在传统认知中，金融市场往往被认为是理性的、可建模的系统。但现实却远比模型复杂——人类的犹豫、拖延、风险厌恶，往往才是市场真正的“变量”。

最近一篇来自UNSW的研究《Shifting Power》提出了一个非常有意思的问题：如果把大语言模型（LLM）引入金融市场仿真，让“人类的不理性”真正参与决策，会发生什么？

答案很直接，也很震撼：市场会直接崩溃。

一、问题背景：传统模型忽略了“人”

金融市场建模中，一个经典方法是Agent-Based Model（ABM），即多智能体模型。在这种模型里：

• 每个参与者（交易员、机构）被建模为“理性Agent”

• 决策通常基于规则或概率

• 系统整体行为由局部互动涌现

但问题在于：

现实中的人并不理性。

尤其是在债券市场这种“场外交易（OTC）”环境中：

• 信息不透明

• 交易是双边谈判

• 很多交易“想做但没做”

也就是说，传统ABM忽略了一个关键变量：人类行为中的不确定性和非理性

二、核心方法：把LLM变成“人类代理”

这篇文章提出了一个新模型：TRIBE

核心思路是：

用大语言模型来替代传统Agent中的决策模块，让“人”真正进入仿真系统

具体来说：

在模型中，每个客户（client）在每个时间步都要回答一个问题：

是否现在交易？

传统模型：用伯努利分布（随机概率）决定

新模型：让LLM根据上下文生成“是/否”决策

例如一个典型prompt：

你是一个客户，有一定数量的债券和现金，现在有做市商找你交易，你要不要现在交易？

LLM返回：Yes 或 No

看似简单，但影响巨大。

三、关键发现一：只要引入“厌恶”，市场直接停摆

研究者做了一个非常极端但重要的实验：

只在prompt中加入一句话：

“客户可能会有风险厌恶或犹豫”

结果：

所有客户全部拒绝交易

不是部分，而是100%

在200次仿真中：

• 0笔交易发生

• 市场平均在第27步直接崩溃

对比基准模型：

• 平均可运行1136步

• 90%以上资产可以完成交易

这说明一个极其关键的结论：

人类的“轻微厌恶”，足以让整个市场失效

四、关键发现二：即使没有厌恶，系统仍然不稳定

研究者进一步优化prompt，不再强调“厌恶”，只问：

你现在想交易吗？

这时结果变得更微妙：

• 长期来看：约57%的时间会选择交易

• 但短期波动极大：可能连续10次全拒绝或全同意

这种“短期不稳定 + 长期稳定”的特性，带来了严重后果：

• 市场寿命从1136步下降到365步

• 交易量从90%下降到7%

• 89%的客户交互消失

也就是说：

哪怕整体理性存在，只要短期行为波动，系统就会崩溃

五、最重要的发现：权力结构发生了改变

传统金融模型中：

做市商（market maker）掌控市场客户只是被动参与者

但引入LLM后：

客户的“是否交易”变成关键变量

结果是：

客户掌握了系统的生死权

论文指出：

客户的微小行为变化，可以导致整个市场崩溃

这是一种典型的“涌现现象”：

局部的不确定性 → 全局的不稳定

六、为什么这件事很重要？

这篇文章的意义，不只是金融建模，而是更广泛的：

1. 对复杂系统建模的启示

传统模型强调：

• 均值

• 稳态

• 理性

但现实系统更依赖：

• 波动

• 非线性

• 行为不确定性

2. 对大模型应用的警示

LLM不是简单的“更强模型”，而是：

引入了人类行为的随机性

这意味着：

在多Agent系统中，LLM可能带来不可控风险

3. 对监管和市场设计的启发

如果现实市场中：

人类行为具有类似波动性

那么：

• 市场稳定性可能被高估

• 流动性可能随时消失

• “不交易”本身就是一种风险

七、总结一句话

当我们用大模型把“人”真正放进系统时，我们得到的不是更稳定的世界，而是一个更真实、也更脆弱的世界。