The Illusion of Accuracy: Machine-Learning and GARCH Forecasts of UK Equity Index Prices
यह अध्ययन पाता है कि जबकि उन्नत मशीन लर्निंग और GARCH मॉडल यूके इक्विटी इंडेक्स की कीमतों की सटीक भविष्यवाणी करते हैं, वे रिटर्न के पूर्वानुमान में सरल बेंचमार्क से बेहतर प्रदर्शन करने में विफल रहते हैं, जो यह सुझाव देता है कि उनका वास्तविक मूल्य रिटर्न के पूर्वानुमान के बजाय जोखिम माप में निहित 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
वित्त की दुनिया में, एक निरंतर आशा बनी रहती है कि एक चतुर एल्गोरिदम अतीत को देखकर भविष्य देख सकता है। यह आशा इस विचार पर टिकी है कि शेयर की कीमतें, हालांकि देखने में अराजक लगती हैं, शायद ऐसे पैटर्न छिपाए हुए हैं जिन्हें एक कंप्यूटर सीखकर उनका लाभ उठा सकता है। यहाँ मुख्य अवधारणा "रैंडम वॉक" (random walk) है, जो एक सरल बेंचमार्क है जो यह सुझाव देता है कि कल की कीमत के लिए सबसे अच्छा अनुमान आज की कीमत ही है, क्योंकि सारी ज्ञात जानकारी पहले से ही वर्तमान संख्या में समाहित है। यदि एक परिष्कृत कंप्यूटर मॉडल इस सरल अनुमान से बेहतर ढंग से कीमत में बदलाव का लगातार पूर्वानुमान नहीं लगा सकता, तो बाजार कुशल व्यवहार कर रहा है, और भविष्यवाणी से आसान मुनाफे का वादा एक भ्रम है। यह प्रश्न उन सभी के लिए गहरा महत्व रखता है जिनके पास बचत या पेंशन है, क्योंकि यदि आर्टिफिशियल इंटेलिजेंस वास्तव में बाजार का पूर्वानुमान लगाने में सक्षम है, तो यह धन के प्रबंधन के तरीके को बदल सकता है; यदि यह नहीं कर पाता है, तो इन उपकरणों पर भरोसा करना निवेशकों को गलत रास्ते पर ले जा सकता है।
एक हालिया अध्ययन ने इस वादे का सीधे परीक्षण करने का प्रयास किया, जिसमें यूनाइटेड किंगडम के दो प्रमुख शेयर बाजार सूचकांकों (indices) पर ध्यान केंद्रित किया गया। शोधकर्ताओं ने जनवरी 2015 से अक्टूबर 2026 तक के साप्ताहिक डेटा को एकत्र किया, जिसमें ब्याज दर के झटकों और टैरिफ संबंधी बिकवाली जैसे महत्वपूर्ण आर्थिक उथल-पुथल का दौर भी शामिल था। उन्होंने आठ अलग-अलग पूर्वानुमान विधियों को एक-दूसरे के विरुद्ध खड़ा किया। एक तरफ सरल बेंचमार्क थे: एक मॉडल जो पिछले सप्ताह की कीमत को दोहराता है, और दूसरा जो पिछले सभी सप्ताहों के औसत रिटर्न का उपयोग करता है। दूसरी ओर आधुनिक वित्त के दिग्गज थे: अस्थिरता (volatility) को ट्रैक करने के लिए डिज़ाइन किए गए पारंपरिक सांख्यिकीय मॉडल, और तीन अलग-अलग प्रकार के आर्टिफिशियल इंटेलिजेंस, जिसमें एक 'रैंडम फॉरेस्ट' शामिल है, जो पैटर्न खोजने के लिए कई निर्णय वृक्ष (decision trees) बनाता है, और एक 'न्यूरल नेटवर्क', जो इस तरह नकल करता है जैसे एक मस्तिष्क सूचनाओं को संसाधित करता है। लक्ष्य केवल यह देखना नहीं था कि कौन सा मॉडल चार्ट पर सबसे अच्छा दिखता है, बल्कि यह निर्धारित करना था कि क्या उनमें से कोई भी संयोग से बेहतर ढंग से बाजार की दिशा का अनुमान लगा सकता है, और क्या वे ट्रेडिंग शुल्क चुकाने के बाद वास्तविक पैसा बना सकते हैं।
परिणामों ने इस बात के बीच एक चौंकाने वाला अंतर दिखाया कि मॉडल कितने सटीक दिखते थे और वे वास्तव में कितने उपयोगी थे। जब शोधकर्ताओं ने अनुमानित मूल्य स्तरों की वास्तविक मूल्यों से तुलना की, तो प्रत्येक मॉडल अत्यधिक सटीक दिखाई दिया। औसत त्रुटि बहुत कम थी, जो 1.3 से 1.6 प्रतिशत के बीच थी। एक ग्राफ पर, अनुमानित रेखाएं वास्तविक रेखाओं के ऊपर लगभग पूरी तरह से बैठी हुई थीं, जिससे महारत का दृश्य प्रभाव पैदा होता था। हालांकि, यह सटीकता शेयर की कीमतों की प्रकृति द्वारा निर्मित एक भ्रम था, क्योंकि कीमतें पिछले सप्ताह की तुलना में अपने स्थान के करीब रहने की प्रवृत्ति रखती हैं। चूंकि कीमतें इतनी स्थिर थीं, इसलिए सबसे सरल मॉडल, जिसने यह मान लिया कि कुछ भी नहीं बदलेगा, ने जटिल आर्टिफिशियल इंटेलिजेंस प्रणालियों के समान ही उच्च स्तर की सटीकता प्राप्त की। जब शोधकर्ताओं ने मूल्य स्तर को हटा दिया और सख्ती से मूल्य में साप्ताहिक बदलावों को देखा, तो तस्वीर पूरी तरह बदल गई। आठों मॉडलों में से कोई भी, उन्नत मशीन लर्निंग सिस्टम सहित, सांख्यिकीय रूप से सार्थक तरीके से साधारण 'रैंडम वॉक' को मात नहीं दे सका। वास्तव में, बड़े सूचकांक के लिए, रैंडम फॉरेस्ट और एक मानक प्रेडिक्टिव रिग्रेशन ने केवल बाजार के स्थिर रहने का अनुमान लगाने की तुलना में काफी खराब प्रदर्शन किया।
