जटिल मॉडलिंग समस्याओं को हल करने के लिए कृत्रिम बुद्धिमत्ता (एआई) को अक्सर चांदी की गोली के रूप में देखा जाता है।इसके कई अनुप्रयोगों में से, इसे निवेश बैंकिंग क्षेत्र में जटिल निवेश उत्पादों - तथाकथित व्युत्पन्न अनुबंधों के जोखिमों को प्रबंधित करने के लिए एक उपकरण के रूप में जांचा गया है।इस क्षेत्र में कई सकारात्मक रिपोर्टों के बावजूद, उनकी व्यावहारिक प्रयोज्यता के बारे में चिंताएँ उठाई गई हैं।
एक नये मेंअध्ययनमें प्रकाशितद जर्नल ऑफ़ फ़ाइनेंस एंड डेटा साइंसस्विट्जरलैंड और अमेरिका के शोधकर्ताओं की एक टीम ने पता लगाया कि क्या सुदृढीकरण सीखने वाले आरएल एजेंटों को व्युत्पन्न अनुबंधों को हेज करने के लिए प्रशिक्षित किया जा सकता है।
"इसमें कोई आश्चर्य नहीं होना चाहिए कि यदि आप सिम्युलेटेड मार्केट डेटा पर एआई को प्रशिक्षित करते हैं, तो यह उन बाजारों पर अच्छा काम करेगा जो सिमुलेशन को प्रतिबिंबित करते हैं, और कई एआई सिस्टम की डेटा खपत अपमानजनक है," के पहले लेखक लोरिस कैनेली बताते हैं।स्विट्जरलैंड में IDSIA में अध्ययनकर्ता और शोधकर्ता।
प्रशिक्षण डेटा की कमी को दूर करने के लिए, शोधकर्ता अपने एआई एजेंटों को प्रशिक्षित करने के लिए एक सटीक बाज़ार सिम्युलेटर की कल्पना करते हैं।हालाँकि, इस तरह के सिम्युलेटर को स्थापित करने से एक शास्त्रीय वित्तीय इंजीनियरिंग समस्या पैदा होती है: अनुकरण करने के लिए एक मॉडल चुनना और उसका अंशांकन करना, और एआई-आधारित दृष्टिकोण को दशकों से उपयोग में आने वाले मानक मोंटे कार्लो तरीकों की तरह बनाना।
"ऐसे एआई को शायद ही मॉडल-मुक्त माना जा सकता है: यह केवल तभी लागू होगा जब पर्याप्त होगाबाज़ारप्रशिक्षण के लिए डेटा उपलब्ध था, और यथार्थवादी डेरिवेटिव बाजारों में ऐसा शायद ही कभी होता है," कैनेली कहते हैं।
अध्ययन, IDSIA और के बीच एक सहयोगनिवेशयूबीएस का बैंक, तथाकथित डीप कॉन्टेक्स्टुअल बैंडिट्स पर आधारित था, जो आरएल में अपनी डेटा-दक्षता और मजबूती के लिए प्रसिद्ध हैं।वास्तविक दुनिया की निवेश फर्मों की परिचालन वास्तविकताओं से प्रेरित, इसमें दिन के अंत की रिपोर्टिंग आवश्यकताओं को शामिल किया गया है और पारंपरिक मॉडल की तुलना में काफी कम प्रशिक्षण डेटा आवश्यकता और बदलते बाजारों के लिए अनुकूलनशीलता की विशेषता है।
"व्यवहार में, यह डेटा की उपलब्धता और परिचालन वास्तविकताएं हैं, जैसे कि दिन के अंत के जोखिम आंकड़ों की रिपोर्ट करने की आवश्यकताएं, जो मुख्य चालक हैं जो आदर्श एजेंट प्रशिक्षण के बजाय बैंक में वास्तविक काम को निर्देशित करते हैं," वरिष्ठ लेखक ने स्पष्ट कियाओलेग स्ज़ेहर, जो आईडीएसआईए में अपनी नियुक्ति से पहले, कई निवेश बैंकों में स्टाफ सदस्य थे।"नए विकसित मॉडल की एक खूबी यह है कि यह अवधारणात्मक रूप से मिलता जुलता हैव्यापार का संचालनएक निवेश फर्म में और इस प्रकार यह व्यावहारिक दृष्टिकोण से लागू होता है।"
हालाँकि नई पद्धति सरल, कठोर मूल्यांकन वाली हैनमूनाप्रदर्शन ने प्रदर्शित किया कि नई पद्धति यथार्थवादी परिस्थितियों में दक्षता, अनुकूलनशीलता और सटीकता के मामले में बेंचमार्क सिस्टम से बेहतर प्रदर्शन करती है।कैनेली ने निष्कर्ष निकाला, "जैसा कि अक्सर वास्तविक जीवन में होता है, कम अधिक होता है - यही बात जोखिम प्रबंधन पर भी लागू होती है।"
अधिक जानकारी:लोरिस कैनेली एट अल, सुदृढीकरण सीखने का उपयोग करके हेजिंग: प्रासंगिक के-सशस्त्र डाकू बनाम क्यू-लर्निंग,द जर्नल ऑफ़ फ़ाइनेंस एंड डेटा साइंस(2023)।डीओआई: 10.1016/जे.जेएफडीएस.2023.100101
द्वारा उपलब्ध कराया गयाकेएआई कम्युनिकेशंस कंपनी
उद्धरण:बैंकों को जटिल निवेश उत्पादों के जोखिमों से बचाने के लिए मशीन लर्निंग तरीके (2023, 29 दिसंबर)29 दिसंबर 2023 को पुनः प्राप्तhttps://techxplore.com/news/2023-12-machine-methods-banks-complex-investment.html से
यह दस्तावेज कॉपीराइट के अधीन है।निजी अध्ययन या अनुसंधान के उद्देश्य से किसी भी निष्पक्ष व्यवहार के अलावा, नहींलिखित अनुमति के बिना भाग को पुन: प्रस्तुत किया जा सकता है।सामग्री केवल सूचना के प्रयोजनों के लिए प्रदान की गई है।