💰 quantitative finance

Decision-Induced Ranking Explains Prediction Inflation and Excessive Turnover in SPO-Based Portfolio Optimization

यह शोध पत्र पोर्टफोलियो अनुकूलन के लिए SPO-आधारित निर्णय-केंद्रित शिक्षण (decision-focused learning) में प्रेडिक्शन इन्फ्लेशन और अत्यधिक टर्नओवर की समस्याओं की जांच करता है, एक KKT-आधारित रैंकिंग व्याख्या प्रस्तुत करता है और यह प्रदर्शित करता है कि आउटपुट बाधाएं और टर्नओवर नियंत्रण रणनीति की स्थिरता और कार्यान्वयन क्षमता को प्रभावी ढंग से बढ़ाते हैं।

मूल लेखक: Yi Wang, Takashi Hasuike

प्रकाशित 2026-05-05

📖 5 मिनट में पढ़ें🧠 गहराई से पढ़ें

CC BY 4.0

मूल लेखक: Yi Wang, Takashi Hasuike

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 एक शेफ हैं जो अपने मेहमानों के लिए एक आदर्श भोजन (एक पोर्टफोलियो) पकाने की कोशिश कर रहे हैं। ऐसा करने के लिए, आपको एक सहायक शेफ (एक प्रेडिक्शन मॉडल) की आवश्यकता है जो आपको बताए कि कल कौन से सामग्रियां (स्टॉक्स) सबसे अच्छा स्वाद देंगी।

पुराना तरीका बनाम नया तरीका

पारंपरिक रूप से, शेफ अपने सहायक शेफ को यह पूछकर प्रशिक्षित करते थे, "तुम्हारा अनुमान वास्तविक स्वाद के कितने करीब था?" यदि सहायक शेफ ने अनुमान लगाया कि सूप नमकीन होगा और वह वास्तव में नमकीन निकला, तो उसे स्वर्ण पदक मिलता था। इसे प्रिडिक्ट-देन-ऑप्टिमाइज़ (PtO) कहा जाता है। समस्या यह है कि वित्त (फाइनेंस) में, सटीक संख्या का सही अनुमान लगाना हमेशा यह सुनिश्चित नहीं करता कि आप सबसे अच्छा भोजन बना पाएंगे। नमक के स्वाद का अनुमान लगाने में एक छोटी सी गलती भी सहायक शेफ को पूरी तरह से अलग रेसिपी सुझाने के लिए प्रेरित कर सकती है।

डिसिजन-फोक्स्ड लर्निंग (DFL) से मिलिए, विशेष रूप से एक विधि जिसे SPO कहा जाता है। यहाँ सहायक शेफ को सटीक स्वाद का अनुमान लगाने के लिए नहीं, बल्कि इस तरह से अनुमान लगाने के लिए प्रशिक्षित किया जाता है कि वह सबसे अच्छा भोजन बनाने की ओर ले जाए। आपको इससे फर्क नहीं पड़ता कि वे "नमकीन" कहते हैं या "बहुत नमकीन", जब तक कि वे आपको एक स्वादिष्ट व्यंजन बनाने के लिए सही सामग्रियों की ओर इशारा करते हैं।

समस्या: "हाइप" वाला सहायक शेफ

इस शोध पत्र के लेखकों ने इस नई प्रशिक्षण पद्धति का एक अजीब दुष्प्रभाव खोजा है। क्योंकि सहायक शेफ को केवल सर्वश्रेष्ठ निर्णय लेने के लिए पुरस्कृत किया जाता है, इसलिए वह एक 'हाइप मैन' (बढ़ा-चढ़ाकर बताने वाला) की तरह व्यवहार करने लगता है।

वास्तविक अनुमान देने के बजाय (जैसे, "यह स्टॉक 1% बढ़ सकता है"), SPO-प्रशिक्षित मॉडल चिल्लाने लगता है, "यह स्टॉक 500% बढ़ेगा और वह तो गिर जाएगा!"

