضاً.

من يتحدث مع من؟
هل يتواجد عملاء "البنك أ" في نفس أماكن تواجد عملاء "البنك ب"؟
ما مدى سرعة انتقال الشائعة بينهما؟

إذا استطعت قياس "الارتباط الاجتماعي" بين البنوك، يمكنك التنبؤ بأي منها معرض لخطر التقاط "فيروس رقمي" قبل أن تنفد الأموال فعلياً.

باختختصار

بنت هذه الورقة رمالاً رقمية حيث يتصرف وكلاء الذكاء الاصطناعي كبشر حقيقيين على تويتر. لقد أثبتت أنه في العالم الحديث، الخوف معدٍ، وسرعة هذا العدوى تعتمد على كيفية تصميم شبكاتنا الاجتماعية. إذا أردنا منع انهيار البنوك، فنحن بحاجة لفهم الشبكة، وليس فقط الرياضيات.

إليك ملخص تقني مفصل لورقة البحث بعنوان "العدوى الاجتماعية وتهافت البنوك: نموذج قائم على الوكلاء مع مودعين مدعومين بالنماذج اللغوية الكبيرة (LLM)" من إعداد شريشت ريجان وكريستوفر روانو.

1. بيان المشكلة

تعالج الورقة فجوة حرجة في تحليل الاستقرار المصرفي الحديث: العجز في النماذج التوازنية التقليدية عن تفسير سرعة، وتزامن، وانتشار تهافت البنوك (Bank Runs) في العصر الرقمي.

قصور النظريات القائمة:
- نموذج دايموند-ديبفيج (1983): يشرح لماذا تحدث حالات التهافت (التكامل الاستراتيجي) ولكنه يعتمد على "النقاط الشمسية" (Sunspots) (تحولات المعتقدات الخارجية) لاختيار التوازن. وتعتبر هذه النقاط غير قابلة للقياس ولا يمكن استهدافها من قبل المنظمين، مما يجعلها أدوات ضعيفة لاختبارات الضغط.
- ألعاب عالمية (موريس-شين): تقدم اختياراً فريداً للتوازن عبر إشارات خاصة مشوبة بالضجيج، لكنها تعتمد على افتراضات بارامترية حول هياكل المعلومات التي يصعب التحقق من صحتها في بيئات التواصل ذاتية التوليد (مثل وسائل التواصل الاجتماعي).
الواقع الحديث: أظهرت أزمة مارس 2023 (سيلكون فالي بنك، فيرست ريبابليك) أن حالات التهافت أسرع وأكثر ترابطاً شبكياً مما توحي به نماذج الطوابير التقليدية أمام الفروع. وتُقاد حالات التهافت بواسطة الارتباط الاجتماعي (مجتمعات المودعين المتداخلة وشبكات التواصل) بدلاً من مجرد الأساسيات الميزانية.
السؤال الجوهري: كيف تتزامن المعتقدات وتنتشر في الوقت الفعلي عبر الشبكات الرقمية، وكيف يمكن نمذجة ذلك لإنشاء أدوات رقابية فعالة؟

2. المنهجية

طوّر المؤلفون نموذجاً قائماً على الوكلاء (ABM) مبنياً على العمليات، يقوم صراحةً بمحاكاة المسار السببي لتدفق المعلومات، واتخاذ القرار، والتغذية الراجعة للميزانية العمومية.

أ. بنية النموذج

تعمل المحاكاة في خطوات زمنية منفصلة ( $t=1, \dots, T$ ) تشمل ثلاثة كيانات أساسية:

البنوك:
- آليات الميزانية العمومية: معالجة السحوبات بآلية "النقد أولاً"، يتبعها تصفية الأصول غير السائلة بخصم ( $h_b$ ).
- القيود: سقف معالجة لكل جولة (10% من الودائع) لمحاكاة الاحتكاك التشغيلي؛ وتحديثات داخلية لاحتمالية التعثر (PD) بناءً على كثافة السحوبات.
- قواعد الفشل: يفشل البنك إذا لم يتمكن من تلبية السحوبات أو إذا تجاوزت السحوبات التراكمية "عتبة الاستحواذ" (على سبيل المثال، 25% لـ SVB، و35% لـ First Republic).
المودعون (الوكلاء):
- التباين: يختلف الوكلاء في تحمل المخاطر والوزن الذي يمنحونه للأساسيات ( $\alpha$ ) مقابل المعلومات الاجتماعية ( $\beta$ ).

