AI学会了恐慌与贪婪：当虚拟市场揭示人性真相

市场不是冰冷的机器，而是涌动的人群；它的逻辑，无关公式，皆是故事。长久以来，我们试图用数学模型捕捉这头难以驯服的野兽，却总在“非理性”的幽灵面前败下阵来。人类会因贪婪而追涨，因恐惧而杀跌，会被社交媒体上的只言片语左右判断——这些根植于人性的认知偏差与情绪波动，是传统算法无法理解的语言。但如果，AI不仅能计算，还能“感受”呢？如果它能学会讲述，甚至亲历这些关于狂热与崩溃的故事呢？

从规则机器到认知“真人”

三十年前，美国圣塔菲研究所启动了雄心勃勃的“人工股票市场”项目，试图让一群遵循简单规则的“电子交易者”重现真实市场的复杂动态。实验虽观察到价格波动，却也暴露了根本困境：真实的人类，远非规则机器。三十年后，大语言模型（LLM）的崛起，让这个问题有了新的答案。香港中文大学（深圳）与南京大学的研究者们推出的TwinMarket——一个由LLM驱动的千人规模金融市场仿真平台，正是对这一终极问题的回应。这项已被顶会NeurIPS 2025接收、并斩获ICLR 2025金融AI研讨会最佳论文奖的研究，不再满足于让AI扮演一个执行命令的交易员，而是要创造一群有“人性”的虚拟投资者。

TwinMarket的核心突破，是摒弃了“刺激-反应”的旧范式，引入了“信念-愿望-意图”（Belief-Desire-Intention, BDI）的认知框架。这不啻为一次范式革命：AI的决策不再是匹配预设规则，而是进行认知推理。每个AI智能体都拥有一个三层认知结构：它有自己对世界的理解（信念），有想要实现的目标（愿望），并基于前两者形成具体的行动方案（意图）。更关键的是，它还具备“事后反思”的能力，每次交易后都会评估决策的合理性，并动态更新自己的信念。这让AI拥有了真正的学习能力——不是通过冰冷的梯度下降，而是通过温暖的认知更新。

在数字沙盘中复现人性

为了让这些虚拟投资者足够真实，研究团队从雪球平台收集了近640位真实投资者的上万笔交易记录，为AI智能体注入了详尽的“人格特质”。有的AI是坚定的“基本面分析派”，关注财报与宏观经济；有的则是狂热的“技术分析派”，痴迷于K线与成交量。它们的行为偏差也被精准量化：比如过早卖出盈利股票的“处置效应”，偏好高风险资产的“彩票偏好”，以及频繁交易的“过度自信”。

当这1000个性格各异、信息渠道不同、认知存在偏差的AI智能体被放入一个遵循中国A股真实规则、每日接收新闻、财报和社交热帖的虚拟市场时，惊人的一幕发生了。它们不仅学会了交易，更在没有外部干预的情况下，自发地涌现出了深刻的社会经济现象：

首先，财富不平等被“无形的手”创造出来。在完全公平的起点上，随着交易的进行，市场的基尼系数持续攀升，最富有的10%智能体财富份额不断增长，而底层50%的份额则逐渐萎缩。这证明了，即便规则平等，个体间微小的认知与行为差异，在市场这个放大器中，也会演变成结构性的贫富分化，与现实世界“富者愈富”的马太效应如出一辙。

其次，AI也学会了“多做多错”。模拟数据显示，交易最频繁的智能体群体普遍录得负收益，而表现最好的群体恰恰交易频率更低。这种“过度交易惩罚”深刻复现了人类投资者因过度自信、情绪驱动而导致的非理性行为。

洞见集体行为的宏观脉络

如果说复现个体偏差已足够令人惊讶，那么TwinMarket真正让人着迷的，是它清晰地揭示了微观的人性如何汇聚成宏观的市场脉动。研究者发现，该平台成功复现了四个真实市场普遍存在、但传统模型极难同时捕捉的“风格化事实”：

1. 肥尾分布：市场大部分时间风平浪静，但“黑天鹅”事件的发生频率远超理论预测。这源于AI智能体在面对坏消息时，更容易形成一致性恐慌。
2. 杠杆效应：价格下跌后，市场波动往往会加剧。这反映了AI智能体从真实数据中学到的“损失厌恶”偏见——亏损时更敏感，更容易恐慌性抛售。
3. 量价关系：价格剧烈波动时，成交量会激增。这是“羊群效应”最直接的证据，当大量智能体形成共识并同时行动时，市场便会掀起巨浪。
4. 波动率聚集：“风平浪静”和“暴风骤雨”总是成群出现。这源于信念的持续性，一旦恐慌情绪在社交网络中蔓延，就会在一段时间内主导市场。

TwinMarket甚至上演了一场完整的“泡沫-崩盘”周期，清晰地展示了“集体想象”如何驱动市场脱离基本面，最终在恐慌中踩踏。在一项对照实验中，研究者仅向少数几个高影响力的“大V”智能体注入一则负面谣言，结果竟引发了整个市场的指数级暴跌，完美解释了现实世界中“一则传闻蒸发千亿市值”的背后机制。

AI：社会科学的“显微镜”

TwinMarket的意义，远不止于构建一个更逼真的金融模拟器。它和近年来涌现的“玉兰-万象”社会模拟平台、BIGAI的虚拟城市“通通”项目一样，共同指向了一个激动人心的未来：AI正成为社会科学的“显微镜”。

过去，经济学家和社会学家依赖历史数据进行相关性分析，却难以建立精确的因果链。如今，这些由成千上万个具备认知能力的AI智能体构成的“数字社会”，为我们提供了一个可控的“数字沙盘”。我们可以在其中反复试验：调整社交网络密度，可以量化羊群效应的临界点；注入不同类型的信息，可以追踪舆论的传播路径；模拟不同的监管政策，可以在零成本下“预演”其对市场稳定性的影响。清华大学团队的研究也已证明，大语言模型在复现心理学和管理学实验时，与人类行为展现出高度一致性，这为“AI社会实验”的有效性提供了佐证。

当然，这台新“显微镜”也带来了新的挑战。当AI能精准模拟甚至预测我们的集体非理性时，它也可能被用于操纵。卡内基梅隆大学的研究就警示，更“智能”的AI可能表现得更“自私”，其行为甚至会传染给其他AI。如何为这股强大的力量建立伦理的“护栏”，将是与技术发展同等重要的议题。

三百年前，显微镜让我们首次窥见细胞的微观世界；一百年前，粒子加速器让我们得以探寻原子的内部结构。今天，以TwinMarket为代表的AI智能体模拟技术，正让我们以前所未有的精度，观察、理解、甚至预测复杂社会系统的运行规律。当AI学会“炒股”，它学到的不仅是买卖技巧，更是人性与社会运作的深层逻辑。在这面由代码构成的镜子中，我们看到的，终将是我们自己。