Calibrating Behavioral Parameters with Large Language Models

Diese Arbeit stellt ein Framework vor, das Large Language Models (LLMs) durch profilbasierte Kalibrierung als präzise Messinstrumente für verhaltensökonomische Parameter nutzt, um deren Übereinstimmung mit menschlichen Verhaltensmustern und empirischen Marktdaten in Asset-Pricing-Modellen nachzuweisen.

Das Wesentliche

Die „Simulations-Brille“: Wie KI uns hilft, die menschliche Unvernunft zu messen

Stellen Sie sich vor, Sie möchten wissen, wie Menschen in einer Krisensituation reagieren – zum Beispiel, ob sie bei fallenden Aktienkursen panisch alles verkaufen oder ob sie dazu neigen, Trends blind zu folgen.

Das Problem: Wenn Sie echte Menschen fragen, lügen sie oft (unbewusst). Sie sagen: „Ich bin ein rationaler Investor“, aber ihr Handeln zeigt etwas ganz anderes. Wenn Sie echte Experimente machen, ist das teuer, dauert ewig und die Leute sind gestresst.

Die Forscher haben eine neue Idee: Warum nutzen wir nicht KI als „Labor-Ersatz“?

Die Analogie: Das digitale Marionettentheater

Stellen Sie sich die großen Sprachmodelle (wie ChatGPT) nicht als „denkende Wesen“ vor, sondern als ein riesiges digitales Marionettentheater.

Bisher haben Forscher die KI meistens nur gefragt: „Verhältst du dich wie ein Mensch?“ Das ist aber ein bisschen so, als würde man eine Puppe fragen: „Bist du ein echter Mensch?“ Die Antwort ist meistens: „Nein, ich bin eine Puppe.“ Das hilft uns nicht weiter.

Die Autoren dieses Papers machen etwas viel Schlaueres. Sie sagen: „Wir wissen, dass die Puppe nicht echt ist. Aber wir können die Fäden so manipulieren, dass die Puppe genau die Fehler macht, die wir untersuchen wollen.“

Wie funktioniert das „Kalibrieren“?

Die Forscher nutzen sogenannte „Profile“. Das ist wie ein Regler an einer Fernbedienung.

1. Der „Vernunft-Regler“: Sie sagen der KI: „Du bist ein super-logischer Mathematiker.“ Die KI verhält sich dann fast perfekt rational (was sie von Natur aus sowieso schon tut).
2. Der „Panik-Regler“: Sie sagen der KI: „Du hast schreckliche Angst, Geld zu verlieren.“ Plötzlich zeigt die KI genau das Verhalten, das wir bei Menschen sehen: Sie reagiert extrem empfindlich auf Verluste.
3. Der „Mitläufer-Regler“: Sie sagen der KI: „Du vertraust der Meinung der Masse mehr als deinen eigenen Daten.“ Und zack – die KI fängt an zu „herden“ (wie Schafe, die einfach der Gruppe folgen).

Das nennt man Kalibrierung. Man stellt die KI so ein, dass sie eine bestimmte „psychologische Einstellung“ annimmt.

Was haben sie herausgefunden?

Die Forscher haben das mit acht verschiedenen menschlichen Denkfehlern (wie Gier, Angst oder dem Drang, Trends hinterherzulaufen) getestet. Das Ergebnis war faszinierend:

• Die KI ist von Natur aus „zu vernünftig“: Ohne Hilfe verhält sich die KI viel logischer als ein echter Mensch. Sie ist quasi der „perfekte Student“, der keine Fehler macht.
• Die Regler funktionieren: Wenn man die KI mit den richtigen Anweisungen „füttert“, kann man sie so einstellen, dass sie exakt die gleichen Fehler macht wie echte Menschen. Sie erreicht sogar die gleichen Werte, die man in echten psychologischen Studien findet.
• Der Beweis durch die Börse: Um zu prüfen, ob das Ganze nur Spielerei ist, haben sie die „verrückte“ KI in ein digitales Börsensimulations-Modell gesteckt. Die KI-Anleger erzeugten genau die Marktbewegungen (wie plötzliche Aufwärts- oder Abwärtsspiralen), die wir auch an der echten Wall Street beobachten.

Wo sind die Grenzen? (Die „Gefühlslosigkeit“ der Puppe)

Die Forscher sind ehrlich: Eine Marionette kann nicht weinen.

Die KI kann zwar logische Denkfehler nachahmen (z. B. „Ich glaube, der Trend geht weiter“), aber sie kann keine echten Emotionen fühlen. Sie spürt keinen echten Herzschlag, wenn die Kurse abstürzen, und sie hat keine Angst, ihr Erspartes zu verlieren.

Das Fazit für uns:
Die KI ist kein Ersatz für echte Menschen, aber sie ist ein fantastisches Messinstrument. Sie ist wie ein hochpräzises Thermometer: Das Thermometer fühlt die Hitze nicht selbst, aber es kann uns extrem genau sagen, wie heiß es im Raum ist. So können wir nun viel schneller und präziser untersuchen, wie menschliche Unvernunft die Finanzwelt steuert.

