Social Contagion and Bank Runs: An Agent-Based Model with LLM Depositors
यह शोध पत्र एक एजेंट-आधारित मॉडल प्रस्तुत करता है जो यह सिम्युलेट करने के लिए कि कैसे विषम जमाकर्ताओं के बीच सामाजिक संक्रामक प्रसार (social contagion) और नेटवर्क संचार बैंक रन (bank run) के जोखिमों को बढ़ाते हैं, इसमें बाधाओं वाले बड़े भाषा मॉडलों (constrained large language models) का उपयोग किया गया है, जो यह प्रकट करता है कि बैंक के भीतर की कनेक्टिविटी और बैंकों के बीच होने वाला स्पिलओवर गैर-रैखिक रूप से (nonlinearly) परस्पर क्रिया करते हुए निकासी के कैस्केड (withdrawal cascades) को तेज करते हैं और हालिया बैंकिंग संकटों के विफलता पैटर्न को सटीक रूप से पुनरुत्पादित करते हैं।
मूल पेपर CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/) के तहत लाइसेंस किया गया है। नीचे दिए गए पेपर की यह व्याख्या AI से तैयार की गई है। इसे लेखकों ने न तो लिखा है, न इसका समर्थन किया है। तकनीकी सटीकता के लिए मूल पेपर देखें। पूरा डिस्क्लेमर पढ़ें
मुख्य विचार: बैंक रन (Bank Runs) अब अलग क्यों हैं
एक बैंक रन की कल्पना एक भीड़ भरे थिएटर में लगी आग की तरह करें। पुराने दिनों में ("क्लासिक" आर्थिक मॉडलों में), आग तब फैलती थी जब लोग धुआं देखते थे, घबराते थे और बाहर निकलने के लिए धक्का-मुक्की करते थे। यदि आप दूसरों को भागते हुए देखते हैं, तो आप भी भागते हैं। इसे समन्वय की समस्या (coordination problem) कहा जाता है।
लेकिन इस शोध पत्र के लेखक तर्क देते हैं कि डिजिटल युग में, "धुआं" केवल भौतिक नहीं है; यह एक वायरल ट्वीट, एक रेडिट थ्रेड, या एक ग्रुप चैट है। आग केवल इसलिए नहीं फैलती क्योंकि लोग भीड़ देखते हैं, बल्कि इसलिए फैलती है क्योंकि वे अपने फोन पर एक डिजिटल भीड़ (digital mob) को चिल्लाते हुए देखते हैं—"भागो!"
यह शोध पत्र पूछता है: वह डिजिटल शोर वास्तव में एक बैंक को ढहाने का कारण कैसे बनता है? और क्या हम इसे होने से पहले ही भविष्यवाणी करने के लिए एक कंप्यूटर सिमुलेशन बना सकते हैं?
प्रयोग: एक डिजिटल सैंडबॉक्स
इसका उत्तर देने के लिए, लेखकों ने बैंक रन का एक वीडियो गेम सिमुलेशन (एक एजेंट-आधारित मॉडल) बनाया। उबाऊ गणितीय समीकरणों का उपयोग करने के बजाय जो यह मान लेते हैं कि हर कोई बिल्कुल एक जैसा सोचता है, उन्होंने एक आभासी दुनिया बनाई जिसमें तीन मुख्य पात्र थे:
- बैंक: उनके पास तिजोरी में नकदी और दीर्घकालिक निवेश (जैसे बॉन्ड) होते हैं। यदि बहुत से लोग एक साथ अपने पैसे मांगते हैं, तो बैंक को उन निवेशों को भारी छूट पर जल्दी बेचना पड़ता है (एक "फायर सेल"), जिससे प्रक्रिया के दौरान नुकसान होता है।
- जमाकर्ता (खिलाड़ी): ये केवल नंबर नहीं हैं; ये अलग-अलग व्यक्तित्व वाले सिम्युलेटेड लोग हैं। कुछ बहादुर हैं, कुछ डरे हुए हैं। कुछ बैंक के वास्तविक स्वास्थ्य (मौलिक आधार/fundamentals) की परवाह करते हैं, जबकि अन्य मुख्य रूप से अपने दोस्तों की बातों पर ध्यान देते हैं।
- सोशल नेटवर्क (मेगाफोन): यह सबसे महत्वपूर्ण हिस्सा है। खिलाड़ी एक नकली सोशल नेटवर्क पर जुड़े हुए हैं जो बिल्कुल ट्विटर/X जैसा दिखता है, जैसा कि 2023 के बैंकिंग संकट के दौरान था। कुछ लोगों के लाखों फॉलोअर्स (इन्फ्लुएंसर) हैं, और अधिकांश के पास बस कुछ ही।
गुप्त हथियार: "AI दिमाग"
खिलाड़ियों को "यदि बैंक 5% गिरता है, तो मैं भाग जाऊंगा" जैसे कठोर नियमों के साथ प्रोग्राम करने के बजाय, लेखकों ने खिलाड़ियों के दिमाग के रूप में एक लार्ज लैंग्वेज मॉडल (LLM) (एक स्मार्ट AI चैटबॉट की तरह) का उपयोग किया।
- आप AI को बताते हैं: "आपके बैंक के पास $100M है, लेकिन कल 20% लोगों ने पैसा निकाला। आपके दोस्त ने फीड पर पोस्ट किया है कि बैंक अस्थिर है। क्या आप डरे हुए हैं?"
