Integrating Transformer-Derived Sentiment Signals with Technical Indicators for Emerging Market Direction Prediction: A NIFTY 50 Study
यह अध्ययन एक हाइब्रिड फ्रेमवर्क का प्रस्ताव करता है जो एक फाइन-ट्यून्ड DeBERTa-v3 मॉडल, जो वित्तीय समाचारों में तटस्थ भावना (neutral sentiment) को प्रभावी ढंग से कैप्चर करता है, को तकनीकी संकेतकों के साथ एकीकृत करता है ताकि केवल मूल्य-आधारित बेसलाइन की तुलना में NIFTY 50 इंडेक्स की दिशात्मक भविष्यवाणी की सटीकता में महत्वपूर्ण सुधार किया जा सके।
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
मौसम का अनुमान लगाने की कोशिश कीजिए। आप एक बैरोमीटर और एक थर्मामीटर देख सकते हैं (कठोर आंकड़े), या आप शहर के चौक में लोग क्या कह रहे हैं उस पर ध्यान दे सकते हैं (भावनाएं)। लंबे समय तक, शेयर बाजार का अध्ययन करने वाले वैज्ञानिक केवल बैरोमीटर पर भरोसा करते थे। उनका मानना था कि यदि आप किसी स्टॉक की कीमत को ऊपर-नीचे होते देखते हैं, तो आप भविष्यवाणी कर सकते हैं कि यह आगे कहाँ जाएगा, ठीक वैसे ही जैसे एक पहाड़ी से लुढ़कती हुई गेंद। इस विचार को, जिसे 'एफिशिएंट मार्केट थ्योरी' कहा जाता है, यह सुझाव है कि सारी खबरें पहले से ही कीमत में शामिल होती हैं। लेकिन अन्य शोधकर्ताओं ने सोचा: क्या "शहर का चौक" मायने रखता है? क्या भीड़ का मिजाज—डर, उत्साह या ऊब—वास्तव में कीमत को इधर-उधर धकेलता है, खासकर भारत जैसे स्थानों में जहाँ बाजार अभी विकसित हो रहा है? यह शोध पत्र उन दो दुनियाओं के मिलन बिंदु पर स्थित है: स्टॉक चार्टों का ठंडा, कठोर गणित और मानवीय भाषा की अव्यवस्थित, भावनात्मक दुनिया। यह एक सरल प्रश्न पूछता है: यदि हम एक सुपर-स्मार्ट कंप्यूटर को समाचार पढ़ने और न केवल यह समझने के लिए सिखाएं कि लोग खुश हैं या दुखी, बल्कि यह भी कि वे 'तटस्थ' (न्यूट्रल) हैं या नहीं, तो क्या हम केवल नंबरों को देखने के मुकाबले शेयर बाजार की बेहतर भविष्यवाणी कर सकते हैं?
इस अध्ययन के पीछे के शोधकर्ताओं ने इस प्रश्न का उत्तर देने के लिए एक दो-भाग वाली मशीन बनाने का निर्णय लिया, जिसका केंद्र NIFTY 50 है, जो भारत की सबसे बड़ी कंपनियों की "टॉप 50" सूची की तरह है। सबसे पहले, उन्हें एक कंप्यूटर को वित्तीय समाचारों की सुर्खियां पढ़ना सिखाना था। उन्होंने DeBERTa नामक एक शक्तिशाली AI मॉडल का उपयोग किया, जो एक बहुत ही उन्नत पाठक की तरह है जो संदर्भ (कॉन्टेक्स्ट) को समझता है। लेकिन उन्होंने इसे केवल पढ़ने ही नहीं दिया; उन्होंने इसे एक विशेष टूलकिट भी दी। उन्होंने इसे विशिष्ट वित्तीय शब्दों (जैसे "लाभ" या "क्रैश") पर ध्यान देने और भाषा के पेचीदा हिस्सों, जैसे कि कैपिटलाइजेशन (बड़े अक्षरों के प्रयोग) को संभालने के लिए प्रशिक्षित किया। सबसे महत्वपूर्ण बात यह है कि उन्होंने इसे तीन प्रकार के मिजाज पहचानने के लिए प्रशिक्षित किया: खुश (सकारात्मक), दुखी (नकारात्मक), और... "औसत" (तटस्थ)। यह एक बड़ी बात है क्योंकि अधिकांश पिछले कंप्यूटर केवल खुश या दुखी देखते थे, "औसत" सुर्खियों को अनदेखा कर देते थे जो वास्तव में समाचारों का एक बड़ा हिस्सा बनाती हैं।