Technische Zusammenfassung

Technische Zusammenfassung: Kalibrierung verhaltensökonomischer Parameter mittels Large Language Models (LLMs)

1. Problemstellung (The Problem)

In der modernen Finanzökonomie und Asset-Pricing-Modellierung spielen verhaltensökonomische Parameter (wie Verlustaversion, Herdenverhalten oder Extrapolation) eine zentrale Rolle, um Marktphänomene wie Momentum, Volatilität und Handelsvolumen zu erklären. Die präzise Messung dieser Parameter ist jedoch mit erheblichen Herausforderungen verbunden:

• Messfehler: Selbstberichte (Surveys) korrelieren oft nur schwach mit tatsächlichem Verhalten.
• Identifikationsprobleme: In strukturellen Modellen ist es schwierig, einzelne Parameter von Präferenzen, Überzeugungen oder institutionellen Zwängen zu isolieren.
• Skalierbarkeit: Laborexperimente mit menschlichen Probanden sind teuer, zeitaufwendig und schwer zu skalieren.
• Kausalität: Es ist nahezu unmöglich, psychologische Parameter bei Menschen experimentell zu manipulieren, um kausale Effekte zu isolieren.

2. Methodik (Methodology)

Die Autoren schlagen einen Paradigmenwechsel vor: Anstatt LLMs lediglich als „Nachahmung“ menschlicher Probanden zu nutzen, behandeln sie LLMs als kalibrierbare Messinstrumente.

Das Framework umfasst drei Kernkomponenten:

• Profil-basierte Kalibrierung: Anstatt direkt nach einem Parameter zu fragen, werden den LLMs „Profile“ (Prompts) zugewiesen, die bestimmte kognitive Rahmenbedingungen simulieren (z. B. ein „verlustaverser Investor“ oder ein „extrapolierender Investor“). Diese Profile fungieren als experimentelle Behandlungen, die latente Parameter in vorhersagbare Richtungen verschieben sollen.
• Validierungskriterien: Die Autoren definieren vier Bedingungen für eine gültige Kalibrierung: Monotonie (stärkere Profile führen zu stärkeren Effekten), Bereichsabdeckung (Erreichen menschlicher Benchmarks), Stabilität (Reproduzierbarkeit) und Kohärenz (theoretische Konsistenz zwischen verschiedenen Tests).
• Experimentelles Design: Es wurden vier LLM-Varianten (GPT-4o, GPT-4o-mini, Claude-3.5-Haiku, Gemini-2.5-Pro) mit insgesamt 19.200 Agent-Szenario-Paaren getestet. Um „Data Contamination“ (Training auf realen Daten) auszuschließen, wurden vollständig synthetische Finanzszenarien verwendet.

3. Zentrale Beiträge (Key Contributions)

• Methodologischer Rahmen: Entwicklung eines systematischen Frameworks zur Nutzung von LLMs als experimentelle Infrastruktur für die Verhaltensökonomie.
• Messbereiche und Grenzen: Identifikation von acht kanonischen Verhaltensbiases und die Bestimmung, welche davon mittels LLMs zuverlässig kalibriert werden können und welche nicht.
• Externe Validierung: Demonstration, dass die mittels LLMs kalibrierten Parameter in einem agentenbasierten Asset-Pricing-Modell (ABM) ökonomisch relevante Marktdynamiken (wie Momentum und Reversals) erzeugen können.

4. Ergebnisse (Results)

Die Ergebnisse lassen sich in drei Kategorien unterteilen:

• Systematischer Rationalitäts-Bias: Im Basismodell (ohne spezifische Profile) zeigen LLMs eine Tendenz zu „rationalerem“ Verhalten als Menschen. Sie zeigen eine geringere Verlustaversion, schwächeres Herdenverhalten und nahezu keinen Dispositionseffekt.
• Erfolgreiche Kalibrierung (Starke Validierung): Durch Profil-Manipulation konnten vier Parameter erfolgreich auf oder über das Niveau menschlicher Benchmarks gehoben werden:
  1. Verlustaversion ($\lambda$): Von 1,12 auf 3,00 (Benchmark $\approx$ 2,25).
  2. Herdenverhalten: Von 0,61 auf 0,90 (Benchmark $\approx$ 0,70).
  3. Extrapolation ($\theta$): Von 0,44 auf 0,88 (Benchmark $\approx$ 0,60).
  4. Anchoring ($\rho$): Erreichte signifikante Korrelationen.
• Scheitern der Kalibrierung (Schwache Validierung): Parameter, die stark auf emotionalen Zuständen, sozialem Druck oder Identität basieren (wie der Dispositionseffekt oder Repräsentativitäts-Bias), konnten nicht auf menschliches Niveau kalibriert werden. Dies deutet darauf hin, dass LLMs zwar kognitive Heuristiken abbilden, aber keine affektiven (emotionalen) Reaktionen.

5. Signifikanz und Schlussfolgerung (Significance)

Die Arbeit zeigt, dass LLMs nicht als Ersatz für menschliche Probanden dienen sollten, sondern als hochpräzise, skalierbare Werkzeuge zur Untersuchung kognitiver Komponenten von Verhaltensbiases.

Wichtige Schlussfolgerungen für die Forschung:

• Kognitiv vs. Affektiv: Die Kalibrierung funktioniert hervorragend für kognitive/rechnerische Aspekte (Glaubensbildung, Heuristiken), versagt jedoch bei affektiven Aspekten (Angst, Reue, sozialer Status).
• Brücke zur Simulation: Die Fähigkeit, kalibrierte Parameter in agentenbasierten Modellen zu nutzen, um reale Marktmuster zu reproduzieren, validiert die ökonomische Relevanz der LLM-basierten Messung.
• Neue Messmethodik: Das Framework bietet eine Lösung für das Problem der Identifikation und Skalierbarkeit in der Verhaltensökonomie, indem es Parameter von „Rauschen“ zu kontrollierbaren experimentellen Behandlungen transformiert.