Can Language Models Identify Shadow Trading Targets? An NLP Evaluation of SEC Enforcement Theory

एक ऐसी दुनिया की कल्पना करें जहाँ शेयर बाजार एक विशाल, हलचल भरी लाइब्रेरी है। इसके भीतर, हर कंपनी एक वार्षिक डायरी लिखती है जिसे "10-K" कहा जाता है, जिसमें विस्तार से बताया जाता है कि वे क्या बेचते हैं, उनके प्रतिस्पर्धी कौन हैं, और उन्हें किन जोखिमों का सामना करना पड़ता है। दशकों से, नियामक इस विश्वास में रहे हैं कि यदि आप इन डायरियों को सावधानीपूर्वक पढ़ते हैं, तो आप केवल यह देखकर पहचान सकते हैं कि कौन सी कंपनियाँ "जुड़वा" या "चचेरी" हैं, बस यह देखकर कि उनकी कहानियाँ कितनी समान हैं। यह विचार एक नए, विवादास्पद नियम की नींव है जिसे "शैडो ट्रेडिंग" (shadow trading) कहा जाता है।

यह नियम इस प्रकार है: यदि किसी कंपनी के अंदरूनी व्यक्ति (insider) को अपनी फर्म के बारे में कोई गुप्त जानकारी मिलती है (जैसे कि कोई अचानक होने वाला विलय), तो उन्हें न केवल अपने स्वयं के स्टॉक में व्यापार करने से बचना चाहिए। उन्हें यह भी पता होना चाहिए, बिना बताए, कि उनकी "चचेरी" कंपनियों पर भी इसका प्रभाव पड़ सकता है। यदि वे उस गुप्त जानकारी के आधार पर अपनी चचेरी कंपनी के स्टॉक में व्यापार करते हैं, तो यह अवैध है। समस्या यह है कि सरकार द्वारा इन व्यापारियों को पकड़ने का वर्तमान तरीका लाइब्रेरी में हर व्यक्ति पर कैमरा लगाने और उनके हर कदम को रिकॉर्ड करने जैसा है, इस उम्मीद में कि शायद किसी ने गलत किताब देख ली हो। यह व्यापक निगरानी महंगी है और गोपनीयता पर बड़े सवाल उठाती है। यह शोध पत्र जो सरल प्रश्न पूछता है वह यह है: क्या एक सुपर-स्मार्ट कंप्यूटर (एक AI) उन कंपनियों की डायरियां पढ़ सकता है और व्यापार होने से पहले ही यह पता लगा सकता है कि कौन सी कंपनियाँ "चचेरी" हैं? यदि उत्तर "हाँ" है, तो हमें हर किसी की जासूसी करने की आवश्यकता नहीं होगी। यदि उत्तर "ना" है, तो सरकार की यह विशाल निगरानी ही इन व्यापारियों को पकड़ने का एकमात्र तरीका हो सकती है, भले ही यह गोपनीयता का उल्लंघन महसूस हो।

यह शोध पत्र, जिसका शीर्षक "Can Language Models Identify Shadow Trading Targets?" है, उस विचार को एक अत्याधुनिक AI का उपयोग करके परखता है। शोधकर्ताओं ने एक दो-चरणीय रोबोटिक जासूस बनाया। सबसे पहले, AI किसी ऐसी कंपनी की "डायरी" (विशेष रूप से "मैनेजमेंट डिस्कशन एंड एनालिसिस" अनुभाग) को पढ़ता है जिसे अभी-अभी खरीदा गया है। फिर यह अन्य दस कंपनियों को सूचीबद्ध करने का प्रयास करता है जो सबसे अधिक समान लगती हैं, ठीक वैसे ही जैसे एक इनसाइडर जो उद्योग को जानता हो। दूसरा, AI इन "चचेरी" कंपनियों को एक समानता स्कोर देता है, उन्हें "बहुत करीबी परिवार" से लेकर "दूर के परिचितों" तक रैंक करता है।