क्यों? क्योंकि निर्णय के पीछे की गणित (ऑप्टिमाइज़र) एक सख्त न्यायाधीश की तरह है। यदि न्यायाधीश संख्याओं में मामूली अंतर देखता है, तो वह रेसिपी नहीं बदलेगा। लेकिन यदि संख्याएँ बड़ी और नाटकीय हैं, तो न्यायाधीश को एक बड़ा और साहसी बदलाव करने के लिए मजबूर होना पड़ता है। इसलिए, सहायक शेफ जीतने वालों को स्पष्ट रूप से चुनने के लिए संख्याओं को बढ़ा-चढ़ाकर (इन्फ्लेट) पेश करना सीख जाता है।

परिणाम:

प्रेडिक्शन इन्फ्लेशन (अनुमानों में अतिशयोक्ति): मॉडल अवास्तविक रिटर्न की भविष्यवाणी करता है।
अत्यधिक टर्नओवर (बदलाव): क्योंकि भविष्यवाणियां इतनी नाटकीय हैं, इसलिए शेफ पुराने सामान को फेंक देता है और हर महीने नए सामान की खरीद शुरू कर देता है। यह ऐसा है जैसे सहायक शेफ के "नए सामान!" चिल्लाने पर आप हर महीने अपना पूरा मेनू बदल रहे हों, भले ही अंतर बहुत कम हो। वास्तविक दुनिया में, इसमें लेनदेन शुल्क (ट्रांजैक्शन फीस) बहुत अधिक लगता है और इसे प्रबंधित करना असंभव है।

"KKT" स्पष्टीकरण (गुप्त सॉस)

यह शोध पत्र इस बात की व्याख्या करने के लिए एक विशेष गणित (KKT कंडीशंस) का उपयोग करता है कि ऐसा क्यों होता है। वे दिखाते हैं कि शेफ वास्तव में कच्ची संख्याओं को नहीं देख रहा है। इसके बजाय, शेफ एक रैंकिंग लिस्ट देख रहा है।

इसे एक दौड़ की तरह समझें। शेफ को इससे फर्क नहीं पड़ता कि धावक A, धावक B से 10 सेकंड तेज है या नहीं। उन्हें बस इससे मतलब है कि धावक A, धावक B से आगे है। SPO मॉडल धावकों के बीच के अंतर को इतना खींच देता है कि न्यायाधीश के लिए यह गलती करना असंभव हो जाए कि कौन प्रथम आया। यह पोर्टफोलियो समस्या को "सटीक स्कोर का अनुमान लगाने" के खेल के बजाय एक "रैंकिंग गेम" में बदल देता है।

समाधान: सहायक शेफ को शांत करना

लेखकों ने सहायक शेफ को निकालने के बजाय उसे शांत करने के तीन सरल तरीके आजमाए:

क्लिपिंग (द "सेंसर" बटन):
कल्पना कीजिए कि आप सहायक शेफ से कहते हैं, "चाहे तुम कितने भी उत्साहित क्यों न हो जाओ, तुम केवल इतना कह सकते हो कि स्टॉक अधिकतम 10% ऊपर या नीचे जा सकता है।" यदि वे 500% कहने की कोशिश करते हैं, तो आप उसे 10% पर क्लिप कर देते हैं। यह चरम आंकड़ों को रोकता है लेकिन इस सामान्य क्रम को बनाए रखता है कि कौन बेहतर है।
रीस्केलिंग (द "अनुवादक"):
यह सहायक शेफ की जंगली भविष्यवाणियों की सूची को लेता है और उन्हें एक वास्तविक सीमा (जैसे -10% से +10%) में सिकोड़ देता है, जबकि क्रम को समान रखता है। यदि उन्होंने कहा कि स्टॉक A, स्टॉक B से "कहीं बेहतर" है, तो यह अभी भी वही कहता है, लेकिन अब संख्याएँ सामान्य दिखती हैं।
पार्शियल एडजस्टमेंट (द "स्लो कुकर"):
सामान्य संख्याओं के साथ भी, शेफ अभी भी पूरा मेनू बदलना चाह सकता है। यह रणनीति कहती है, "पूरा मेनू मत बदलो। बस नई रेसिपी की ओर 10% सामग्री को ले जाओ।" यह परिवर्तनों को सुचारू बनाता है ताकि आप हर महीने पागलों की तरह खरीद-बिक्री न करें।

