PyTorchKR Papers

최신 논문

총 1편
태그·기간 등 상세 필터

카테고리 탐색

로그인 후 이 태그 구독

arXiv:2609.15727v2cs.AI

LLM은 훌륭한 금융 사용자 시뮬레이터인가? 다중 관점 투자자 논리 정렬(MILA)

Are LLMs Good Financial User Simulators? Multi-view Investor Logic Alignment (MILA)

대규모 언어 모델(LLM)이 사용자 시뮬레이터로 점점 더 많이 활용되고 있지만, 모델의 예측이 개별 사용자의 변화하는 의사결정을 충실히 재현하는지는 여전히 불분명합니다. 본 연구에서는 80명의 참가자를 대상으로 한 통제된 종단적 모의투자 연구를 통해 이 질문을 조사하며, 롤링 익일 예측 프로토콜에 따라 사용자 상호작용, 모의 거래, 가상 포트폴리오 상태, 시점별 시장 정보를 정렬합니다. 거래 발생 여부부터 행동 구조, 자산 선택, 다운스트림 포트폴리오 결과에 이르기까지 행동 충실도를 계층적으로 평가합니다. 정렬된 1,239건의 사용자-일(user-days) 전반에 걸쳐, 평가 대상이 된 어떤 LLM도 사용자의 거래 여부를 예측하는 데 있어 단순한 최근 활동 지속성 기준선(baseline)을 안정적으로 능가하지 못했습니다. 더 미세한 수준에서는 충실도가 더욱 악화됩니다. 모델들은 매수-매도 구조와 거래된 자산을 복원하는 데 어려움을 겪으며, 유사한 활동 수준 예측이라 하더라도 상당히 다른 포트폴리오 궤적으로 이어질 수 있습니다. 통제된 증거 어블레이션 분석에 따르면 최근 거래 내역이 활동 예측을 강하게 지배하는 반면, 자산 선택은 활용 가능한 증거에 실질적으로 훨씬 더 민감한 것으로 나타났습니다. 관찰 분석에서는 특정 티커(ticker)에 대한 집중적인 조사가 임박한 거래를 예측하지만, 진단 테스트 결과 인과적 해석은 지지되지 않는 것으로 나타났습니다. 이러한 결과는 현재의 LLM이 유용한 단기 행동 규칙성을 포착하지만, 아직 안정적인 개인 의사결정 메커니즘을 복원하지는 못하고 있음을 시사합니다.