技术摘要：StockAgent —— 基于大语言模型的模拟真实环境下的股票交易

1. 问题陈述

股票市场在一个受多种因素影响的复杂且波动的生态系统中运行，这些因素包括宏观经济、政策变化、公司基本面以及全球性事件。传统的交易策略分析方法（例如使用 Zipline、Backtrader 进行历史数据回测）存在静态性和回顾性偏差的问题，往往导致过拟合，且无法反映实时市场流动性或集体情绪。虽然机器学习和强化学习（如 Trading Gym）已被应用于此领域，但它们往往缺乏模拟人类投资者细微、非理性及心理行为的能力。

此外，现有的 AI 驱动交易模拟面临一个关键挑战：测试集泄漏（test set leakage）。模型往往会利用在训练期间获得的关于特定市场数据的先验知识，从而损害了在“无先验知识”场景下进行模拟的有效性。因此，需要一种能够模拟投资者对动态外部因素做出反应，且不依赖于历史数据记忆的框架，以便研究人员调查外部条件（如利率、财务报告、社交情绪）如何影响交易决策和盈利能力。

2. 方法论：StockAgent 框架

作者提出了 StockAgent，这是一个由大语言模型（LLM）驱动的多智能体系统（MAS），旨在模拟真实的股票交易环境。该系统是事件驱动型的，并经过结构化设计以防止智能体动作冲突，同时确保消息的可获取性。

2.1 系统架构

StockAgent 由三个主要模块组成：

1. 投资智能体模块（Investment Agent Module）：
   • 智能体在初始化时被赋予随机资本、负债以及四种人格之一：保守型（Conservative）、激进型（Aggressive）、平衡型（Balanced）和成长导向型（Growth-Oriented）。
   • 智能体进行贷款、交易（买入/卖出/持有/做多/做空）、预测以及分享心得的决策。
   • 通过“秘书（secretary）”机制纠正无效响应（例如，支出超过可用现金），以保持现实性。
2. 交易模块（Transaction Module）：
   • 使用字典数据结构管理订单簿。
   • 为了防止并发交易中的死锁，系统采用了随机时钟页面置换算法（Random Clock Page Replacement Algorithm）。智能体被分配随机 ID 和决策序列，确保它们不会同时争夺资源。
3. 公告板系统模块（Bulletin Board System (BBS) Module）：
   • 通过允许智能体在每天结束时匿名发布交易心得来模拟社交动态。这些消息在次日对所有智能体可见，从而模拟市场情绪和同行意见的影响。

2.2 模拟设计

• 环境： 模拟复制了纳斯达克（NASDAQ）和香港交易所的交易时段和机制。
• 资产： 使用了两只匿名股票（股票 A 和 股票 B）。股票 A 是流通股，而股票 B 是新发行的 IPO 股票。初始设置通过使用 FCFF（自由现金流折现法） 估值和 CAPM（资本资产定价模型） 从真实财务报告（资产负债表、损益表、现金流量表）中提取，以确定理想股价。
• 流程流转：
  1. 盘前阶段： 利息偿还、贷款偿还、破产检查以及特殊事件触发（例如，准备金率变化、加息）。
  2. 交易时段： 智能体根据市场数据和 BBS 输入决定买入、卖出或持有。价格在每个时段结束时根据最后一次成交价进行更新。
  3. 盘后阶段： 智能体评估未来行动并向 BBS 分享交易心得。
• 外部因素： 模拟纳入了特定的外部事件（如货币宽松、加息、盈余报告）以测试智能体的响应能力。

2.3 基座模型

本研究利用两种最先进的 LLM 作为智能体的认知引擎：

• GPT-3.5-Turbo (gpt-3.5-turbo-0125)
• Gemini-Pro (Gemini-pro-1.0)

该框架明确旨在最大限度地减少模型对特定测试数据的先验知识影响，侧重于其基于所提供上下文进行推理的能力。

3. 核心贡献

1. 新颖的模拟框架： 开发了 StockAgent，这是一个 LLM 驱动的 MAS，能够在不依赖历史数据记忆的情况下，模拟投资者在真实市场条件下的交易行为。
2. 解决测试集泄漏问题： 该系统旨在防止模型利用测试数据的先验知识，从而允许研究在智能体对市场数据没有先前接触的“自由交易间隙（free trading gaps）”背景下进行研究。
3. 多因素分析： 该框架能够评估不同的外部因素（宏观经济指标、政策变化、BBS 情绪）如何影响交易行为和盈利能力。
4. 对比 LLM 分析： 研究系统地比较了不同的 LLM 基座（GPT vs. Gemini）如何驱动交易策略，揭示了内在的偏见和行为倾向。

4. 实验结果

作者通过 200 个 AI 智能体进行了 10 个交易日（针对 RQ3 扩展至 154 天）的实验，以回答三个研究问题（RQ）。

4.1 模拟有效性 (RQ1)

• 差异化的交易倾向： GPT 和 Gemini 表现出截然不同的交易模式。GPT 驱动的智能体表现出乐观前景，倾向于做多，尤其是在股票 A 上，且执行的交易次数较少但交易量较大。Gemini 驱动的智能体则更为悲观，倾向于做空，并进行高频、低成交量的交易。
• 行为聚类： T-SNE 可视化和聚类分析显示，Gemini 智能体表现出更具同质性的、羊群效应的行为。相比之下，GPT 智能体表现出更大的离散性，表明其具有更强的自主决策性，较少依赖从众心理。

4.2 LLM 可靠性 (RQ2)

• 执行差异： 虽然两种模型都识别出了股票 A 相对股票 B 的优越表现，但它们的执行策略显著不同。GPT 智能体采取激进策略，具有较高的波动性和潜在收益（及风险）；而 Gemini 智能体则维持保守、稳定的策略，价格区间较低。
• 内在偏见： 结果表明，LLM 基座的选择会显著影响交易结果，这意味着 LLM 的内在倾向和先验知识会影响其股票推荐的可靠性。

4.3 外部条件下的模拟交易 (RQ3)

• 对利率的敏感性： 移除基准利率信息显著促进了股票 A 的交易活动，因为智能体对贷款成本变得更加乐观。
• BBS 的影响： 缺乏 BBS 通信导致了更保守的行为，并使股票 B 的价格跌破其理想估值。
• 财务数据的影响： 移除盈余报告和利率变化意外地使部分智能体从亏损转为盈利，这表明在缺乏其他上下文的情况下，过多的或特定的财务数据有时会诱发次优决策。
• 市场差异： 当所有财务信息支持被撤回时，智能体收益与损失之间的差距扩大，表明市场竞争加剧且结果的方差增加。

5. 意义与主张

论文声称 StockAgent 提供了一个有价值的工具，用于在受控的模拟环境中研究外部因素对股票交易活动的影响。通过避免测试集泄漏，该框架允许研究智能体在“无先验知识”场景下的行为，弥补了传统数据分析与动态人类情绪之间的鸿沟。

研究结果表明：

• LLM 的选择至关重要： 不同的 LLM 会引入不同的偏见和策略偏好，这可能会扭曲模拟结果和投资建议。
• 外部因素驱动行为： 智能体对特定的外部输入（如利率、社交情绪）高度敏感，移除这些因素会剧烈改变市场动态和盈利能力。
• 未来方向： 作者认为该框架可以被改编以纳入更动态的信息，改进情绪分析模块，并作为测试多样化交易策略和风险管理技术的平台。他们强调了研究 LLM 交易策略在给定底层模型固有偏见情况下的可靠性的必要性。

StockAgent 的代码已公开，以促进该领域的进一步研究。