Quantformer: from attention to profit with a quantitative transformer trading strategy
यह शोध पत्र क्वांटफॉर्मर (Quantformer) को प्रस्तुत करता है, जो सेंटीमेंट एनालिसिस से ट्रांसफर लर्निंग द्वारा संवर्धित एक ट्रांसफॉर्मर-आधारित न्यूरल नेटवर्क है, जो चीनी पूंजी बाजार के भीतर स्टॉक रिटर्न की भविष्यवाणी करने में पारंपरिक 100-कारक रणनीतियों से बेहतर प्रदर्शन करने के लिए लंबी दूरी की निर्भरताओं और बाजार संकेतों को प्रभावी ढंग से कैप्चर करता है।
मूल पेपर CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/) के तहत लाइसेंस किया गया है। नीचे दिए गए पेपर की यह व्याख्या AI से तैयार की गई है। इसे लेखकों ने न तो लिखा है, न इसका समर्थन किया है। तकनीकी सटीकता के लिए मूल पेपर देखें। पूरा डिस्क्लेमर पढ़ें
कल्पना कीजिए कि आप मौसम का अनुमान लगाने की कोशिश कर रहे हैं ताकि यह तय किया जा सके कि छाता साथ रखना है या नहीं। पारंपरिक तरीके कल की बारिश को देखते हैं और अनुमान लगाते हैं कि आज भी गीला रहेगा। लेकिन शेयर बाजार एक अराजक, तूफानी समुद्र की तरह है जहाँ मौसम हर सेकंड बदलता है, जो लाखों छोटी लहरों, विशाल तरंगों और यहाँ तक कि नाविकों के मूड से भी प्रभावित होता है।
यह शोध पत्र एक नया टूल पेश करता है जिसे Quantformer कहा जाता है। इसे एक सुपर-स्मार्ट, मौसम-पूर्वानुमान लगाने वाले AI के रूप में समझें जो केवल बारिश को नहीं देखता; बल्कि यह पूरे तूफान के तंत्र को समझता है ताकि यह सटीक भविष्यवाणी कर सके कि अगली बार धूप कहाँ चमकेगी।
यहाँ इसकी कहानी दी गई है कि उन्होंने इसे कैसे बनाया, जिसे सरल भाषा में समझाया गया है:
1. समस्या: पुराने उपकरण बहुत सरल थे
द दशकों से, निवेशक शेयरों को चुनने के लिए "फैक्टर्स" (factors) का उपयोग करते रहे हैं। एक फैक्टर को एक एकल सुराग की तरह समझें, जैसे "क्या कंपनी पैसा बना रही है?" या "क्या स्टॉक की कीमत बढ़ रही है?"
- पुराना तरीका: कल्पना करें कि आप एक दीवार को एक समय में देखने की कोशिश करके भूलभुलैया से बाहर निकलने का प्रयास कर रहे हैं। आप भाग्यशाली हो सकते हैं, लेकिन आप अक्सर एक बंद रास्ते (dead end) पर टकरा जाएंगे। पारंपरिक गणितीय मॉडल (जैसे 1950 के दशक में उपयोग किए जाने वाले मॉडल) बहुत कठोर हैं। वे शेयर बाजार की अव्यवस्थित, भावनात्मक और तेजी से बदलने वाली प्रकृति को नहीं संभाल सकते।
- मशीन लर्निंग का प्रयास: हाल ही में, लोगों ने इसे ठीक करने के लिए AI (मशीन लर्निंग) का उपयोग करने की कोशिश की। उन्होंने उन मॉडलों का उपयोग किया जो टेक्स्ट (जैसे अंग्रेजी को फ्रेंच में अनुवाद करना) पढ़ने के लिए डिज़ाइन किए गए थे, ताकि वे स्टॉक चार्ट पढ़ सकें। लेकिन यह एक ऐसी किताब पढ़ने जैसा था जिसका शब्दकोश किसी दूसरी भाषा के लिए बना हो। संख्याएँ उन "शब्दों" में फिट नहीं बैठती थीं जिनकी AI को उम्मीद थी।
2. समाधान: "Quantformer" का आगमन
लेखकों ने एक प्रसिद्ध AI आर्किटेक्चर जिसे Transformer कहा जाता है (वही दिमाग जो ChatGPT जैसे टूल्स के पीछे है) लिया और उसे विशेष रूप से पैसे के लिए एक मेकओवर दिया।
- रूपक (Metaphor): एक ऐसे अनुवादक की कल्पना करें जो आमतौर पर किताबों (टेक्स्ट) का अनुवाद करता है। लेखकों ने महसूस किया कि स्टॉक डेटा एक किताब नहीं है; यह संख्याओं का एक सिम्फनी (symphony) है।
- मेकओवर:
- "वर्ड एम्बेडिंग्स" का अंत: सामान्य AI में, शब्दों को "वर्ड वेक्टर्स" (जैसे हर शब्द को एक रंग देना) में बदल दिया जाता है। चूंकि स्टॉक डेटा केवल संख्याएं (कीमत, वॉल्यूम) हैं, इसलिए लेखकों ने "शब्दकोश" को एक सरल लीनियर लेयर (linear layer) से बदल दिया। यह एक जटिल शब्दकोश को एक सीधी स्केल (रूलर) से बदलने जैसा है। यह सीधे संख्याओं को मापता है।