उन्होंने क्या पाया

केवल जोखिम के नियम जोड़ने से काम नहीं चला: शेफ को अधिक "सावधान" बनाने से भी जंगली भविष्यवाणियों को रोकने में मदद नहीं मिली।
"सेंसर" (क्लिपिंग) + "स्लो कुकर" (पार्शियल एडजस्टमेंट) विजेता रहा: इस संयोजन ने टर्नओवर (ट्रेडिंग गतिविधि) को कम रखा और पोर्टफोलियो को स्थिर बनाया, जबकि अच्छा पैसा भी कमाया।
"अनुवादक" (रीस्केलिंग) + "स्लो कुकर" ने सबसे अधिक पैसा कमाया: इसने आक्रामक "रैंकिंग" सिग्नल को मजबूत रखा लेकिन ट्रेडिंग को सुचारू बनाया, जिससे अधिक लाभ हुआ, हालांकि इसमें "सेंसर" विधि की तुलना में थोड़ा अधिक जोखिम था।

मुख्य निष्कर्ष

शोध पत्र निष्कर्ष निकालता है कि स्मार्ट प्रिडिक्ट-देन-ऑप्टिमाइज़ एक शक्तिशाली उपकरण है, लेकिन यह स्वाभाविक रूप से भविष्यवाणियों को सटीक पूर्वानुमानों के बजाय नाटकीय रैंकिंग संकेतों में बदलने की कोशिश करता है। वास्तविक दुनिया में उपयोग करने के लिए, आप इसे बेकाबू नहीं छोड़ सकते। आपको भविष्यवाणियों पर "सुरक्षा घेरा" (क्लिपिंग/रीस्केलिंग) लगाने और आप वास्तव में कितना व्यापार करते हैं उसे धीमा करने (पार्शियल एडजस्टमेंट) की आवश्यकता है। यह एक अराजक, उच्च-गति वाली ट्रेडिंग मशीन को एक स्थिर, निवेश योग्य रणनीति में बदल देता है।

यहाँ शोध पत्र "Decision-Induced Ranking Explains Prediction Inflation and Excessive Turnover in SPO-Based Portfolio Optimization" का विस्तृत तकनीकी सारांश दिया गया है।

1. समस्या विवरण (Problem Statement)

यह शोध पत्र पोर्टफोलियो अनुकूलन (portfolio optimization) में लागू डिसीजन-फोक्स्ड लर्निंग (DFL) में एक गंभीर अस्थिरता को संबोधित करता है, विशेष रूप से स्मार्ट प्रेडिक्ट-देन-ऑप्टिमाइज़ (SPO) फ्रेमवर्क के भीतर।

संदर्भ: पारंपरिक "प्रेडिक्ट-देन-ऑप्टिमाइज़" (PtO) मॉडल प्रेडिक्शन एरर (जैसे, मीन स्क्वेर्ड एरर) को कम करने के लिए प्रशिक्षित होते हैं। DFL (और SPO) मॉडल को "रिग्रेट" (डाउनस्ट्रीम निर्णय की गुणवत्ता में होने वाला नुकसान) को कम करने के लिए प्रशिक्षित करता है, जो प्रेडिक्टर को सीधे पोर्टफोलियो ऑप्टिमाइज़र के साथ संरेखित करता है।
समस्या: हालांकि DFL सैद्धांतिक रूप से निर्णय की गुणवत्ता में सुधार करता है, लेकिन अनुभवजन्य अवलोकन (empirical observations) बताते हैं कि यह प्रेडिक्शन इन्फ्लेशन (अत्यधिक बड़े, अवास्तविक रिटर्न पूर्वानुमान) और अत्यधिक पोर्टफोलियो टर्नओवर (बार-बार, आक्रामक पुनर्संतुलन) का कारण बनता है।
अंतराल (Gap): यह स्पष्ट नहीं है कि SPO इस तरह की अस्थिरता क्यों पैदा करता है और क्या ऑप्टिमाइज़र में मानक जोखिम-विमुखता (risk-aversion) पैरामीटर इसे कम करने के लिए पर्याप्त हैं। यह शोध इन व्यवहारों के पीछे के तंत्र को समझाने और व्यावहारिक स्थिरीकरण विधियों का प्रस्ताव करने का प्रयास करता है।

