社交传染与银行清算：基于LLM存款人的智能体模型

数字银行和线上沟通使现代银行清算变得比经典排队窗口情形更快更具网络化特征。虽然均衡模型解释了为何战略互补会产生清算风险，但它们为在实际时间内信念如何同步和传播提供了有限的指导。我们构建了一个基于过程的智能体模型，使信息和协调层面显式化。银行遵循现金优先取款处理、折扣火车出售清算，以及内生压力指数。存款人在风险容忍度和对基本面与社交信息权重上具有异质性，通信于校准为3月2023年Twitter活动的重尾网络。存款人行为由受限的大语言模型生成，该模型将每个agent的信息集合映射为离散动作和可选帖子；我们在实验室协调证据和理论基准上验证了该策略。跨4900种配置和完整LLM仿真，三个发现显现：（1）银行内部连通性在基本面固定的情况下提高清算级联的概率和速度；（2）跨银行传染在溢出率约为0.10时呈现尖锐相变；（3）存款人重叠和网络放大效应非线性相互作用，所以在单独情况下弱的通道在组合时变得强大。在以SVB、First Republic和区域性银行情景受危机时数据约束的情况下，模型再现了观察到的失败排序，并预测在无保险存款人中显著更高的取款率。结果将社交相关性界定为继资产负债基本面之外，放大清算风险的可衡量因子。