Amortized Interventional Forecasting for Multivariate CIR Processes
यह शोध पत्र CIR-ACTIVA को प्रस्तुत करता है, जो मल्टीवेरिएट कॉक्स-इंगर्सोल-रोस प्रक्रियाओं के लिए एक एमोर्टाइज्ड इंटरवेंशनल फोरकास्टिंग फ्रेमवर्क है जो वित्तीय समय श्रृंखलाओं, जैसे कि CDS स्प्रेड्स, के लिए कारण-संबंधी "क्या-होता-यदि" (what-if) विश्लेषण को सक्षम बनाता है और ऐतिहासिक सहसंबंधों से कारण-संबंधी झटकों (causal shocks) को अलग करता है तथा कारण-संबंधी चयनात्मकता (causal selectivity) और होराइजन-रिजॉल्व्ड कैलिब्रेशन दोनों में अवलोकनात्मक बेसलाइनों से बेहतर प्रदर्शन 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 पक्षियों के एक झुंड को देख रहे हैं। कभी वे सब मिलकर बाईं ओर झपटते हैं, तो कभी वे सब दाईं ओर गोता लगाते हैं। यदि आप केवल उन्हें देखते रहेंगे, तो आपको लग सकता है कि वे सभी एक-दूसरे की चालों की नकल कर रहे हैं। लेकिन क्या होगा यदि एक पक्षी किसी बाज से डरकर गोता लगा देता है, जिससे अन्य भी गोता लगाने लगते हैं? यह कारण और प्रभाव (cause-and-effect) का संबंध है। वित्त (finance) की दुनिया में, पैसा इसी तरह के झुंडों की तरह चलता है। ब्याज दरें, क्रेडिट स्कोर और उधार लेने की लागत अक्सर एक साथ ऊपर और नीचे जाती हैं। लंबे समय तक, कंप्यूटर इन गतिविधियों की भविष्यवाणी करने के लिए केवल अतीत के पैटर्न को देखते थे, यह मानते हुए कि यदि दो चीजें एक साथ चलती हैं, तो वे आपस में जुड़ी हुई हैं। लेकिन यह ऐसा सोचने जैसा है कि मुर्गा सूर्योदय का कारण बनता है क्योंकि वह हर सुबह बांग देता है।
वैज्ञानिक इन वित्तीय "झुंडों" को मॉडल करने के लिए जिन विशिष्ट उपकरणों का उपयोग करते हैं, उन्हें CIR प्रक्रियाएं कहा जाता है (तीन शोधकर्ताओं: कॉक्स, इंगर्सोल और रॉस के नाम पर)। इन्हें एक गणितीय तरीके के रूप में सोचें जो उन चीजों का वर्णन करता है जो स्वाभाविक रूप से एक सामान्य औसत की ओर वापस लौटना चाहती हैं, जैसे कि खिंचने के बाद वापस लौटने वाला एक रबर बैंड। यह शोध पत्र मुख्य सवाल इस बात पर केंद्रित है कि: यदि हम सिस्टम के एक हिस्से को बदलने के लिए मजबूर करते हैं, तो क्या होता है? यदि हम कृत्रिम रूप से किसी कंपनी के क्रेडिट स्कोर को झटका देते हैं, तो अन्य कैसे प्रतिक्रिया देते हैं? पुराने मॉडल इसका उत्तर नहीं दे सकते क्योंकि वे केवल यह जानते हैं कि चीजें अतीत में कैसे एक साथ चली हैं, वे यह नहीं जानते कि यदि हम उनमें से एक को धकेल दें तो वे कैसे चलेंगी। यह शोध पत्र उन "क्या-होगा-अगर" वाले सवालों के जवाब देने का एक नया तरीका पेश करता है, बिना हर बार कंप्यूटर मॉडल को फिर से बनाए बिना।
समस्या: मुर्गा और सूर्य
वित्तीय दुनिया में, कई चीजें एक रबर बैंड की तरह व्यवहार करती हैं। यदि क्रेडिट स्प्रेड (एक कंपनी के लिए उधार लेने की लागत) बहुत अधिक हो जाता है, तो वह आमतौर पर एक सामान्य स्तर पर वापस आने के लिए संघर्ष करता है। यदि यह बहुत कम हो जाता है, तो यह वापस ऊपर की ओर बढ़ने की कोशिश करता है। इसे "मीन-रिवर्टिंग" (mean-reverting) कहा जाता है।
द दशकों से, वैज्ञानिक इन गतिविधियों की भविष्यवाणी करने के लिए CIR प्रक्रिया नामक एक मानक मॉडल का उपयोग करते आए हैं। यह इतिहास के आधार पर यह अनुमान लगाने में बहुत अच्छा काम करता है कि आगे क्या हो सकता है। लेकिन इसमें एक कमी है। यह देखता है कि दो चीजें एक साथ चलती हैं और मान लेता है कि वे जुड़ी हुई हैं। यह नहीं जानता कि क्यों।
