Generalized Stock Price Prediction for Multiple Stocks Combined with News Fusion
यह शोध पत्र एक सामान्यीकृत स्टॉक मूल्य भविष्यवाणी मॉडल प्रस्तावित करता है जो एक लार्ज लैंग्वेज मॉडल फ्रेमवर्क के भीतर स्टॉक नाम एम्बेडिंग और अटेंशन-आधारित पूलिंग तंत्र के माध्यम से फ़िल्टर की गई दैनिक समाचारों के साथ ऐतिहासिक कीमतों को एकीकृत करता है, जिससे बेसलाइन की तुलना में मीन एब्सोल्यूट एरर (MAE) में 7.11% की कमी आई 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 अगले सप्ताह के मौसम की भविष्यवाणी करने की कोशिश कर रहे हैं। आप केवल पिछले 20 दिनों के तापमान को देख सकते हैं, लेकिन इतना काफी नहीं है। आपको हवा के बारे में भी जानना होगा, नमी के बारे में, और शायद स्थानीय समाचार भी पढ़ने होंगे यह देखने के लिए कि कहीं कोई तूफान तो नहीं आने वाला।
यह शोध पत्र एक सुपर-स्मार्ट स्टॉक मार्केट वेदर फोरकास्टर (शेयर बाजार का मौसम भविष्यवक्ता) बनाने के बारे में है। केवल पिछले स्टॉक मूल्यों को देखने के बजाय, लेखकों ने एक ऐसी प्रणाली बनाई है जो कल किसी स्टॉक की कीमत क्या होगी, इसका अनुमान लगाने के लिए हजारों दैनिक समाचार लेखों को पढ़ती है।
यहाँ उनके आविष्कार का विवरण दिया गया है, जिसे सरल उपमाओं के साथ समझाया गया है:
1. समस्या: बहुत अधिक शोर (Too Much Noise)
कल्पना कीजिए कि आप एक शोर भरे, अराजक उत्सव में अपने एक विशिष्ट मित्र की आवाज़ सुनने की कोशिश कर रहे हैं।
- पुराना तरीका: आप एक बाउंसर से पूछते हैं कि केवल उन लोगों को ढूँढे जो आपके मित्र के बारे में बात कर रहे हैं। यदि बाउंसर खराब है, तो आप महत्वपूर्ण जानकारी चूक जाते हैं। यदि बाउंसर बहुत सख्त है, तो आपको कोई जानकारी नहीं मिलती।
- नई समस्या: यदि आप केवल पार्टी में मौजूद सभी लोगों को सुनते हैं, तो आप शोर से अभिभूत हो जाते हैं। आप यह नहीं बता सकते कि कोई आपके मित्र के बारे में बात कर रहा है या बस खाने के बारे में।
- लेखकों का समाधान: उन्होंने एक "स्मार्ट फिल्टर" बनाया है जो ठीक उसी पार्टी में बैठा है। वह जानता है कि आपका मित्र कौन है और तुरंत उन सभी को अनसुना कर देता है जो किसी और चीज़ के बारे में बात कर रहे हैं।
2. गुप्त हथियार: "स्टॉक का नाम" एक चुंबक के रूप में
इस शोध पत्र की मुख्य तरकीब स्टॉक के नाम (जैसे "Apple" या "TSMC") का उपयोग करके सही समाचारों को बाहर खींचना है।
- सेटअप: हर दिन, सैकड़ों समाचार लेख होते हैं। अधिकांश अप्रासंगिक होते हैं।
- जादू: सिस्टम स्टॉक के नाम (जैसे "TSMC") को लेता है और उसे एक डिजिटल "चुंबक" में बदल देता है।
- फिल्टर: यह इस चुंबक को समाचार लेखों के ढेर से गुजारता है।
- क्रॉस-अटेंशन (चुंबक): स्टॉक का नाम समाचारों को "पुकारता" है। केवल वे लेख जो "जवाब देते" हैं (जो प्रासंगिक हैं), ही चुने जाते हैं।
- सेल्फ-अटेंशन (ग्रुप हग): सिस्टम स्टॉक के नाम और सभी समाचार लेखों को एक साथ देखता है, जिससे उन्हें एक-दूसरे को "गले लगाने" और यह तय करने की अनुमति मिलती है कि कौन सा सबसे अच्छा फिट बैठता है।
