Historical Coefficient Fields: A Controlled Evaluation of Geometric Market-Memory Representations for Financial Forecasting
यह शोध पत्र ऐतिहासिक गुणांक क्षेत्र (HCF), जो बाजार के इतिहास का एक ज्यामितीय निरूपण है, का एक नियंत्रित मूल्यांकन प्रस्तुत करता है और यह निष्कर्ष निकालता है कि विलंब-निर्देशांक पुनर्निर्माण (delay-coordinate reconstruction) और टोपोलॉजिकल विश्लेषण में अपनी सैद्धांतिक नींव के बावजूद, यह विविध वित्तीय उपकरणों पर सरल बेसलाइन की तुलना में दिशात्मक पूर्वानुमान सटीकता में सुधार करने में विफल रहता है, जिससे यह सिद्ध होता है कि इस प्रकार का ज्यामितीय संगठन मौजूदा सरल सांख्यिकी से परे कोई भविष्य कहनेवाला संकेत (predictive signal) नहीं रखता है।
मूल पेपर CC BY 4.0 (https://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 की भविष्यवाणी करने की कोशिश कर रहे हैं। सदियों से, मौसम विज्ञानी कैलेंडर देखते आए हैं, यह जाँचते हुए कि क्या आज मंगलवार है या पिछले तीन दिनों से लगातार बारिश हो रही है। अधिकांश लोग भविष्य का अनुमान लगाने के लिए इसी तरह प्रयास करते हैं: वे समय की एक सीधी रेखा में देखते हैं कि ठीक पहले क्या हुआ था। लेकिन क्या होगा अगर मौसम को कैलेंडर की परवाह न हो? क्या होगा अगर जुलाई के एक मंगलवार को आने वाला तूफान अक्टूबर के एक शुक्रवार के तूफान जैसा ही दिखे, भले ही वे महीनों की दूरी पर हों? वित्तीय बाजारों का अध्ययन करने वाले वैज्ञानिक—वे स्थान जहाँ लोग स्टॉक, सोना और डिजिटल मुद्राओं जैसी चीजों को खरीदते और बेचते हैं—ने एक समान प्रश्न पूछना शुरू कर दिया है। केवल कल की कीमत को देखने के बजाय, उन्होंने सोचा: क्या हम इतिहास को "तारीख" के बजाय "आकार" (shape) के आधार पर व्यवस्थित कर सकते हैं? यदि दो दिन ज्यामितीय रूप से एक जैसे दिखते हैं, भले ही वे समय में बहुत दूर हों, तो शायद वे कल भी एक जैसा व्यवहार करेंगे। इस विचार को "ज्यामितीय बाजार स्मृति" (geometric market memory) कहा जाता है, और यह भविष्य की भविष्यवाणी करने के लिए एक सुपरपावर जैसा लगता है।
यह शोध पत्र, जिसे साइद अल कोटबी और रजा फिलाली द्वारा लिखा गया है, इस सुपरपावर का परीक्षण करने का निर्णय लेता है। उन्होंने वित्तीय इतिहास को देखने का एक नया तरीका बनाया जिसे "हिस्टोरिकल कोएफिशिएंट फील्ड" (Historical Coefficient Coefficient Field) कहा जाता है। कल्पना कीजिए कि किसी स्टॉक की पिछले कुछ महीनों की दैनिक मूल्य गतिविधियों को अंतरिक्ष में बिंदुओं के एक बादल (cloud of points) में बदल दिया जाए। उन्हें एक पंक्ति में मोतियों की माला की तरह लगाने के बजाय, उन्होंने उन्हें इस आधार पर बिखेर दिया कि वे दिखने में कितने समान हैं। फिर, उन्होंने इसमें कुछ "डिस्क्रिप्टर्स" (descriptors) जोड़े—जैसे कि बादल कितना घना है, बिंदु कितने फैले हुए हैं, या आकार कितना स्थिर है। उन्होंने इस शानदार, ज्यामितीय बादल को कंप्यूटर प्रोग्रामों (जैसे लॉजिस्टिक रिग्रेशन और रैंडम फॉरेस्ट) में डाला ताकि यह देखा जा सके कि क्या यह भविष्यवाणी कर सकता है कि कल एक स्टॉक ऊपर जाएगा या नीचे।
परिणाम? ज्यामितीय बादल मौन रहा।
इस चतुर सेटअप के बावजूद, नया तरीका सबसे सरल संभावित अनुमान से बेहतर काम नहीं कर सका। वास्तव में, यह थोड़ा खराब था। जब लेखकों ने चार बहुत अलग वित्तीय साधनों—सोना, S&P 500 इंडेक्स, यूरो/डॉलर विनिमय दर और बिटकॉइन—पर इस विचार का परीक्षण किया, तो नया "ज्यामितीय" दृष्टिकोण "मेजॉरिटी-क्लास बेस रेट" (majority-class base rate) को हराने में विफल रहा। यह कहने का एक फैंसी तरीका है कि: यदि आप केवल इसलिए "ऊपर" का अनुमान लगाते क्योंकि स्टॉक अक्सर नीचे जाने के बजाय ऊपर जाते हैं, तो आप उस जटिल ज्यामितीय मॉडल के समान ही अच्छा प्रदर्शन करते। नए ज्यामितीय डेटा का उपयोग करने वाले कंप्यूटर मॉडल ने लगभग 51% से 52% सटीकता प्राप्त की, जो कि मूल रूप से सिक्का उछालने (सिक्का उछालने जैसा) के बराबर है।
लेखक यह सुनिश्चित करने के लिए बहुत सावधान थे कि यह कोई गलती नहीं है। उन्होंने अलग-अलग समय खिड़कियों (6 महीने, 1 वर्ष, या 2 वर्ष पीछे देखना) और विभिन्न कंप्यूटर लर्नर्स के साथ इस विचार का परीक्षण किया, और परिणाम हर बार एक ही रहा। उन्होंने इस पद्धति को एक अलग लक्ष्य पर भी आजमाया: यह भविष्यवाणी करना कि बाजार कब "उछल-कूद" (volatility) करेगा। वहां भी, जहां संकेत खोजना आसान होता है, ज्यामितीय पद्धति को सरल, पुराने जमाने के गणित से हरा दिया गया जो केवल हाल के औसत को देखता है।
तो, इसका क्या अर्थ है? शोध पत्र निष्कर्ष निकालता है कि वित्तीय इतिहास को केवल एक ज्यामितीय आकार में पुनर्गठित करने से जादुई रूप से वे छिपे हुए पैटर्न प्रकट नहीं होते जो सरल तरीके नहीं देख पाते। यह सुझाव देता है कि दैनिक मूल्य दिशाओं की भविष्यवाणी करने के लिए, अतीत का "आकार" उस अतिरिक्त गुप्त जानकारी को नहीं रखता है जो हमारे पास पहले से ही मौजूद है। लेखक इसे एक मूल्यवान नकारात्मक परिणाम के रूप में प्रस्तुत करते: यह हमें जटिल सिद्धांतों को ऐसे आधार पर बनाने से रोकता है जो वास्तव में खाली साबित हुआ है। हालांकि ज्यामितीय विचार रचनात्मक और गणितीय रूप से सुंदर है, वास्तविक दुनिया के व्यापार में, इसने उन्हें बहुमत के रुझान पर एक साधारण नज़र लगाने की तुलना में भविष्य को अधिक स्पष्ट रूप से देखने में मदद नहीं की।
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।