2. कार्यप्रणाली (Methodology)

सैद्धांतिक ढांचा: KKT-आधारित व्याख्या

लेखक SPO तंत्र का विश्लेषण करने के लिए करुश-कुहन-टकर (KKT) स्थितियों का उपयोग करते हुए एक सैद्धांतिक व्याख्या प्रदान करते हैं।

मैग्निट्यूड के बजाय रैंकिंग: वे प्रदर्शित करते हैं कि पोर्टफोलियो निर्णय अनुमानित रिटर्न ( $\hat{r}_i$ $\overset{r}{^}_{i}$ ) के पूर्ण स्तर द्वारा नहीं, बल्कि लेनदेन-लागत-और-जोखिम-समायोजित मार्जिनल स्कोर द्वारा संचालित होता है।
- रिटर्न-मैक्सिमाइजेशन सेटिंग में, लेनदेन लागत के साथ, सक्रिय संपत्तियां संतुष्ट करती हैं: $\hat{r}_i - \kappa s_i = \nu$ ।
- मीन-वेरिएंस ऑप्टिमाइज़ेशन (MVO) सेटिंग में, स्थिति हो जाती है: $\hat{r}_i - 2\lambda(\Sigma w)_i - \kappa s_i = \nu$ ।
अंतर्दृष्टि: ऑप्टिमाइज़र प्रभावी रूप से इन समायोजित स्कोर के आधार पर संपत्तियों की रैंकिंग करता है। फलस्वरूप, SPO-प्रशिक्षित प्रेडिक्टर इन स्कोर के बीच के 'मार्जिन्स' को मैनिपुलेट करना सीख जाता है ताकि एक विशिष्ट रैंकिंग प्रेरित की जा सके, जो अक्सर संपत्तियों के बीच स्पष्ट अलगाव बनाने के लिए भविष्यवाणियों के परिमाण (magnitude) को बढ़ाकर किया जाता है, न कि कैलिब्रेटेड रिटर्न अनुमानों को सीखकर।

अनुभवजन्य सेटअप (Empirical Setup)

डेटासेट्स: तीन एसेट यूनिवर्स: DOW (डाउ जोन्स घटक), ETF_A (ब्रॉड-मार्केट ETFs), और ETF_B (सेक्टर/स्टाइल ETFs)।
समयसीमा: 2020 से 2026 तक बैकटेस्ट किया गया (2019 को वार्म-अप के रूप में उपयोग करते हुए)।
मॉडल:
- प्रेडिक्टर: SPO+ (एक नॉन-डिफरेंशिएबल SPO लॉस के लिए एक डिफरेंशिएबल सरोगेट) के माध्यम से प्रशिक्षित लीनियर मॉडल।
- ऑप्टिमाइज़र: $L_1$ ट्रांजैक्शन कॉस्ट के साथ मीन-वेरिएंस ऑप्टिमाइज़ेशन (MVO)।
- बेसलाइन्स: मानक MVO (ऐतिहासिक रिटर्न) और PtO-MVO (MSE पर प्रशिक्षित प्रेडिक्टर)।
परीक्षण किए गए हस्तक्षेप (Interventions): SPO आउटपुट को स्थिर करने के लिए, लेखकों ने तीन तंत्रों का परीक्षण किया:
1. प्रेडिक्शन क्लिपिंग (Prediction Clipping): अनुमानित रिटर्न को एक यथार्थवादी रेंज $[-\gamma, \gamma]$ तक सीमित करना।
2. मिन-मैक्स रीस्केलिंग (Min-Max Rescaling): क्रॉस-सेक्शनल रैंकिंग को सुरक्षित रखते हुए पूरे प्रेडिक्शन वेक्टर को एक निश्चित रेंज (जैसे, $[-0.1, 0.1]$ ) में मैप करना।
3. आंशिक पोर्टफोलियो समायोजन (Partial Portfolio Adjustment): लक्ष्य पोर्टफोलियो $w^*_t$ में पूर्णतः पुनर्संतुलन करने के बजाय, वास्तविक पोर्टफोलियो को वृद्धिशील रूप से अपडेट किया जाता है: $w_t = w_{t-1} + \delta(w^*_t - w_{t-1})$ , जहाँ $\delta \in (0, 1]$ ।