- पोजीशन-अवेयर (टाइमलाइन): यह इस क्रम को भी याद रखता जिसमें समाचार आए थे, यदि समय का महत्व हो।
3. मस्तिष्क: एक विशाल भाषा मॉडल (LLM)
एक बार जब सिस्टम ने समाचारों को फ़िल्टर कर लिया, तो इसे समझने के लिए एक मस्तिष्क की आवश्यकता होती है।
- वे एक लार्ज लैंग्वेज मॉडल (LLM) का उपयोग करते हैं, जो एक सुपर-इंटेलिजेंट रोबोट की तरह है जिसने लगभग सब कुछ पढ़ा है।
- आमतौर पर, ये रोबोट कहानियाँ लिखने में माहिर होते हैं लेकिन गणित में कमजोर होते हैं। लेखकों को इस रोबोट को नंबरों (स्टॉक की कीमतों) को पढ़ने के लिए सिखाना पड़ा, जिसके लिए उन्होंने नंबरों को एक विशेष "सूट" (जिसे पैच रीप्रोग्रामिंग कहा जाता है) में लपेटा ताकि रोबोट उन्हें शब्दों की तरह समझ सके।
4. "जनरल" छात्र बनाम "स्पेशलिस्ट"
- पुराना दृष्टिकोण: हर सिंगल स्टॉक के लिए एक अलग छात्र को प्रशिक्षित करना। एक छात्र केवल Apple के बारे में सीखता है, दूसरा केवल Ford के बारे में। यह महंगा और धीमा है।
- इस शोध पत्र का दृष्टिकोण: एक ही "जनरल" छात्र को प्रशिक्षित करना जो एक ही समय में सभी स्टॉक्स के बारे में सीख सके।
- यह क्यों शानदार है: यह छात्र बाजार के सामान्य नियमों को सीखता है। यदि वे समझते हैं कि "टेक" स्टॉक्स आमतौर पर बुरी खबरों पर कैसे प्रतिक्रिया देते हैं, तो वे उस तर्क को एक नए स्टॉक पर लागू कर सकते हैं जिसे उन्होंने पहले कभी नहीं देखा है। यह एक शेफ को हर रेसिपी के लिए अलग शेफ रखने के बजाय, किसी भी व्यंजन को पकाने के लिए सिखाने जैसा है।
5. परिणाम: स्मार्ट और तेज़
लेखकों ने ताइवान स्टॉक एक्सचेंज और अमेरिकी स्टॉक्स पर इसका परीक्षण किया।
- स्कोर: उनकी नई विधि ने पुराने तरीकों की तुलना में भविष्यवाणी की त्रुटियों को लगभग 7% कम कर दिया। वित्त की दुनिया में, यह एक बड़ी जीत है।
- समझौता (Trade-off): इसे प्रशिक्षित करने में अधिक समय लगता है (एक साधारण मॉडल के 30 मिनट के मुकाबले 2 दिन), लेकिन सटीकता बहुत बेहतर है। यह एक तेज़, सस्ते GPS के बजाय एक धीमे, उच्च-स्तरीय GPS का उपयोग करने जैसा है जो आपको रास्ता भटका सकता है।
सारांश उपमा
स्टॉक मार्केट को एक विशाल लाइब्रेरी के रूप में सोचें।
- पुराने मॉडल: वे केवल किताबों के चेकआउट इतिहास (पिछले मूल्य) को देखते हैं।
- यह मॉडल: यह लाइब्रेरी में एक लाइब्रेरियन (AI) भेजता है। लाइब्रेरियन एक विशिष्ट पुस्तक शीर्षक (स्टॉक का नाम) पकड़े हुए है। लाइब्रेरियन पूरी लाइब्रेरी को स्कैन करता है, केवल उन किताबों को उठाता है जिनमें वह शीर्षक उल्लेखित है, उनका सारांश बनाता है, और फिर अगले अध्याय (कल की कीमत) का अनुमान लगाने के लिए एक सुपर-ब्रेन का उपयोग करता है।
स्टॉक के नाम का उपयोग करके शोर को फ़िल्टर करके, सिस्टम अप्रासंगिक समाचारों से विचलित होने से बच जाता है और बहुत अधिक स्मार्ट अनुमान लगाता 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।