- प्राकृतिक भाषा प्रसंस्करण के क्षेत्र में हाल के वर्षों में उल्लेखनीय प्रगति करने वाले बड़े भाषा मॉडल (LLM) का वित्तीय बाज़ार में भी उपयोग हो सकता है या नहीं, इसे लेकर रुचि बढ़ रही है
- LLM शब्दों या शब्दों के हिस्सों का प्रतिनिधित्व करने वाले tokens की sequence को मॉडल करने में उत्कृष्ट प्रदर्शन दिखाते हैं, और इसके जरिए अनुवाद, प्रश्नोत्तर, तथा इंसान जैसे वाक्य निर्माण जैसे कार्य कर सकते हैं
वित्तीय बाज़ार में LLM के उपयोग की संभावना
- quant traders इस बात में रुचि रखते हैं कि क्या LLM का उपयोग करके कीमत या ट्रेड का पूर्वानुमान लगाया जा सकता है
- इसका अर्थ है शब्द sequence के बजाय कीमत या ट्रेड sequence को मॉडल करना
- यह दृष्टिकोण generative AI और वित्तीय time-series modeling के बारे में बहुत कुछ बता सकता है
LLM और वित्तीय बाज़ार डेटा के बीच अंतर
- LLM autoregressive learner होते हैं, जो पिछले token या sequence के तत्वों का उपयोग करके अगले तत्व या token का पूर्वानुमान लगाते हैं
- लेकिन वित्तीय बाज़ार डेटा में training के लिए उपलब्ध डेटा की मात्रा और उसकी information content सीमित होती है
- उदाहरण के लिए, GPT-3 को 500 अरब tokens पर train किया गया था, जबकि stock market में सालाना केवल 177 अरब tokens उपलब्ध होते हैं
- साथ ही, वित्तीय बाज़ार में tokens कीमत, return, volume आदि होते हैं, जिन्हें भाषा मॉडल के syllable या शब्दों की तुलना में पूर्वानुमानित करना कहीं अधिक कठिन है
- वित्तीय बाज़ार में signal की तुलना में noise बहुत अधिक होता है, और बाज़ार प्रतिभागी अक्सर irrational trades कर सकते हैं या ऐसे कारणों से ट्रेड कर सकते हैं जिनका मूलभूत बदलावों से कोई संबंध नहीं होता
AI तकनीक की वित्तीय बाज़ार में लागू होने की संभावना
- multimodal learning का लक्ष्य image और text input जैसी विभिन्न modalities के डेटा का उपयोग करके integrated model बनाना है
- वित्तीय क्षेत्र में इसका उपयोग तकनीकी time-series डेटा के साथ Twitter sentiment, graphical interactions, प्राकृतिक भाषा में समाचार लेख, satellite images जैसी विभिन्न non-price जानकारी को जोड़कर पूर्वानुमान लगाने में किया जा सकता है
- residualization वित्त और AI दोनों में महत्वपूर्ण भूमिका निभाती है, लेकिन दोनों क्षेत्रों में इसकी भूमिका अलग होती है
- LLM की प्रमुख सफलता के कारणों में से एक उनकी यह क्षमता है कि वे लंबी अवधि के संदर्भ में tokens के बीच समानता या उनकी strength को पहचान सकते हैं
- वित्तीय बाज़ार में यह विभिन्न समय-सीमाओं में मौजूद multi-scale phenomena का विश्लेषण करने में मददगार हो सकता है, जो बाज़ार बदलावों के कुछ पहलुओं को समझा सकते हैं
वित्तीय बाज़ार में LLM के उपयोग के तरीके
- LLM का उपयोग करके ऐसे simulated stock-price trajectories बनाए जा सकते हैं जो बाज़ार में देखी जाने वाली विशेषताओं की नकल करें
- यह विशेष रूप से उपयोगी हो सकता है क्योंकि वित्तीय बाज़ार डेटा अन्य स्रोतों की तुलना में अपेक्षाकृत sparse होता है
- synthetic data, robotics जैसे क्षेत्रों में सफल रहे meta-learning तरीकों के लिए रास्ता खोल सकता है
- वित्तीय बाज़ार के practitioners अक्सर उन extreme events में रुचि रखते हैं जहाँ trading strategies को बड़े लाभ या बड़े नुकसान की संभावना अधिक होती है
- extreme scenarios से sample कर सकने वाले generative models उपयोगी हो सकते हैं, लेकिन extreme events परिभाषा के अनुसार बहुत कम होते हैं, इसलिए उपयुक्त parameters तय करना और उस distribution से डेटा sample करना कठिन है
निवेश विश्लेषण में LLM की उपयोगिता
- फिलहाल ऐसा कम ही लगता है कि LLM quantitative trading की जगह ले पाएंगे, लेकिन fundamental analysis में वे मददगार हो सकते हैं
- जैसे-जैसे AI models आगे बढ़ेंगे, वे investment thesis को अधिक परिष्कृत करने, management commentary में असंगतियाँ पकड़ने, या संबंधित industries और companies के बीच संभावित संबंधों को खोजने में सहायता कर सकते हैं
- ऐसे models हर निवेशक के लिए Charlie Munger जैसी भूमिका निभा सकते हैं
GN⁺ की राय
- यह स्पष्ट है कि LLM का वित्तीय बाज़ार में उपयोग संभव है, लेकिन फिलहाल वे quantitative trading को replace करने की स्थिति में नहीं दिखते
- वित्तीय बाज़ार डेटा की sparsity और अधिक noise होने की प्रकृति के कारण LLM का सीधे उपयोग करना सीमित है
- फिर भी, multimodal learning या residualization जैसी तकनीकों का उपयोग करके non-price जानकारी को जोड़ने या लंबी अवधि के विश्लेषण में वे सहायक हो सकते हैं
- simulated data generation या extreme scenario sampling जैसे उपयोग LLM के लिए रोचक दिशाएँ हो सकती हैं
- हालांकि, extreme events की rarity के कारण सही parameters तय करना और sampling करना मुश्किल हो सकता है
- LLM के लिए quantitative trading को सीधे replace करना कठिन दिखता है, लेकिन investment analysis process में इनके उपयोगी होने की उम्मीद की जा सकती है
- विशाल मात्रा की जानकारी को संकलित और विश्लेषित करने की प्रक्रिया में LLM, human analysts की सहायक भूमिका निभा सकते हैं
- वित्तीय बाज़ार मूल रूप से एक ऐसा क्षेत्र है जिसका पूर्वानुमान लगाना कठिन है, इसलिए LLM-आधारित approaches के प्रति सावधान रुख जरूरी है
- फिर भी, LLM के तेज़ विकास को देखते हुए भविष्य में वित्तीय बाज़ार में इनके उपयोग की संभावना को पूरी तरह नकारा नहीं जा सकता
- संबंधित तकनीकों में Numerai का Erasure जैसे cryptocurrency rewards का उपयोग करने वाला crowdsourcing-आधारित financial model development platform शामिल है
- कुल मिलाकर, वित्तीय बाज़ार में LLM का अनुप्रयोग अभी शुरुआती चरण में है और इसके लिए काफी शोध और प्रयोग की आवश्यकता होगी। फिर भी, लंबी अवधि में AI का वित्तीय बाज़ार पर बड़ा प्रभाव पड़ने की संभावना है
अभी कोई टिप्पणी नहीं है.