Can Capital Market Information Predict Corporate Risk Before Financial Deterioration? Evidence from Sci-Tech Firms

वित्त की दुनिया में, कंपनियों का मूल्यांकन अक्सर उनके पिछले प्रदर्शन के आधार पर किया जाता है, ठीक वैसे ही जैसे किसी छात्र को उसके पिछले रिपोर्ट कार्ड के आधार पर ग्रेड दिया जाता है। दशकों से, ऋणदाता और निवेशक मानक वित्तीय आंकड़ों—एक कंपनी पर कितना कर्ज है, उसने कितना लाभ कमाया, और वह ग्राहकों से कितनी तेज़ी से पैसा वसूलती है—पर निर्भर रहे हैं ताकि यह तय किया जा सके कि किसी व्यवसाय को वित्तपोषित करना सुरक्षित है या नहीं। हालाँकि, तकनीक और विज्ञान फर्मों के मामले में इस दृष्टिकोण में एक बड़ी खामी है। ये कंपनियाँ अक्सर बहुत कम भौतिक संपत्तियों के साथ काम करती हैं, अनुसंधान (रिसर्च) पर भारी खर्च करती हैं जिसका परिणाम वर्षों बाद मिल सकता है, और अनिश्चित भविष्य के नकदी प्रवाह (कैश फ्लो) का सामना करती हैं। जब तक उनके पारंपरिक वित्तीय आंकड़े खराब दिखने लगते हैं, तब तक संकट को रोकने के लिए अक्सर बहुत देर हो चुकी होती है। शोधकर्ता लंबे समय से यह सवाल पूछते आए हैं कि क्या शेयर बाजार स्वयं, अपनी कीमतों में निरंतर बदलाव और ट्रेडिंग गतिविधि के साथ, एक प्रारंभिक चेतावनी प्रणाली के रूप में कार्य कर सकता है, जो आधिकारिक वित्तीय रिपोर्टों में समस्या दिखने से पहले ही मुसीबत को पहचान ले।

शोधकर्ताओं की एक टीम ने इस प्रश्न का उत्तर देने के लिए चीन के 'साइंस एंड टेक्नोलॉजी इनोवेशन बोर्ड' (जिसे अक्सर स्टार मार्केट कहा जाता है) में सूचीबद्ध उच्च-तकनीकी कंपनियों के एक विशिष्ट समूह पर नज़र रखते हुए काम किया। उन्होंने 2019 से 2024 तक की पांच साल की अवधि में इन 454 फर्मों का डेटा एकत्र किया। केवल अंतिम आंकड़ों को देखने के बजाय, उन्होंने एक परिष्कृत भविष्यवाणी प्रणाली बनाई जिसने पारंपरिक वित्तीय डेटा को बाजार के संकेतों की एक विस्तृत श्रृंखला के साथ जोड़ा। इसमें यह शामिल था कि स्टॉक की कीमत कितनी ऊपर-नीचे हुई, उस हलचल के विशिष्ट पैटर्न क्या थे, एक कंपनी अपने उद्योग की अन्य कंपनियों से कितनी जुड़ी हुई थी, और सबसे महत्वपूर्ण रूप से, कंपनियाँ अपने अनुसंधान और विकास (R&D) के बारे में जानकारी कितनी निरंतरता के साथ साझा करती थीं। उन्होंने एक शक्तिशाली कंप्यूटर एल्गोरिदम, जो मशीन लर्निंग का एक प्रकार है और डेटा में जटिल, गैर-रेखीय पैटर्न खोज सकता है, का उपयोग यह देखने के लिए किया कि क्या ये बाजार संकेत यह भविष्यवाणी कर सकते हैं कि कौन सी कंपनियाँ अगली तिमाही में वित्तीय संकट, नियामक समस्या या ऑडिट संबंधी मुद्दों का सामना करेंगी।

अध्ययन ने एक विशिष्ट विचार का परीक्षण करके शुरुआत की: कि स्टॉक की कीमत समय के साथ जिस तरह से चलती है, उसमें केवल इसके पिछले उतार-चढ़ाव (वोलेटिलिटी) से अधिक जानकारी निहित होती है। शोधकर्ताओं ने पाया कि 'कंडीशनल वोलेटिलिटी' नामक एक माप, जो यह पकड़ता है कि बाजार की जोखिम की अपेक्षा दिन-प्रतिदिन कैसे बदलती है, उनकी समस्या की भविष्यवाणी करने की क्षमता में उल्लेखनीय वृद्धि करता है। जब उन्होंने इस गतिशील बाजार माप को अपने मॉडल में जोड़ा, तो जोखिम भरी फर्मों की सही पहचान करने की उनकी क्षमता में स्पष्ट सुधार हुआ। हालाँकि, उन्होंने यह भी खोजा कि स्टॉक मार्केट की अस्थिरता और कंपनी के जोखिम के बीच का संबंध एक सरल सीधी रेखा नहीं है। यह सच नहीं है कि स्टॉक की कीमत जितनी अधिक झटके खाएगी, कंपनी उतनी ही खतरनाक होगी। इसके बजाय, डेटा ने एक विशिष्ट पैटर्न दिखाया जहाँ वित्तीय संकट का जोखिम मध्यम-से-उच्च रेंज की अस्थिरता के दौरान सबसे अधिक था। जब अस्थिरता अत्यधिक उच्च हो गई, तो तत्काल वित्तीय पतन का जोखिम वास्तव में थोड़ा कम हो गया, जो यह सुझाव देता है कि अत्यधिक बाजार घबराहट अल्पकालिक झटकों से प्रेरित हो सकती है न कि कंपनी के स्वास्थ्य के धीरे-धीरे होने वाले क्षरण से।