अध्ययन ने यह भी जांचा कि क्या ये मॉडल किसी निवेशक को अधिक पैसा कमाने में मदद कर सकते हैं। शोधकर्ताओं ने एक ट्रेडिंग रणनीति का अनुकरण किया जहां एक निवेशक सूचकांक को तब खरीदता है जब मॉडल वृद्धि की भविष्यवाणी करता है और नकदी रखता है जब वह गिरावट की भविष्यवाणी करता है, जिसमें हर ट्रेड की लागत का भी हिसाब रखा गया। बड़े सूचकांक के बढ़ते बाजार में, "बाय एंड होल्ड" (खरीदें और रखें) रणनीति, जिसमें कुछ न करना और केवल निवेश को बनाए रखना शामिल है, लागत कटने के बाद प्रत्येक पूर्वानुमान-आधारित रणनीति से बेहतर रही। सबसे परिष्कृत मशीन लर्निंग मॉडल ने केवल स्टॉक को होल्ड करने की तुलना में वास्तव में नुकसान उठाया। छोटे सूचकांक के लिए, कुछ मॉडलों ने खरीदने और रखने की तुलना में थोड़ा बेहतर प्रदर्शन किया, लेकिन यह मुख्य रूप से इसलिए था क्योंकि वे भारी गिरावट के दौरान बाजार से बाहर रहने में सफल रहे, जो कि कौशल के बजाय जोखिम न्यूनीकरण का एक रूप है। शोधकर्ताओं ने निष्कर्ष निकाला कि मूल्य स्तरों की भविष्यवाणी करने में इन मॉडलों की स्पष्ट सफलता भ्रामक थी; वे भविष्य की भविष्यवाणी नहीं कर रहे थे, वे केवल अतीत को ट्रैक कर रहे थे।
जबकि मॉडल यह भविष्यवाणी करने में विफल रहे कि बाजार कहां जा रहा है, वे इस बात की भविष्यवाणी करने में उल्लेखनीय रूप से सफल रहे कि इसमें कितना उतार-चढ़ाव हो सकता है। अध्ययन में पाया गया कि एक विशिष्ट प्रकार का सांख्यिकीय मॉडल, जिसे 'एसिमेट्रिक गार्च' (asymmetric GARCH) मॉडल कहा जाता है, दिशा के बजाय अस्थिरता (यानी, मूल्य के उतार-चढ़ाव का आकार) के पूर्वानुमान में कहीं अधिक श्रेष्ठ था। इस मॉडल ने सही ढंग से अनुमान लगाया कि बुरी खबरें अच्छी खबरों की तुलना में बाजार में बड़े झटके पैदा करेंगी, जिसे 'लीवरेज प्रभाव' (leverage effect) के रूप में जाना जाता है। इसने जोखिम के सबसे सटीक अनुमान प्रदान किए और विश्वसनीय "वैल्यू-एट-रिस्क" (Value-at-Risk) संख्याएं दीं, जो निवेशकों को बताती हैं कि एक बुरे सप्ताह में वे संभावित रूप से कितना नुकसान उठा सकते हैं। यह अंतर महत्वपूर्ण है: उपकरण बाजार के खतरे को मापने में उत्कृष्ट थे लेकिन उसके गंतव्य की भविष्यवाणी करने में बेकार थे।
लेखकों का तर्क है कि यह निष्कर्ष वित्तीय रिपोर्टिंग के एक सामान्य जाल को उजागर करता है। कई अध्ययन और वाणिज्यिक उपकरण ऐसे चार्ट प्रस्तुत करते हैं जहाँ अनुमानित कीमतें वास्तविक कीमतों से निकटता से मेल खाती हैं, जो उनकी शक्ति के प्रमाण के रूप में दिखाए जाते हैं। यह शोध पत्र प्रदर्शित करता है कि ऐसे चार्ट भ्रामक हैं क्योंकि वे इस तथ्य को ध्यान में नहीं रखते हैं कि कीमतें स्वाभाविक रूप से एक साथ जुड़ी रहती हैं। किसी पूर्वानुमान उपकरण का वास्तविक परीक्षण यह है कि क्या वह एक साधारण अनुमान से बेहतर मूल्य परिवर्तन की भविष्यवाणी कर सकता है, और इस कठोर परीक्षण में, आर्टिफिशियल इंटेलिजेंस मॉडल विफल रहे। इन मात्रात्मक उपकरणों का मूल्य इस बात में नहीं है कि वे निवेशकों को बाजार को हराने के लिए कब खरीदें या बेचें, बल्कि उन्हें उनके निवेश के जोखिम को समझने और प्रबंधित करने में मदद करने में है। जिज्ञासु निवेशक के लिए सबक स्पष्ट है: बाजार के पीछे चलने वाली रेखा खींचने की क्षमता, बाजार के अगले कदम को देखने की क्षमता के समान नहीं 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।