حالة التأمين: يُصنف الوكلاء كـ "مؤمن عليهم" أو "غير مؤمن عليهم" بناءً على نسب خاصة بكل بنك (مثلاً SVB بنسبة غير مؤمن عليهم ~93%)، مما يحرك حوافز السحب.
- هيكل الشبكة:
  - داخل البنك: شبكات ذات ذيول ثقيلة (Heavy-tailed) ونواة-محيط (Core-periphery) تمت معايرتها بناءً على بيانات إعادة تغريد تويتر/X (انتشار يهيمن عليه المركز/Hub).
  - بين البنوك: حواف "جسرية" (Bridge edges) متفرقة تربط بين قواعد المودعين المتداخلة بين البنوك.

طبقة التواصل:
- يراقب الوكلاء المنشورات الاجتماعية المتأخرة من جيرانهم ومعدلات السحب.
- تكامل النماذج اللغوية الكبيرة (LLM): بدلاً من قواعد القرار المبرمجة مسبقاً، يستخدم الوكلاء نموذجاً لغوياً كبيراً مقيداً (GPT-4.1-mini) كدالة سياسة سلوكية. يقوم الـ LLM برسم خريطة لوصف الحالة المهيكل (الأساسيات، حالة التأمين، المنشورات الاجتماعية) إلى إجراء منفصل (سحب/بقاء) ومنشور اجتماعي اختياري.

ب. التحقق والمعايرة

المرتكزات التجريبية: تم ضبط المعلمات باستخدام بيانات مارس 2023 (SVB، First Republic، وبنك إقليمي ضابط) وبيانات الدفع عالية التردد.
التحقق من الـ LLM: تم التحقق من سياسة الـ LLM مقابل تجارب التنسيق المختبرية (Garratt and Keister, 2009). نجح الـ LLM في وضع "الصفر" (Zero-shot) في إعادة إنتاج الثوابت النوعية المقارنة (مثل معدلات السحب الأعلى في الأنظمة عالية الهشاشة) دون الحاجة لضبط دقيق على بيانات التهافت.
المقارنة المرجعية النظرية: تمت مقارنة النت actually مع توازنات دايموند-ديبفيج وتوقعات ألعاب موريس-شين لضمان أن المحاكي يتوسط بين التوازنات الساكنة والتنسيق اللحظي.

3. المساهمات الرئيسية

التحول المنهجي: يقترح نموذجاً قائماً على الوكلاء (ABM) مبنياً على العمليات كإطار عمل متفوق لتحليل حالات التهافت الحديثة مقارنة بنماذج اختيار التوازن. فهو يعامل "المسار السببي" لانتشار المعلومات كهدف رئيسي للدراسة، متجاوزاً "النقاط الشمسية" غير القابلة للرصد.
صياغة الارتباط الاجتماعي: يعرّف الارتباط الاجتماعي (مجتمعات المودعين المتداخلة وشبكات التواصل) كقناة خطر متميزة وقابلة للقياس تضخم ضغوط الميزانية العمومية، بشكل مشابه للتعرضات المترابطة للأصول ولكن عبر المعتقدات.
الابتكار السلوكي: يثبت أن النماذج اللغوية الكبيرة الجاهزة (Off-the-shelf) يمكن أن تعمل كأولويات سلوكية منضبطة وقابلة للتدقيق في المحاكاة الاقتصادية. تظهر الدراسة أن الـ LLMs يمكنها التقاط ديناميكيات التنسيق المعقدة دون الحاجة لتدريب التعلم المعزز، بشرط تقييدها بواجهات إجراءات صارمة والتحقق منها مقابل البيانات التجريبية.
النتائج الكمية: يقدم نتائج محاكاة محددة حول الديناميكيات غير الخطية لتهافت البنوك، مع تحديد نقاط التحول في الطور (Phase transitions) وتأثيرات التفاعل بين طوبولوجيا الشبكة والانتشار المعلوماتي.