शेयर बाजार की गतिविधियों के अलावा, शोधकर्ताओं ने इस बात की भी जांच की कि कंपनियाँ वास्तव में क्या कर रही थीं और वे इसके बारे में कैसे बात कर रही थीं। उन्होंने पाया कि सूचना प्रकटीकरण (डिस्क्लोजर) के संबंध में कंपनियों का अपना व्यवहार जोखिम का सबसे शक्तिशाली भविष्यवक्ता था। विशेष रूप से, अनुसंधान और विकास पर एक कंपनी की रिपोर्टिंग में अंतराल एक बड़ा रेड फ्लैग (चेतावनी का संकेत) था। जब किसी कंपनी ने अपने अनुसंधान प्रोजेक्ट्स पर अपडेट साझा करना बंद कर दिया या सूचना की कमी के लगातार दौर देखे गए, तो इसने भविष्य की समस्याओं की उच्च संभावना का संकेत दिया। यह फर्मों के साथ कंपनी के नेटवर्क कनेक्शन से कहीं अधिक मजबूत संकेत था, जो आश्चर्यजनक रूप से बहुत अधिक मूल्य नहीं जोड़ सका क्योंकि कंपनी के अपने बाजार व्यवहार को पहले ही ध्यान में रखा जा चुका था। अध्ययन ने यह भी रेखांकित किया कि जबकि अनुसंधान में उच्च निवेश को आम तौर पर सकारात्मक माना जाता है, लेकिन निवेश की निरंतरता और कंपनी के नकदी प्रवाह की गुणवत्ता, नवाचार पर खर्च की गई कुल राशि की तुलना में सुरक्षा के कहीं अधिक महत्वपूर्ण संकेतक थे।

अंतिम मॉडल, जिसने इस प्रकार की सभी विभिन्न जानकारियों को संयोजित किया, कंपनियों को जोखिम श्रेणियों में वर्गीकृत करने में अत्यधिक प्रभावी साबित हुआ। जब शोधकर्ताओं ने इस प्रणाली का परीक्षण उस डेटा पर किया जिसे उसने पहले कभी नहीं देखा था, तो इसने उच्च सटीकता के साथ उन कंपनियों की पहचान की जो मुसीबत का सामना करने वाली थीं। यह प्रणाली उन कंपनियों को पकड़ने में विशेष रूप से कुशल थी जिनके विफल होने की सबसे अधिक संभावना थी, जिससे यह सुनिश्चित हुआ कि बहुत कम उच्च-जोखिम वाली फर्में पकड़ में न आ सकें। यह सुझाव देता है कि तकनीकी कंपनियों के लिए, वित्तीय संकट का मार्ग बैलेंस शीट में तब तक दिखाई नहीं देता जब तक कि बहुत देर न हो जाए। इसके बजाय, चेतावनी के संकेत अक्सर इस बात में छिपे होते हैं कि बाजार कंपनी के प्रति कैसी प्रतिक्रिया देता है और कंपनी अपनी कहानी कितनी निरंतरता के साथ साझा करती है।

इन निष्कर्षों के निहितार्थ उन लोगों के लिए स्पष्ट हैं जो तकनीकी फर्मों को ऋण देने या उनमें निवेश करने में लगे हुए हैं। केवल पारंपरिक वित्तीय रिपोर्टों पर निर्भर रहना अपर्याप्त है। एक बेहतर दृष्टिकोण में बाजार की धड़कन पर नज़र रखना और कंपनी के खुलासे की निरंतरता पर बारीकी से ध्यान देना शामिल है। यदि कोई उच्च-तकनीकी फर्म अचानक अपने अनुसंधान के बारे में बात करना बंद कर देती है या यदि उसके स्टॉक की कीमत अस्थिर आंदोलन का एक विशिष्ट पैटर्न दिखाने लगती है, तो ये संभावित रूप से आने वाली मुश्किलों के शुरुआती संकेत हैं जो कंपनी के मुनाफे के नकारात्मक होने से बहुत पहले दिखाई देते हैं। इन बाजार संकेतों और प्रकटीकरण पैटर्न को अपने जोखिम मूल्यांकन में एकीकृत करके, ऋणदाता और निवेशक एक प्रतिक्रियात्मक (रिएक्टिव) स्थिति से—जहाँ वे वित्तीय आंकड़ों के बिगड़ने का इंतजार करते हैं—एक सक्रिय (प्रोएक्टिव) स्थिति में जा सकते हैं, जो संकट से पहले होने वाले सूक्ष्म बदलावों को पहचान सके। अध्ययन पुष्टि करता है कि बाजार वास्तव में खोज के लिए एक शक्तिशाली उपकरण है, लेकिन केवल तभी जब हम इसकी जटिल, गैर-रेखीय भाषा को पढ़ना जानते हों।