Проблема разрыва данных в финансовых симуляциях
Создание реалистичных многоагентных симуляций (Multi-Agent Systems) в финансах часто упирается в отсутствие данных, где действия агентов строго привязаны к временным меткам и историческим событиям. Авторы работы PAWS (Policy-driven Agentic World Simulation) — Tiviatis Sim, Jia Hui Woon, Kenji Kawaguchi и другие — предлагают решение, устраняющее этот разрыв. Датасет позволяет воспроизводить реакции рынка на реальные политические вмешательства, обеспечивая аудируемую среду для тестирования AI-агентов.
Масштаб и структура данных
PAWS охватывает 36 верифицированных эпизодов финансовой и экономической политики США. Ключевая особенность — детализация: каждое действие стейкхолдера связано с конкретным новостным поводом и представлено в виде многоуровневого кадрового события (event frame). Это включает режим взаимодействия, семейство финансовых действий, семантические атрибуты и маппинг на внешние таксономии.
| Метрика / Параметр | Значение |
|---|---|
| Количество эпизодов политики | 36 |
| Количество новостных записей | 12 727 |
| Количество действий стейкхолдеров | 65 291 |
| Объем выборки для валидации | 2 522 стратифицированных образца |
| Согласованность AI и человека | 89,4% (initial agreement) |
Валидация и точность
Для проверки качества разметки независимые рецензенты (AI и люди) оценили 2 522 образца действий. Изначальное согласие составило 89,4%. Расхождения рассматривались отдельно. Исследование показало, что высокая общая точность может маскировать провалы в обнаружении редких действий стейкхолдеров, выделяя тайминг и калибровку как центральные проблемы для будущих моделей.
Практическое применение: кейсы 2008 и 2001 годов
Авторы провели replay-исследование на исторических данных, включая запрет на короткие продажи в 2008 году и переход к десятичной системе в 2001 году. PAWS успешно восстановил политические таймлайны и рыночные паттерны как в условиях плотного новостного потока, так и в разреженных средах. Это делает датасет ценным инструментом для оценки влияния агентов и каскадных реакций политики на рынок.
Источник: arXiv cs.AI ↗