3. मुख्य योगदान (Key Contributions)

यांत्रिक व्याख्या (Mechanistic Explanation): यह शोध पत्र स्थापित करता है कि SPO-आधारित DFL एक डिसीजन-इंड्यूस्ड रैंकिंग मैकेनिज्म के रूप में व्यवहार करता है। प्रेडिक्टर रिटर्न के परिमाण को इसलिए बढ़ाता है ताकि समायोजित मार्जिनल स्कोर के बीच का अंतर (gap) अधिकतम हो सके, जिससे यह सुनिश्चित हो सके कि ऑप्टिमाइज़र वांछित एसेट रैंकिंग का चयन करे, भले ही पूर्ण अनुमान संख्यात्मक रूप से अवास्तविक हों।
अस्थिरता का निदान: लेखक सिद्ध करते हैं कि MVO ऑब्जेक्टिव में जोखिम-विमुखता पैरामीटर ( $\lambda$ ) को बढ़ाना टर्नओवर की समस्या को हल करने के लिए अपर्याप्त है। अस्थिरता सिग्नल की प्रकृति (रैंकिंग मार्जिन) से उत्पन्न होती है, न कि केवल जोखिम दंड (risk penalization) की कमी से।
व्यावहारिक स्थिरीकरण रणनीतियाँ: शोध पत्र तीन प्रकार के हस्तक्षेपों का मूल्यांकन और सत्यापन करता है:
- इनपुट-साइड कंट्रोल: प्रेडिक्शन मैग्नीट्यूड को प्रबंधित करने के लिए क्लिपिंग और रीस्केलिंग।
- आउटपुट-साइड कंट्रोल: वास्तविक ट्रेडिंग पाथ को सुचारू बनाने के लिए आंशिक समायोजन।
एब्लेशन विश्लेषण (Ablation Analysis): अध्ययन इन हस्तक्षेपों के प्रभावों को अलग करता है, यह दिखाते हुए कि जहां क्लिपिंग अस्थिरता को कम करती है, वहीं आंशिक पोर्टफोलियो समायोजन टर्नओवर को कम करने के लिए प्राथमिक चालक है।

4. परिणाम (Results)