कंप्यूटर को पढ़ना सिखाने के बाद, उन्होंने इसे 2017 और 2021 के बीच भारतीय और अंतर्राष्ट्रीय स्रोतों से प्राप्त 198,730 समाचार सुर्खियों के एक विशाल ढेर पर आज़माया। कंप्यूटर ने अपना काम किया और कुछ आश्चर्यजनक पाया: सभी सुर्खियों में से लगभग 40.86% "तटस्थ" थीं। यह लगभग आधी खबरें हैं! यह पता चलता है कि बहुत सारी वित्तीय रिपोर्टिंग बिना कोई पक्ष लिए केवल तथ्य बता रही होती है, और इस "औसत" कारक को अनदेखा करना पिछले अध्ययनों में एक गलती थी। कंप्यूटर ने फिर इन रीडिंग को बाजार के दैनिक "मूड इंडेक्स" में बदल दिया।
प्रयोग के दूसरे भाग में, शोधकर्ताओं ने इस नए मूड इंडेक्स को 15 पारंपरिक स्टॉक मार्केट टूल्स (जैसे यह मापना कि कीमत कितनी तेजी से बढ़ रही है या इसमें कितना उतार-चढ़ाव आ रहा है) के साथ मिलाया। इसके बाद, उन्होंने यह देखने के लिए छह अलग-अलग कंप्यूटर मॉडल का परीक्षण किया कि कौन सा मॉडल यह बेहतर अनुमान लगा सकता है कि अगले दिन बाजार ऊपर जाएगा या नीचे। वे डेटा लीकेज से बचने के लिए बहुत सावधान थे और उन्होंने एक विशेष पद्धति का उपयोग किया जो यह सुनिश्चित करती है कि कंप्यूटर सीखने के दौरान भविष्य के उत्तरों को पहले से न देख ले।
परिणाम "शानदार" और "सावधान" का मिश्रण थे। वह कंप्यूटर जिसने समाचार पढ़े और "तटस्थ" मिजाज को समझा, वह वास्तव में केवल नंबरों को देखने वाले मॉडलों की तुलना में बाजार की भविष्यवाणी करने में बेहतर था। सबसे अच्छा मॉडल, जो विशेष स्मूथिंग के साथ एक प्रकार का लॉजिस्टिक रिग्रेशन था, नए, अनदेखे डेटा पर लगभग 62.98% बार दिशा को सही पहचान सका। यह केवल कीमत के इतिहास के आधार पर अनुमान लगाने की तुलना में एक छोटा लेकिन सांख्यिकीय रूप से महत्वपूर्ण सुधार है। हालांकि, यह शोध पत्र इस विचार को भी खारिज करता है कि समाचार सीधे तौर पर हर एक दिन में कीमत को हिलाने का कारण बनते हैं। जब उन्होंने एक विशिष्ट सांख्यिकीय परीक्षण चलाया, तो उन्होंने पाया कि दिन-प्रतिदिन के आधार पर, एक एकल हेडलाइन के मिजाज और अगले दिन की कीमत के बीच का संबंध इतना कमजोर था कि वह लगभग शून्य था। यह सुझाव देता है कि हालांकि समाचारों का समग्र पैटर्न मदद करता है, फिर भी बाजार बहुत कुशल है और उसे मात देना कठिन है।
तो, निष्कर्ष क्या है? अध्ययन बताता है कि कंप्यूटर को समाचार पढ़ने में प्रशिक्षित करना—उबाऊ, तटस्थ हिस्सों सहित—हमें बाजार की भविष्यवाणी करने में थोड़ा लाभ देता है। यह कोई जादुई क्रिस्टल बॉल नहीं है जो धन की गारंटी देती है, और यह यह भी साबित नहीं करता कि समाचार हर दिन बाजार को नियंत्रित करते हैं। लेकिन यह दिखाता है कि "शहर के चौक" की अपनी एक आवाज है, और यदि आप बैरोमीटर के साथ-साथ उसे भी ध्यान से सुनते हैं, तो आप शायद कल बाजार कहाँ जा रहा है, इसके थोड़ा और करीब पहुँच सकते हैं।
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।