Hoe reageren miljoenen huishoudens als de kredietlimieten omhoog gaan? Onderzoekers bouwden daarvoor S$^2$-MAS: een simulatiekader dat het economische gedrag van 500 miljoen synthetische huishoudpersona's nabootst. Het systeem koppelt de beslissingen van AI-agenten aan specifieke huishoudelijke omstandigheden, waardoor complexe financiële scenario's nauwkeuriger te voorspellen zijn.
Het kader, beschreven in een publicatie op arxiv.org, overbrugt een hardnekkig probleem in de economie: de kloof tussen individuele besluitvorming en macro-economische effecten. De 500 miljoen persona's zijn gefundeerd in echte enquêtegegevens. Dankzij die enorme schaal kunnen onderzoekers simuleren hoe verschillende bevolkingsgroepen reageren op economische prikkels of beleidswijzigingen.
Zo is het systeem opgebouwd
Het hart van het systeem is de 'Genese'-engine. Die maakt een strikt onderscheid tussen het nemen van beslissingen en het bijwerken van de status van een agent. Om de financiële stromen accuraat bij te houden, gebruikt het kader herbruikbare financiële scenario's en applicatieregisters. Zo worden consumptie, contante gelden, schulden en betalingen nauwgezet geregistreerd.
De agenten worden aangedreven door het model 'sharp-421m-mlx'. Dat model is getraind met Supervised Fine-Tuning (SFT) en Reinforcement Learning from Contrastive Labeling (RLCD) op basis van 2,93 miljoen voorbeelden. Volgens de onderzoekers behaalde het model een nauwkeurigheid van 74,55% bij one-shot financiële keuzetaken voor consumenten, getest op enquêterespons die het model nooit eerder had gezien.
Beter dan de grote AI-modellen
In benchmarks voor consumentenkeuzes won S$^2$-MAS het van diverse bekende AI-systemen. De resultaten overtroffen die van GLM-5.3-Flash, Jev 1.13, DeepSeek-V4.1-Flash, GPT-6-Luna en GPT-6-Astra. Voor GPT-6-Astra gebruikten de onderzoekers een vergelijkbare steekproef van 500 groepen om de resultaten te valideren; voor de overige modellen voerden ze een volledige test uit.
Wat de simulaties lieten zien
Om het kader te testen, evalueerden de onderzoekers acht families van financiële taken. Daarbij simuleerden ze 12 miljoen unieke huishoudagenten in scenario's waarin aankoopdoelen en financieringsmogelijkheden werden gekoppeld. Uit die simulaties kwamen drie belangrijke trends:
- Consumptiegedrag: Stegen zowel de aankoopdoelen als de goedgekeurde kredietlimieten, dan nam de totale consumptie toe. De mate van die reactie verschilde wel per leeftijdscategorie en inkomensgroep.
- Sociaal-demografische verschillen: Zelfs na standaardisatie van leeftijd en inkomen bleven verschillen bestaan op basis van opleidingsniveau, werkgelegenheid en huishoudgrootte. Die verschillen kwamen vooral naar voren bij de overstap van het uitstellen van een aankoop naar het daadwerkelijk uitvoeren ervan.
- Schuldenbeheer: Groepen met verschillende activa en schuldenlasten gingen duidelijk anders om met het aanspreken van contante reserves, het terugbetalen van leningen en het afsluiten van schulden.
Met S$^2$-MAS kunnen onderzoekers heterogene beslissingen van huishoudens koppelen aan evoluerende paden van consumptie en terugbetaling. Dat opent de deur naar grootschalige economische experimenten die voorheen onmogelijk waren door een gebrek aan data of rekenkracht. De volledige details van het project, inclusief negen hoofdfiguren en zeven aanvullende figuren, zijn beschikbaar via de publicatie.