कल्पना कीजिए कि एक बैंक का स्ट्रेस टेस्ट (तनाव परीक्षण) हो रहा है। एक नियामक पूछ सकता है, "क्या होगा यदि कंपनी A की क्रेडिट रेटिंग गिर जाए?" एक स्मार्ट मॉडल को कहना चाहिए, "कंपनी B घबरा सकती है और इसकी रेटिंग भी गिर सकती है, लेकिन कंपनी C का कंपनी A से कोई लेना-देना नहीं है, इसलिए उसे शांत रहना चाहिए।"
हालाँकि, पुराने मॉडल एक भ्रमित पर्यवेक्षक की तरह हैं जो देखते हैं कि अतीत में कंपनी A और कंपनी C एक साथ चल रही थीं। जब कंपनी A गिरती है, तो पुराना मॉडल घबरा जाता है और कहता है, "ओह नहीं, कंपनी C को भी गिरना ही होगा!" यह सहसंबंध (चीजों का एक ही समय पर होना) को कारणता (एक चीज़ का दूसरी चीज़ को होने पर मजबूर करना) के साथ भ्रमित कर देता है। इससे "फैंटम शॉक्स" (भ्रमित झटके) पैदा होते हैं, जहाँ मॉडल उन कंपनियों के लिए आपदा की भविष्यवाणी करता है जो वास्तव में सुरक्षित हैं, जिससे बैंक अनावश्यक बीमा पर पैसा बर्बाद करते हैं।
समाधान: एक टाइम-ट्रैवलिंग सिम्युलेटर
इस शोध पत्र के लेखकों, एंड्रियास सॉटर और उनकी टीम ने CIR-ACTIVA नामक एक नया उपकरण बनाया है। वे एक ऐसा सिस्टम बनाना चाहते थे जो बिना हर नए परिदृश्य के लिए पुन: प्रशिक्षित हुए, "क्या-होगा-अगर" वाले सवालों का तुरंत जवाब दे सके।
ऐसा करने के लिए, उन्हें एक पेचीदा समस्या को हल करना था: आप कंप्यूटर को कारण और प्रभाव के बारे में कैसे सिखा सकते हैं यदि आप वास्तव में वास्तविक दुनिया में जाकर किसी कंपनी के स्टॉक को क्रैश नहीं कर सकते ताकि देख सकें कि क्या होता है? आप वास्तविक बाजारों पर वह प्रयोग नहीं कर सकते।
इसलिए, उन्होंने एक आभासी दुनिया बनाई। उन्होंने एक "कॉज़ल सिम्युलेटर" (कारण बताने वाला सिम्युलेटर) बनाया जो नकली वित्तीय डेटा उत्पन्न करता है। इस नकली दुनिया में, उन्हें पता है कि कौन किसको प्रभावित करता है। वे कह सकते हैं, "ठीक है, इस सिमुलेशन में, कंपनी A कंपनी B को बदलने के लिए प्रेरित करती है, लेकिन कंपनी C पूरी तरह से स्वतंत्र है।" फिर वे सिमुलेशन में कंपनी A को गिरा देते हैं और देखते हैं कि क्या होता है। यह उन्हें "ग्राउंड ट्रुथ" (वास्तविक सत्य) देता है—"क्या-होगा-अगर" वाले सवाल का सही उत्तर।
उन्होंने अपने AI मॉडल, CIR-ACTIVA को लाखों ऐसे नकली परिदृश्यों पर प्रशिक्षित किया। मॉडल ने गतिविधियों के इतिहास और एक विशिष्ट "झटके" (जैसे "कंपनी A को गिरने के लिए मजबूर करें") को देखना सीखा, और फिर पूरे समूह के भविष्य की भविष्यवाणी की।
गुप्त मंत्र: एक पात्र के रूप में समय
भविष्य की भविष्यवाणी करने वाले अधिकांश AI मॉडल समय को संख्याओं की एक साधारण सूची के रूप में देखते हैं। CIR-ACTIVA कुछ अलग करता है: यह समय को कहानी के एक पात्र के रूप में देखता है।
कल्पना कीजिए कि आप एक पहाड़ी से लुढ़कती हुई गेंद के बारे में कहानी सुना रहे हैं। यदि आप केवल किसी को गेंद कहाँ थी इसकी सूची देते हैं, तो वे अनुमान लगा सकते हैं कि वह आगे कहाँ जाएगी। लेकिन यदि आप उन्हें बताते हैं, "गेंद 1:00 बजे शीर्ष पर थी, 1:05 बजे आधी दूरी पर थी, और 1:10 बजे नीचे थी," तो वे गति और संवेग को समझ जाते हैं।
CIR-ACTIVA डेटा को स्नैपशॉट्स के एक संग्रह के रूप में देखता है, जहाँ प्रत्येक स्नैपशॉट के साथ एक विशिष्ट टाइम स्टैम्प जुड़ा होता है। यह केवल यह नहीं सीखता कि "जब कंपनी B नीचे जाती है तो कंपनी A भी नीचे जाती है।" यह सीखता है कि "झटके के ठीक बाद कंपनी A तेजी से नीचे जाती है, लेकिन फिर धीरे-धीरे स्थिर हो जाती है।"
