Estimating Decision Rules from Large Language Model Agents: An Application to Bank Balance-Sheet Management

銀行は現代経済の配管のようなものであり、貯蓄者から借り手へと資金を移動させています。2022年や2023年にそうであったように金利が急上昇すると、銀行が保有する長期ローンや債券の価値は下落する一方で、預金者から借りている資金のコストはしばらくの間低いままにとどまることがあります。これは繊細なバランス調整を生み出します。もし銀行が過大な価値を失ったり、あるいは預金者が突然パニックに陥って資金を引き出したりすれば、銀行は破綻する可能性があります。これがどのように起こるのかを理解するために、規制当局や銀行家はコンピュータモデルを構築します。これらのモデルは、金利が変化したときに人々がどのように反応するかを予測しようとします。つまり、貯蓄者はより良い条件の案件へと資金を移すのか、それとも借り手が新しい融資を受けるのを止めてしまうのか、といったことです。伝統的に、これらのモデルは過去のデータに基づいた単純な数学的公式に依存しています。しかし、経済環境が急速に変化する場合、過去が未来を予測できるとは限りません。

研究者たちは最近、これらのギャップを埋めるための新しいツールとして、大規模言語モデルを使用し始めました。これらは、エッセイを書いたり、質問に答えたり、会話を行ったりできる強力なコンピュータプログラムと同じものです。この新しいアプローチにおいて、科学者たちはこれらのプログラムをチャットボットとしてではなく、シミュレーションされた「人間」として扱います。彼らはコンピュータに「銀行マネージャー」や「家計の貯蓄者」といった役割を与え、仮想経済の中で意思決定を行わせます。その目的は、コンピュータの選択を、規制当局が実際の銀行の安全性をテストするために使用する単純な数学的ルールへと翻訳できるかどうかを確認することです。これは、人間の銀行家に代わってコンピュータを使うことではなく、複雑な行動をシミュレートするコンピュータの能力を利用して、銀行が危機をどのように生き延びるかについての、より優れた、より現実的なモデルを構築することなのです。

ある研究者が、ユーロ圏のシミュレーションされた銀行を用いてこのアイデアをテストすることに乗り出しました。彼らは、単一の銀行が12ヶ月間の月次決定（預金に支払う金利、新規融資に課すマージン、満期を迎える債券からの再投資方法など）を行うデジタル環境を作成しました。同時に、4つのグループのシミュレートされた顧客（金利に非常に敏感な貯蓄者、金利にあまり敏感でない貯蓄者、および変動金利または固定金利を持つ借り手）が、銀行の選択やより広範な経済ニュースに対して反応するように設定されました。研究者はまず、大規模言語モデルに対して銀行マネージャーと顧客としての役割を与え、特定の目標と制約に従って行動するように指示しました。コンピュータは、穏やかな時期から金利上昇期、さらには預金者がパニックに陥るシミュレートされた取り付け騒ぎに至るまで、さまざまな経済シナリオにわたって数千の決定を生成しました。

核心となる課題は、コンピュータの決定は複雑で多様であるのに対し、規制当局が使用するモデルは単純な方程式でなければならないということでした。研究者は根本的な問いを立てました。「コンピュータによる、複雑で知的に見える選択を、人間が書き留めることができるような、わずかな単純なルールへと抽出できるだろうか？」という問いです。彼らはコンピュータの行動を標準的な数学的公式に適合させようと試みました。当初、単純な公式はコンピュータの行動とうまく一致しませんでした。銀行マネージャーとして振る舞うコンピュータは、ストレスが生じた際に、従来の公式が予測するものとは異なる反応を示したのです。コンピュータは、問題が発生した際には、融資に対してより慎重になり、預金金利に対してより積極的な引き上げを行いました。

