विघटनकारी से लेकर हमारे जीवन का अभिन्न अंग तक, कृत्रिम बुद्धिमत्ता (एआई) हमारे समय की परिभाषित तकनीक है, जो तेजी से हमारे काम करने, उपभोग करने और निवेश करने के तरीके को बदल रही है।
बड़ी मात्रा में डेटा को कुशलतापूर्वक और शीघ्रता से खोजने, विश्लेषण करने और व्याख्या करने की इसकी क्षमता को व्यापार और निवेश विचारों को प्राप्त करने के लिए तैनात किया गया है। अधिकांश उन्नत बाजारों में, एआई ट्रेडिंग जोर पकड़ रही है और इसका उपयोग ट्रेडिंग रणनीतियों को विकसित करने के लिए किया जा रहा है।
“विश्व स्तर पर, परिसंपत्ति प्रबंधन को कृत्रिम बुद्धिमत्ता और मशीन लर्निंग (एमएल) द्वारा तेजी से परिभाषित किया जा रहा है। मशीन-लर्निंग-आधारित निवेश करने वाली अपसाइड एआई की सीआईओ कनिका अग्रवाल ने कहा, ''कंप्यूटर द्वारा चलाए जाने वाले फंड अमेरिकी व्यापारिक गतिविधियों में 60 प्रतिशत से अधिक के लिए जिम्मेदार हैं।''
एआई निष्पक्ष, भावहीन है और इसमें निवेश की कोई विशिष्ट शैली नहीं है। एक अच्छा एल्गोरिदम गतिशील होता है और बाजार के रुझान को देखते हुए ट्रेडिंग रणनीतियों का परीक्षण और परिशोधन कर सकता है। यह वही कर सकता है जो विश्लेषक करते हैं - जानकारी, डेटा इकट्ठा करना और सुझाव देने के लिए उनका मूल्यांकन करना।
अग्रवाल ने कहा, "यह लगातार अल्फा पा सकता है, जो मानव प्रबंधकों के लिए मुश्किल है जो कुछ बाजार चक्रों में पनपते हैं लेकिन दूसरों में नहीं।"
“वैश्विक स्तर पर व्यापारिक गतिविधि (अल्पकालिक, उच्च आवृत्ति, तकनीकी, आदि) अब काफी हद तक प्रौद्योगिकी द्वारा संचालित होती है। यहां तक कि निष्क्रिय ईटीएफ ने अमेरिका में एयूएम में सक्रिय प्रबंधकों को भी पीछे छोड़ दिया है,'' अग्रवाल ने कहा।
उनका विचार है कि एआई के लिए अगला कदम मौलिक निवेश होगा।
“हमारा मानना है कि वॉरेन बफेट और चार्ली मुंगर जैसे अगले महान निवेशक एआई होंगे। बेंजामिन ग्राहम और वॉरेन बफेट व्यवस्थित नियमों का उपयोग करके और भावनाओं से दूर रहकर निवेश करने में बड़े विश्वास रखते हैं। नियमों का भावनात्मक रूप से पालन करने का सबसे अच्छा तरीका एआई और प्रौद्योगिकी का उपयोग है, ”अग्रवाल ने कहा।
जबकि विकसित बाजार तेजी से इस तकनीकी क्रांति के आदी हो रहे हैं, भारत जैसे उभरते बाजारों को निवेश में अपना प्रभुत्व देखने में कुछ समय लगेगा।
“भारत में, जबकि निवेश काफी हद तक लोगों द्वारा संचालित होता है, मेरा मानना है कि हम अगले दशक में संरचनात्मक बदलाव देखेंगे क्योंकि हमारे बाजार परिपक्व हो जाएंगे और अल्फा ढूंढना अधिक कठिन हो जाएगा। अग्रवाल ने कहा, हम अपने जैसे और भी उत्पादों को देखेंगे जो एआई के उपयोग में निवेश के लिए अलग-अलग दृष्टिकोण खोजने की कोशिश कर रहे हैं।
एआई की सबसे बड़ी ताकत डेटा पर इसकी पूर्ण निर्भरता है और यह बाजार और उसके चक्रों को समझने के लिए एल्गोरिदम का उपयोग करता है। यही कारण है कि वैश्विक स्तर पर निवेश और धन प्रबंधन उद्योग में एआई का उपयोग किया जा रहा है।
