LLM come strumenti calibrati per i parametri di finanza comportamentale

Uno studio recente pubblicato su arXiv (2602.01022) presenta un nuovo quadro che considera i grandi modelli linguistici come strumenti calibrati per misurare i parametri comportamentali nel pricing degli asset. Analizzando quattro modelli insieme a 24.000 coppie agente-scenario, i ricercatori hanno identificato un bias di razionalità coerente nel comportamento di base degli LLM, tra cui una ridotta avversione alle perdite, un herding minimo ed effetti di disposizione quasi inesistenti rispetto agli standard umani. Utilizzando la calibrazione basata sul profilo, sono stati apportati aggiustamenti significativi, stabili e teoricamente validi a parametri come l'avversione alle perdite e l'herding, spesso eguagliando o superando i livelli di riferimento. Per garantire la validità esterna, questi parametri calibrati sono stati integrati in un modello di pricing basato su agenti, rivelando pattern di momentum a breve termine e reversal a lungo termine che si allineano con la finanza empirica.