これを解決するために、研究者は新しい手法を開発しました。彼らはコンピュータの決定を使用して新しい一連のルールを構築し、それをコンピュータがまだ見ていない新しいシナリオに対してテストしました。その結果、コンピュータの行動を模倣する、単純な条件付きルールを確かに作成できることがわかりました。例えば、新しいルールによれば、平時には銀行マネージャーは預金金利を市場平均に極めて近く保ちます。しかし、流動性に関する警告などのストレス信号が現れると、マネージャーは顧客の離脱を防ぐために、即座に預金金利を大幅に引き上げます。このルールベースの近似法は、驚くほどうまく機能しました。10種類のシミュレートされた年度において、この新しい単純なルールは、誤差が0.3パーセント未満という精度で、銀行の最終利益を予測しました。また、危機が発生した際の銀行の流動性がどのように維持されるかも正しく予測しました。

この研究はまた、コンピュータがどのように意思決定を行っているかについて、驚くべき事実も明らかにしました。研究者は、コンピュータの行動が与えられた具体的な指示に大きく依存していることに気づきました。コンピュータに「金利に敏感な」預金者のように振る舞うよう指示すると、コンピュータはその通りに振る舞いました。しかし、それらの具体的な行動のヒントを取り除き、銀行と経済に関する生の事実だけを与えた場合でも、コンピュータは同様の選択を行いましたが、いくつかの違いも見られました。例えば、「鈍感である」という指示を与えなかった場合、シミュレートされた家計は、金利が変化した際に資金を引き出す可能性が非常に高くなりました。これは、コンピュータが単に隠された台本に従っているのではなく、提供された情報を真剣に検討していることを示唆しています。ただし、研究者は、これらの結果は特定の指示の下でのコンピュータの挙動を記述したものであり、実際の人間である銀行家や顧客が実際にどのように行動するかを示すものではない、と注意深く述べています。

最も衝撃的な発見の一つは、取り付け騒ぎのリスクに関するものでした。シミュレーションにおいて、もし銀行の流動性比率（手元にある現金の指標）が特定の公開された閾値を下回った場合、シミュレートされた預金者は、最初の悪いニュースが過ぎ去った後も資金を引き出し続けました。これが自己持続的なパニックを生み出したのです。研究者は、この結果が情報の提示方法に依存していることを発見しました。もし公衆が銀行の健全性の月次スナップショットを見ている場合、パニックは数ヶ月間続く可能性があります。しかし、もし公衆が銀行の健全性の年間平均のみを見ている場合、パニックははるかに早く収束しました。これは、規制当局が情報を共有する方法が、預金者の行動と相互作用し、危機を鎮静化させることもあれば、悪化させることもあることを浮き彫りにしています。

研究者はまた、利益と安全性のトレードオフについても調査しました。彼らは、もし銀行がより長期の固定金利資産を保有すれば、穏やかな時期により多くの利益を得られることを発見しました。しかし、この戦略は、金利が急上昇した場合に銀行を非常に脆弱にします。シミュレーションでは、これらの資産の期間を2年から6年に延ばすと、好況時の年間利益は2パーセント近く増加しました。しかし、金利が3パーセント上昇すると、銀行の経済的価値（資産の真の価値から負債を差し引いたもの）は数億ユーロも急落しました。これは、古典的な金融の真理、すなわち「好況時の高いリターンは、往々にして悪況時の高いリスクを伴う」という事実を裏付けるものでした。

最終的に、この研究は金融システムのためのモデル構築における新しい方法を提示しています。大規模言語モデルを使用して現実的な意思決定を生成し、その後、それらの決定を単純でテスト可能なルールへと翻訳することで、研究者は柔軟性と透明性の両方を備えたシミュレーションを作成できます。この研究は、これらのコンピュータ・エージェントが人間の行動の完璧なコピーであると主張しているわけではありません。むしろ、この手法が「もし〜だったら」という問いを探求するための強力なツールであることを示しています。これにより、規制当局や銀行家は、現代の人工知能の複雑で適応的な論理に基づきつつも、人間が理解し検証できるほど単純なモデルを用いて、危機が発生する前に銀行がどのように反応するかをテストすることができるのです。研究結果は、具体的な数値はコンピュータへの指示に依存するものの、パニック時に金利を引き上げる傾向や、安全性と利益のトレードオフといった根底にある行動パターンは強固なものであり、さらなる研究の価値があることを示唆しています。