फिनटेक स्टार्टअप, नर्व सॉल्यूशंस के संस्थापक मिहिर के मालानी ने बताया कि अंतिम उद्देश्य हमेशा रिटर्न में सुधार करना होता है, इस प्रक्रिया में आमतौर पर ऐतिहासिक रुझानों के आधार पर सही स्टॉक चुनना, निवेश के आकार पर निर्णय लेना, रुझानों की पहचान करना और भविष्यवाणी करना जैसे कई चरण शामिल होते हैं। वगैरह।
मालानी ने कहा, "आमतौर पर अपनाया जाने वाला दृष्टिकोण ग्राहकों को उनके प्रोफाइल, निवेश प्राथमिकताओं और जोखिम भूख के आधार पर वर्गीकृत करने के लिए एमएल मॉडल का उपयोग करना है और मॉडल को उनके लिए सबसे उपयुक्त निवेश रणनीतियों तक पहुंचने देना है।"
उन्होंने कहा, निवेश के लिए एक अच्छी तरह से विकसित एआई मॉडल का सबसे बड़ा फायदा नुकसान से बचने और गिरावट की सफलतापूर्वक भविष्यवाणी करने की क्षमता है।
“इसके अलावा, किसी मॉडल की दक्षता को मापने का एक अच्छा तरीका इसके द्वारा उत्पन्न झूठी सकारात्मकताओं की संख्या है। संख्या जितनी कम होगी, मॉडल उतना ही बेहतर और भरोसेमंद होगा,'' मालानी ने कहा।
चुनौतियाँ
भले ही एआई निवेश में एक अपरिहार्य शक्ति प्रतीत होता है, लेकिन आगे चुनौतियां भी हैं।
हालांकि मशीन-लर्निंग मॉडल बनाने के लिए संरचित वित्तीय डेटा के बड़े सेट तक पहुंच आसान है, लेकिन काम करने वाले मॉडल को विकसित करने से जुड़ी कई चुनौतियाँ हैं।
अपसाइड एआई के अग्रवाल का मानना है कि एआई की चुनौतियाँ सभी उद्योगों में सच हैं, जिनमें निवेश-डेटा गुणवत्ता, निर्मित मॉडल की गुणवत्ता, इन मशीनों को बनाने के लिए भारत में प्रतिभा की कमी, कॉर्पोरेट प्रशासन जैसे गुणात्मक निवेश मुद्दों को हल करना और व्यापक स्वीकृति शामिल है। तकनीकी।
निवेश में एआई को लागू करते समय वास्तविक पैटर्न और संयोगों में अंतर करना सबसे बड़ी बाधाओं में से एक है जिसका सामना व्यक्ति को करना पड़ सकता है।
“कभी-कभी, महज संयोग सहसंबंध का भ्रम पैदा करते हैं। इन्हें पहचानने में असमर्थता बेहद गलत मॉडल का कारण बन सकती है,'' मालानी ने कहा।
सही विशेषताओं की पहचान करना और फिर मॉडल को डिज़ाइन करना एक चुनौती है।
“व्युत्पन्न उपकरणों के लिए एआई मॉडल विकसित करते समय अक्सर यह एक आम चुनौती का सामना करना पड़ता है। डेरिवेटिव अनुबंध के मूल्य निर्धारण में कई कारक शामिल होते हैं, सही सुविधाओं के गायब होने से प्रतीत होता है कि सही लेकिन गलत मॉडल हो सकते हैं, ”मालानी ने कहा।
इसके अलावा, एक मॉडल के भीतर भूराजनीतिक कारकों को शामिल करना भी एक चुनौती है।
“हालांकि एआई मॉडल के भीतर कीमत और मात्रा की जानकारी शामिल करना काफी प्रक्रियात्मक है, लेकिन उन कारकों को ध्यान में रखना बेहद मुश्किल है जो बाजार के बाहर हैं लेकिन बाजार की गतिविधियों पर गहरा प्रभाव डालते हैं। ऐसे कारक अक्सर मॉडलों के विफल होने का कारण होते हैं,'' मालानी ने कहा।
इन चुनौतियों के बावजूद, एआई निवेश का भविष्य है, जो निवेशकों और प्रबंधकों के लिए समान रूप से बहुत सारी संभावनाएं खोलता है।