शोधकर्ताओं ने "पैटर्न पहचानें" का एक खेल खेला। उन्होंने पिछले दशक के 30 वास्तविक जीवन के कंपनी अधिग्रहणों (buyouts) को देखा। प्रत्येक घटना के लिए, उन्होंने जांचा: क्या उन कंपनियों के स्टॉक की कीमतें, जिन्हें AI ने सबसे करीबी "चचेरी" माना था, उस दिन बढ़ीं जिस दिन खबर आई थी? यदि "शैडो ट्रेडिंग" का सिद्धांत सच है, तो AI को सटीक रूप से भविष्यवाणी करनी चाहिए थी कि कौन से स्टॉक बढ़ेंगे।

परिणाम सिद्धांत के लिए एक असफलता (bust) रहे। जब शोधकर्ताओं ने 30 घटनाओं के पूरे समूह को देखा, तो AI की रैंकिंग का वास्तविक स्टॉक मूवमेंट के साथ लगभग कोई संबंध नहीं था। यह घोड़ों की दौड़ के विजेता का अनुमान लगाने के लिए घोड़ों के जूतों को देखने जैसा था; AI के "समानता स्कोर" उतने ही गलत होने की संभावना रखते थे जितने कि सही। वास्तव में, सांख्यिकीय संबंध इतना कमजोर (+0.07) था कि शोधकर्ताओं ने निष्कर्ष निकाला कि डेटा किसी भी मध्यम संबंध के लिए असंगत है। उन्होंने पाया कि 14 मामलों में, AI के अनुमान बाजार से मेल खाते दिखे, लेकिन 12 मामलों में, वे इसके बिल्कुल विपरीत थे, और 4 मामलों में, यह पूरी तरह से अस्त-व्यस्त था।

यह शोध पत्र निश्चित रूप से इस विचार को खारिज नहीं करता कि सार्वजनिक कंपनी डायरियों में उन स्टॉक्स का मानचित्र होता है जो एक साथ चलते हैं; इसके बजाय, यह कहता है कि इसके विशिष्ट परीक्षण ने यह स्थापित नहीं किया कि ऐसा मानचित्र मौजूद है और इसने किसी भी संभावित संबंध के आकार को बहुत छोटा बताया है। लेखक सुझाव देते हैं कि जिस "आर्थिक जुड़ाव" (economic linkage) पर सरकार भरोसा करती है, उसे केवल टेक्स्ट पढ़कर उन उपकरणों के माध्यम से विश्वसनीय रूप से नहीं खोजा जा सकता जिनका उन्होंने उपयोग किया। प्रसिद्ध मामले में जिसने इस पूरी बहस को शुरू किया था (SEC v. Panuwat), AI ने विशिष्ट कंपनी (Incyte) को खोजने में सफलता प्राप्त की, लेकिन इसने इसे दस में से तीसरे स्थान पर रखा, जबकि वह स्टॉक जो वास्तव में सबसे अधिक बढ़ा था, वह नौवें स्थान पर रैंक किया गया एक समकक्ष (peer) था।

लेखक यह कहने में सावधान हैं कि "शैडो ट्रेडिंग" नहीं होती है या AI बेकार है। वे केवल यह कहते हैं कि, उनके द्वारा उपयोग किए गए उपकरणों के साथ, यह विचार कि एक इनसाइडर सार्वजनिक रिपोर्ट को देखकर यह जान सकता है कि कौन से अन्य स्टॉक्स वर्जित हैं, साक्ष्य द्वारा समर्थित नहीं है। "चचेरी" संबंध केवल टेक्स्ट पढ़कर खोजने के लिए बहुत अधिक जटिल और अप्रत्याशित लगता है। यह निष्कर्ष कानूनी सिद्धांत पर दबाव डालता है: यदि आप सार्वजनिक जानकारी का उपयोग करके "चचेरी" कंपनियों की पहचान पहले से नहीं कर सकते, तो इन व्यापारियों को पकड़ने के लिए सरकार द्वारा उपयोग की जाने वाली व्यापक निगरानी प्रणाली ही एकमात्र विकल्प हो सकती है, भले ही यह एक "डिजिटल जनरल वारंट" की तरह महसूस हो जो उन कुछ लोगों को खोजने के लिए सभी पर नज़र रखता है जो नियम तोड़ते हैं।