प्रेडिक्शन इन्फ्लेशन: SPO-प्रशिक्षित मॉडलों ने ऐसे अनुमानित रिटर्न उत्पन्न किए जिनका परिमाण वास्तविक रिटर्न और PtO भविष्यवाणियों की तुलना में बहुत अधिक था। इसने इस परिकल्पना की पुष्टि की कि SPO कैलिब्रेटेड पूर्वानुमानों के बजाय निर्णय-प्रेरित संकेतों (decision-inducing signals) को प्राथमिकता देता है।
टर्नओवर: मानक SPO पोर्टफोलियो ने सभी डेटासेट्स और जोखिम-विमुखता स्तरों में 80–95% से अधिक मासिक टर्नओवर दर प्रदर्शित की, जो लेनदेन लागतों के कारण इन्हें व्यावहारिक रूप से असंभव बनाता है।
हस्तक्षेपों की प्रभावशीलता:
- केवल रीस्केलिंग: टर्नओवर को महत्वपूर्ण रूप से कम करने में विफल रही क्योंकि इसने क्रॉस-सेक्शनल रैंकिंग (मुख्य निर्णय सिग्नल) को सुरक्षित रखा।
- क्लिपिंग: चरम आउटलेर्स को हटाकर अस्थिरता और टर्नओवर को मध्यम रूप से कम किया, लेकिन पोर्टफोलियो पथ को पूरी तरह से स्थिर नहीं कर सका।
- आंशिक समायोजन ( $\delta < 1$ ): सबसे प्रभावी तंत्र। इसने टर्नओवर (से ~5–10% तक) और अस्थिरता को नाटकीय रूप से कम कर दिया।
- संयोजन (Combinations):
  - Clip + Adj: सबसे रूढ़िवादी और स्थिर रणनीति बनाई जिसमें सबसे कम टर्नओवर और अस्थिरता थी।
  - Rescale + Adj: उच्चतम शार्प रेश्यो (Sharpe ratios) और रिटर्न प्राप्त किए, जो यह सुझाव देता है कि रैंकिंग सिग्नल को संरक्षित करते हुए निष्पादन पथ (execution path) को सुचारू बनाना बेहतर जोखिम-समायोजित प्रदर्शन देता है।

5. महत्व और निहितार्थ (Significance and Implications)

सैद्धांतिक बदलाव: यह शोध पत्र वित्त में DFL की समझ को फिर से परिभाषित करता है। यह सुझाव देता है कि DFL पारंपरिक सांख्यिकीय अर्थों में "बेहतर" रिटर्न पूर्वानुमानों को नहीं सीखता है; बल्कि, यह रैंकिंग सिग्नल्स सीखता है जो डाउनस्ट्रीम ऑप्टिमाइज़र के लिए विशिष्ट बाधाओं के अनुकूल होते हैं।
व्यावहारिक कार्यान्वयन: यह DFL को वास्तविक दुनिया के ट्रेडिंग में तैनात करने के लिए एक रोडमैप प्रदान करता है। शुद्ध SPO लाइव ट्रेडिंग के लिए बहुत अस्थिर है। अध्ययन प्रदर्शित करता है कि पोस्ट-प्रोसेसिंग बाधाएं (क्लिपिंग/रीस्केलिंग) और एग्जीक्यूशन स्मूथिंग (आंशिक समायोजन) को SPO-आधारित रणनीतियों को लागू करने योग्य बनाने के लिए आवश्यक है।
ट्रेड-ऑफ की पहचान: परिणाम एक ट्रेड-ऑफ को उजागर करते हैं: वे रणनीतियाँ जो टर्नओवर को सख्ती से नियंत्रित करती हैं (Clip+Adj) सुरक्षित हैं लेकिन रिटर्न की क्षमता का त्याग कर सकती हैं, जबकि वे जो रैंकिंग सिग्नल को संरक्षित करती हैं (Rescale+Adj) उच्च रिटर्न प्रदान करती हैं लेकिन उनके लिए सावधानीपूर्वक टर्नओवर प्रबंधन की आवश्यकता होती है।
भविष्य की दिशाएँ: लेखक सुझाव देते कि भविष्य के DFL अनुसंधान में वित्तीय बाधाओं (तरलता, टर्नओवर सीमा) को पोस्ट-हॉक ह्यूरिस्टिक्स के रूप में मानने के बजाय, उन्हें सीधे लर्निंग ऑब्जेक्टिव या ऑप्टिमाइज़ेशन लेयर में शामिल किया जाना चाहिए।

संक्षेप में, यह शोध पत्र निर्णय-केंद्रित लर्निंग (DFL) के सैद्धांतिक आकर्षण और पोर्टफोलियो प्रबंधन की व्यावहारिक वास्तविकताओं के बीच के अंतर को पाटता है, जो SPO की अस्थिरता के लिए एक यांत्रिक स्पष्टीकरण और इसे स्थिर करने के लिए एक सत्यापित टूलकिट प्रदान करता है।