- AI सोचता है, तर्क करता है और निर्णय लेता है: "मैं अपना पैसा निकाल लूंगा और चेतावनी पोस्ट कर दूंगा।"
- यह इस सिमुलेशन को पुराने जमाने के गणितीय मॉडलों की तुलना में बहुत अधिक मानवीय और अराजक बनाता है।
उनकी खोज: तीन बड़े सबक
इस सिमुलेशन को हजारों बार चलाने के बाद, उन्हें तीन आश्चर्यजनक चीजें मिलीं:
1. "इको चैंबर" (Echo Chamber) प्रभाव
उपमा: एक ऐसे कमरे की कल्पना करें जहाँ हर कोई फुसफुसा रहा है। यदि कमरा छोटा और शांत है, तो आप सच सुन सकते हैं। लेकिन यदि आप सभी को एक विशाल गूंजने वाली मशीन (echo machine) के साथ एक कमरे में रख दें, तो एक छोटी सी फुसफुसाहट भी कान फोड़ देने वाली दहाड़ बन जाती है।
निष्कर्ष: जब जमाकर्ता सोशल मीडिया पर अत्यधिक जुड़े होते हैं, तो घबराहट तेजी से और अधिक तीव्रता से फैलती है। भले ही बैंक वास्तव में ठीक हो, यदि "इको चैंबर" कहता है कि वह विफल हो रहा है, तो हर कोई भाग खड़ा होता है। समूह जितना अधिक जुड़ा हुआ होगा, बैंक उतनी ही तेजी से ढहेगा।
2. "टिपिंग पॉइंट" (The Tipping Point - संक्रमण बिंदु)
उपमा: एक बांध की कल्पना करें जो पानी को रोक रहा है। आप थोड़ा सा पानी (बुरी खबर) जोड़ सकते हैं और बांध टिका रहता है। लेकिन एक बार जब आप एक विशिष्ट रेखा को पार कर लेते हैं, तो बांध केवल टूटता नहीं है; वह तुरंत बिखर जाता है।
निष्कर्ष: "सूचना प्रसार" (information spillover - कैसे एक बैंक से दूसरे बैंक तक बुरी खबर पहुंचती है) का एक विशिष्ट थ्रेशोल्ड (सीमा) है।
- 10% प्रसार से नीचे: घबराहट नियंत्रित रहती है।
- 10% प्रसार से ऊपर: घबराहट एक वायरस की तरह फैल जाती है।
इसका मतलब है कि समाचार कितनी तेजी से फैलता है, इसमें एक छोटा सा बदलाव एक स्थिर बैंक को रातों-रात विफल बैंक में बदल सकता है।
3. ओवरलैप का "डबल व्हैमी" (Double Whammy)
उपमा: कल्पना करें कि दो घर एक-दूसरे के बगल में हैं। यदि वे एक बाड़ (ओवरलैपिंग जमाकर्ता) साझा करते हैं और वे एक वेंटिलेशन सिस्टम (सोशल नेटवर्क) भी साझा करते हैं, तो एक घर में लगी आग दूसरे को बहुत तेजी से जला देगी, बजाय इसके कि वे केवल एक बाड़ साझा करते।
निष्कर्ष: खतरा केवल यह नहीं है कि लोगों के पास दो बैंकों में खाते हैं (ओवरलैप) या वे सोशल मीडिया पर बात करते हैं (नेटवर्क)। खतरा इन दोनों का संयोजन है। जब "बैंक A" में खाता रखने वाले लोग "बैंक B" के लोगों से बात करते हैं, तो डर तुरंत फैल जाता है। सिमुलेशन ने दिखाया कि एक स्वस्थ बैंक (जैसे फर्स्ट रिपब्लिक) को भी एक बीमार पड़ोसी (जैसे SVB) द्वारा ढाया जा सकता है, सिर्फ इसलिए क्योंकि उनके ग्राहक आपस में बात कर रहे थे।
वास्तविक दुनिया का परीक्षण: SVB और फर्स्ट रिपब्लिक