मॉडल एक विशेष तकनीक का भी उपयोग करता है जिसे अमोर्टाइज्ड इन्फरेंस (amortized inference) कहा जाता है। आमतौर पर, यदि आप किसी नए परिदृश्य में क्या होगा यह जानना चाहते हैं, तो आपको कंप्यूटर को शुरू से सिखाना पड़ता है। इसमें बहुत समय लगता है। CIR-ACTIVA एक ऐसे छात्र की तरह है जिसने भौतिकी के इतने अलग-अलग प्रकार के प्रश्नों का अध्ययन किया है कि जब आप उसे एक नया प्रश्न देते हैं, तो वह बिना कोई पाठ्यपुस्तक खोले उसे तुरंत हल कर सकता है। उन्होंने सभी प्रशिक्षण परिदृश्यों में अपनी सीख को "अमोर्टाइज" (फैलाया) कर दिया है।
परिणाम: असली पीड़ितों की पहचान करना
टीम ने CIR-ACTIVA का परीक्षण अन्य मॉडलों के विरुद्ध किया, जिनमें कुछ बहुत ही स्मार्ट मॉडल भी शामिल थे जिन्होंने समय या कारणता को नहीं समझा था। उन्होंने अपने आभासी दुनिया का उपयोग यह देखने के लिए किया कि किसने "क्या-होगा-अगर" के उत्तर सही दिए।
परिणाम स्पष्ट थे। जब उन्होंने सिमुलेशन में एक कंपनी को झटका दिया:
- पुराने मॉडल (और "GMR" बेसलाइन): वे घबरा गए। उन्होंने भविष्यवाणी की कि सभी गिर जाएंगे, यहाँ तक कि उन कंपनियों के लिए भी जिनका पीड़ित से कोई संबंध नहीं था। वे एक दोस्त और एक अजनबी के बीच अंतर नहीं कर सके।
- CIR-ACTIVA: यह शांत रहा। इसने सही ढंग से भविष्यवाणी की कि पीड़ित गिरेगा, उसके प्रत्यक्ष मित्र दर्द महसूस करेंगे, लेकिन अजनबी सुरक्षित रहेंगे। इसने कॉज़ल सेलेक्टिविटी (कारण संबंधी चयनात्मकता) दिखाई, जिसका अर्थ है कि इसने केवल सही लोगों को दोषी ठहराया।
मॉडल यह भविष्यवाणी करने में भी बहुत बेहतर था कि चीजें कब होंगी। वह जानता था कि झटका तुरंत लगेगा लेकिन समय के साथ कम हो जाएगा। अन्य मॉडल अक्सर अपनी भविष्यवाणियों में बहुत धीमे या बहुत तेज़ थे।
यह क्यों महत्वपूर्ण है
यह केवल गणित का खेल नहीं है। वास्तविक दुनिया में, यदि एक बैंक को लगता है कि एक सुरक्षित कंपनी खतरे में है क्योंकि के कारण "फैंटम शॉक" आया है, तो वे अपने स्टॉक को बेच सकते हैं या महंगा बीमा खरीद सकते हैं जिसकी उन्हें आवश्यकता नहीं है। इससे वास्तविक पैसा खर्च होता है।
लेखकों ने दिखाया कि उनका मॉडल उनके सिम्युलेटेड विश्व में अविश्वसनीय रूप से अच्छा काम करता है। उन्होंने यह भी जांचा कि क्या उनकी नकली दुनिया वास्तविक दुनिया की तरह दिखती है, और हालांकि यह पूर्ण नहीं था (वास्तविक बाजारों में उनके सिमुलेशन की तुलना में अधिक तीव्र उछाल होते हैं), मॉडल की कारण और प्रभाव को अलग करने की क्षमता बनी रही।
शोध पत्र निष्कर्ष निकालता है कि अवलोकन संबंधी सटीकता (observational accuracy) कारण संबंधी शुद्धता (causal correctness) के समान नहीं है। केवल इसलिए कि एक मॉडल अतीत का अच्छी तरह से अनुमान लगा सकता है, इसका मतलब यह नहीं है कि वह झटके को संभाल सकता है। CIR-ACTIVA उन तनाव परीक्षणों (stress tests) को चलाने का एक तरीका प्रदान करता है जो वास्तव में बताते हैं कि यदि आप एक बटन दबाते हैं तो क्या होगा, न कि केवल यह अनुमान लगाते हैं कि पहले क्या हुआ था। यह उन वित्तीय मॉडलों की ओर एक कदम है जो न केवल यह समझते हैं कि क्या हो रहा है, बल्कि यह भी कि क्यों हो रहा 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।