- "मास्क" को हटाना: भाषा AI में, मॉडल को अक्सर एक-एक करके अगले शब्द का अनुमान लगाना पड़ता है (जैसे क्रॉसवर्ड भरना)। ट्रेडिंग में, आपको शब्द-दर-शब्द अनुमान लगाने की आवश्यकता नहीं है; आपको एक साथ अगले महीने के रिटर्न की पूरी तस्वीर देखने की आवश्यकता है। इसलिए, उन्होंने "मास्क" को हटा दिया जिसने AI को चरण-दर-चरण अनुमान लगाने के लिए मजबूर किया था।
- "अटेंशन" (Attention) की महाशक्ति: ट्रांसफॉर्मर का मूल "अटेंशन" है। कल्पना करें कि आप एक शोर भरी पार्टी में हैं। एक सामान्य व्यक्ति सब कुछ समान रूप से सुनता है। "अटेंशन" वाला एक ट्रांसफॉर्मर तुरंत शोर को अनसुना कर सकता है और केवल उस एक व्यक्ति पर ध्यान केंद्रित कर सकता है जो सबसे महत्वपूर्ण खबर चिल्ला रहा है। Quantformer इसका उपयोग पिछले 20 दिनों के स्टॉक डेटा को देखने और तुरंत यह पता लगाने के लिए करता है कि भविष्य के लिए कौन से दिन वास्तव में मायने रखते हैं।
3. उन्होंने इसका परीक्षण कैसे किया: "विशाल सिमुलेशन"
उन्होंने केवल अनुमान नहीं लगाया; उन्होंने एक बड़ा सिमुलेशन चलाया।
- डेटा: उन्होंने AI को 4,601 चीनी शेयरों का डेटा 13 वर्षों (2010-2023) के लिए दिया। यह 5 मिलियन से अधिक डेटा पॉइंट्स हैं। यह एक शेफ को एक दशक तक एक विशाल बुफे में हर व्यंजन चखाकर प्रशिक्षित करने जैसा है।
- प्रशिक्षण: उन्होंने AI को अतीत (कीमतें और कितने शेयरों का व्यापार हुआ) को देखने और भविष्य की भविष्यवाणी करने के लिए सिखाया (क्या स्टॉक ऊपर जाएगा या नीचे?)।
- प्रतियोगिता: उन्होंने अपने नए AI को 100 अन्य पारंपरिक ट्रेडिंग रणनीतियों के खिलाफ खड़ा किया। यह एक फॉर्मूला 1 कार (Quantformer) और 100 साइकिलों (पारंपरिक फैक्टर्स) के बीच दौड़ की तरह था।
4. परिणाम: AI दौड़ जीत जाता है
परिणाम प्रभावशाली थे:
- अधिक लाभ: Quantformer रणनीति ने 100 पारंपरिक रणनीतियों की तुलना में काफी अधिक पैसा बनाया। जबकि पारंपरिक रणनीतियाँ अक्सर पैसा खो देती थीं या बराबर रहती थीं, Quantformer ने मजबूत वार्षिक रिटर्न (उनके सबसे अच्छे मासिक परीक्षण में लगभग 17%) दिया।
- बेहतर सुरक्षा: निवेश में, यह केवल इस बारे में नहीं है कि आप कितना जीतते हैं, बल्कि इस बारे में भी है कि आप कितना जोखिम उठाते हैं। Quantformer का "वैल्यू एट रिस्क" (VaR) कम था। इसे ऐसे समझें कि यह उस गड्ढे का आकार है जिसमें आप गिर सकते हैं। Quantformers का गड्ढा दूसरों की तुलना में छोटा और सुरक्षित था।
- "अल्फा" (Alpha): वित्त में, "अल्फा" बाजार से अधिक स्मार्ट होने का स्कोर है। Quantformer के पास सकारात्मक अल्फा था, जिसका अर्थ है कि इसने वास्तव में बाजार को मात दी, न कि केवल भाग्य से जीत हासिल की।
5. यह क्यों मायने रखता है
यह शोध पत्र दिखाता है कि हमें शक्तिशाली AI का उपयोग करने के लिए स्टॉक मार्केट को टेक्स्ट की तरह मानने की आवश्यकता नहीं है। शब्दों के बजाय संख्याओं को समझने के लिए AI को बदलकर, हम एक ऐसा सिस्टम बना सकते हैं जो:
- बड़ी तस्वीर देखता है: यह दीर्घकालिक रुझानों को अल्पकालिक उछालों के साथ जोड़ता है।
- अनुकूलित होता है: यह पुराने गणितीय सूत्रों की तुलना में बाजार की अराजकता से बेहतर सीखता है।
- पैसा बनाता है: यह जटिल डेटा को लाभदायक निर्णयों में बदल देता है।
संक्षेप में: लेखकों ने एक सुपर-इंटेलिजेंट भाषा के मस्तिष्क को लिया, उसे "फाइनेंस" की भाषा बोलना सिखाया, और दिखाया कि यह शेयर बाजार के तूफानी समुद्रों में हमारे द्वारा उपयोग किए जा रहे पुराने दिशा-सूचकों की तुलना में बहुत बेहतर ढंग से नेविगेट कर सकता है। यह "अटेंशन" (AI का फोकस) से "प्रॉफिट" (निवेशक का लक्ष्य) तक का एक सेतु है।
अपने क्षेत्र के पेपरों की भीड़ में उलझे हुए हैं?
आपके रिसर्च कीवर्ड से मेल खाने वाले सबसे नए और अलग सोच वाले पेपरों का रोज़ाना Digest पाएँ—तकनीकी सारांश के साथ, आपकी भाषा में।