4. النتائج الرئيسية

تم تشغيل النموذج عبر 4,900 تكوين من البذور والمعلمات (245 مجموعة $\times$ 20 بذرة).

إعادة إنتاج ترتيب مارس 2023: نجح النموذج في إعادة إنتاج تسلسل الفشل الملحوظ: SVB $\to$ First Republic $\to$ بقاء البنك الإقليمي.
- فشل SVB أولاً (سحب بنسبة 30%).
- فشل First Republic ثانياً (سحب بنسبة 40%) رغم امتلاكه أساسيات أولية أفضل، مدفوعاً بالعدوى.
- نجا البنك الإقليمي (سحب بنسبة 6%) بسبب تأثير "الهروب إلى الأمان" وانخفاض الانتشار الاجتماعي.
التحول الطوري في العدوى:
- يوجد تحول طوري حاد في مخاطر الفشل للبنك الثاني (First Republic) مع زيادة معدل الانتشار المعلوماتي.
- نقطة التحول: حول معدل انتشار قدره 0.10. تحت هذا المستوى، ينجو البنك الثاني عادةً؛ وفوقه، تقفز احتمالية الفشل إلى 80-100%.
التفاعل غير الخطي للقنوات:
- العزل: لا تولد "المودعون الجسريون" (العملاء المشتركون) ولا "هيكل الشبكة" بمفردهما عدوى كبيرة (معدل فشل 5% في حالة العزل).
- التآزر: عند الجمع بينهما، يولدان معدلات فشل بنسبة 65%. وإضافة الانتشار المعلوماتي يدفع هذه النسبة إلى 85%.
- الاستنتاج: القنوات الضعلة في العزل تصبح مضخمات قوية عندما تجتمع. يجب أن تأخذ اختبارات الضغط مجموعات القنوات، وليس مجرد التعرضات المنفردة.
ديناميكيات غير المؤمن عليهم مقابل المؤمن عليهم: سحب غير المؤمن عليهم بنسبة 81.3% مقارلة بـ 34.5% للمؤمن عليهم، مما يؤكد أن التكامل الاستراتيجي هو ما يقود التهافت، بما يتوافق مع نظرية التنسيق.

5. الأهمية والآثار السياساتية

أداة رقابية: تجادل الورقة بأن على المنظمين معاملة الارتباط الاجتماعي كمعزز خطر قابل للقياس. البنوك ذات المودعين المتداخلين (مثل شبكات رأس المال المغامر المتداخلة، أو التجمعات الصناعية) معرضة لتغيرات متزامنة في المعتقدات.
اختبارات الضغط: اختبارات الضغط التقليدية التي تركز فقط على الميزانيات العمومية غير كافية. يجب أن تتضمن السيناريوهات "اختبارات ضغط اجتماعية" تنمذج كيفية انتشار السرديات عبر طوبولوجيا شبكية محددة.
المرونة: تعمل سياسة التواصل (سرعة ومصداقية ردود البنوك) كمتغير حالة. في التهافت الرقمي، تعد القدرة على كسر حلقة التغذية الراجعة للخوف أمراً لا يقل أهمية عن احتياطيات السيولة.
الاتجاه المستقبلي: يقترح المؤلفون توسيع الإطار لإنشاء مقاييس مخاطر الارتباط الاجتماعي التشغيلية باستخدام بيانات الشبكة القابلة للرصد (إعادة التغريد، النشاط المشترك) للتنبؤ بمخاطر التهافت لمؤسسات محددة.

الخاتمة

تقدم هذه الورقة إثباتاً لمفهوم أن النمذجة القائمة على الوكلاء (ABM) المعتمدة على العمليات، والمدعومة بـ وكلاء النماذج اللغوية الكبيرة (LLM) والمعايرة ببيانات الشبكة الواقعية، يمكنها التقاط الديناميكيات المعقدة وغير الخطية لتهافت البنوك الحديثة. إنها تنقل المجال من شرح لماذا تكون حالات التهافت ممكنة (نظرية التوازن) إلى نمذجة كيفية انتشارها (العملية السببية)، مما يوفر مجموعة أدوات جديدة للمراقبة والتدقيق في العصر الرقمي.