लेखकों ने अपने मॉडल का परीक्षण मार्च 2023 में सिलिकॉन वैली बैंक (SVB) और फर्स्ट रिपब्लिक बैंक के वास्तविक पतन के विरुद्ध किया।
- सेटअप: उन्होंने मॉडल में इन बैंकों के वास्तविक बैलेंस शीट और उस सप्ताह की वास्तविक ट्विटर गतिविधि डाली।
- परिणाम: AI सिमुलेशन ने घटनाओं के क्रम की सटीक भविष्यवाणी की:
- SVB पहले ढहा (क्योंकि उसके पास बहुत अधिक असुरक्षित जमाकर्ता और एक घनिष्ठ, घबराई हुई कम्युनिटी थी)।
- फर्स्ट रिपब्लिक इसके बाद ढहा (भले ही वह अधिक स्वस्थ था, सोशल मीडिया के माध्यम से घबराहट उस तक पहुँच गई)।
- एक सामान्य "क्षेत्रीय बैंक" (Regional Bank) बच गया (क्योंकि उसके ग्राहक SVB वाले समूह से बात नहीं कर रहे थे)।
मॉडल ने यह भी भविष्यवाणी की कि असुरक्षित जमाकर्ता (जिनके पास $250k से अधिक जमा थे) सुरक्षित जमाकर्ताओं की तुलना में बहुत तेजी से भागेंगे, जैसा कि वास्तव में हुआ।
यह आपके लिए क्यों मायने रखता है
लेखक यह नहीं कह रहे हैं कि "सोशल मीडिया बैंक रन का कारण बनता है।" वे कह रहे हैं: सोशल मीडिया एक सुपर-चार्जर है।
यदि किसी बैंक के बुनियादी आधार कमजोर हैं (वह पहले से ही डगमगा रहा है), तो सोशल मीडिया का ज्यादा महत्व नहीं है। लेकिन यदि कोई बैंक ठीक है, लेकिन उसका किसी विफल बैंक के साथ बहुत अधिक ओवरलैप है, तो सोशल मीडिया एक छोटी सी समस्या को पूर्ण आपदा में बदल सकता है।
नियामकों (Regulators) के लिए सीख:
बैंक और नियामक पहले बैंकों का तनाव परीक्षण (stress-test) उनके बैलेंस शीट (उनके पास कितनी नकदी है) को देखकर करते थे। यह शोध पत्र कहता है कि उन्हें अब सोशल नेटवर्क का भी तनाव परीक्षण करना शुरू करना चाहिए।
- कौन किससे बात करता है?
- क्या बैंक A के ग्राहक बैंक B के लोगों के साथ मेल-जोल रखते हैं?
- उनके बीच खबर कितनी तेजी से फैल सकती है?
यदि आप बैंकों के बीच "सामाजिक जुड़ाव" को माप सकते हैं, तो आप भविष्यवाणी कर सकते हैं कि कौन सा बैंक पैसा खत्म होने से पहले "डिजिटल वायरस" पकड़ने के जोखिम में है।
संक्षेप में
इस शोध पत्र ने एक ऐसा डिजिटल सैंडबॉक्स बनाया जहाँ AI एजेंट वास्तविक मनुष्यों की तरह ट्विटर पर व्यवहार करते हैं। इसने साबित किया कि आधुनिक दुनिया में, डर संक्रामक है, और इस संक्रमण की गति इस बात पर निर्भर करती है कि हमारे सोशल नेटवर्क कैसे जुड़े हुए हैं। यदि हम बैंक रन को रोकना चाहते हैं, तो हमें नेटवर्क को समझना होगा, न कि केवल गणित को।
अपने क्षेत्र के पेपरों की भीड़ में उलझे हुए हैं?
आपके रिसर्च कीवर्ड से मेल खाने वाले सबसे नए और अलग सोच वाले पेपरों का रोज़ाना Digest पाएँ—तकनीकी सारांश के साथ, आपकी भाषा में।