फंडिंग
संस्थागत निवेशक रिटर्न की तलाश में हैं। मशीन ओवरले उन्हें खोजने में मदद कर सकते हैं
Unite.AI को Google पर अपने पसंदीदा स्रोतों में जोड़ें
निकोलस एबे, बूस्टेड.एआई के सह-संस्थापक और सीओओ
निवेशक मूलभूत और मात्रात्मक दृष्टिकोण से दोनों का सर्वश्रेष्ठ कैसे प्राप्त कर सकते हैं? मशीन लर्निंग ओवरले लागू करके, निक एबे, बूस्टेड.एआई के सह-संस्थापक और मुख्य परिचालन अधिकारी लिखते हैं। मूलभूत प्रबंधक नई प्रौद्योगिकियों और संस्थागत निवेशक मांग के अनुकूल नहीं होने के कारण लाभ छोड़ रहे हैं। एबे यह दिखाते हैं कि उनकी वित्तीय डोमेन विशेषज्ञता को नवीनतम कृत्रिम बुद्धिमत्ता उपकरणों के साथ मिलाकर अल्फा और शार्प को बढ़ाया जा सकता है।
निवेश के दोनों पक्ष – मात्रात्मक और मूलभूत – हाल के दिनों में समस्याओं का सामना कर रहे हैं। सबसे अधिक परिष्कृत निवेशकों ने भी 2020 में बाजार में कोविड-19 महामारी के कारण उत्पन्न अप्रत्याशित अस्थिरता के कारण संघर्ष किया।
मात्रात्मक दृष्टिकोण बड़े परिसंपत्ति प्रबंधकों के भीतर धीरे-धीरे विकसित हो रहा है क्योंकि वे अपनी खुद की मात्रात्मक टीमें बनाते हैं। हालांकि, आधुनिक प्रौद्योगिकी से बढ़त प्राप्त करने का वादा मशीन लर्निंग को व्यावहारिक रूप से लागू करने में कठिनाइयों से मिला है, जो कि आवश्यक विशेषज्ञता और एक कार्यात्मक कार्यक्रम विकसित करने की उच्च लागत के कारण है।
सफल मात्रात्मक दुकानें डेटा वैज्ञानिकों और इंजीनियरों की टीमें नियुक्त करती हैं ताकि वे जटिल डेटा को समझ सकें – और फिर भी कभी-कभी विफल हो जाती हैं। डेटा से भविष्यसूचक शक्ति प्राप्त करना मुश्किल है, और मानव पर्यवेक्षण के बिना काले हंस घटनाएं जैसे कोविड-19 और अन्य शासन परिवर्तन डेटा को पुराना बना सकती हैं।
मूलभूत विफलताएं
ज्यादातर लोग मूलभूत विश्लेषण के सिद्धांतों से अवगत हैं – वित्तीय विवरणों का अध्ययन करना और आर्थिक कारकों को शामिल करना ताकि निवेशकों को सर्वोत्तम रिटर्न के लिए निवेश करने का निर्णय लेने में मदद मिल सके। निवेशकों ने दशकों से इस समय लेने वाले दृष्टिकोण को अभ्यास में लाया है और परिपूर्ण बनाया है। कुछ, हालांकि, आधुनिक प्रौद्योगिकी जैसे मशीन लर्निंग और वैकल्पिक डेटा का लाभ उठाने के लिए तैयार हो रहे हैं ताकि प्रदर्शन को तेज कर सकें, जानकारी को कम समय में सिंथेसाइज कर सकें और निर्णय लेने की प्रक्रिया में हस्तक्षेप करने वाले किसी भी संज्ञानात्मक पूर्वाग्रह को कम कर सकें।
इसके अलावा, मूलभूत सक्रिय निवेश प्रबंधन शुल्क संपीड़न, प्रौद्योगिकी प्रगति और निवेशक भावना में बदलाव जैसी बड़ी चुनौतियों का सामना कर रहा है, जो कम लागत वाले ईटीएफ की ओर बढ़ रहा है।
मात्रात्मक और मूलभूत दोनों दृष्टिकोणों में क्या समानता है? वे निवेश के लिए सर्वश्रेष्ठ पूंजी तैनात करने के बारे में सूचित निर्णय लेने के लिए अपने आसपास की दुनिया का अध्ययन करते हैं।
लेकिन अगर एक तीसरा विकल्प होता?
मूलभूत प्रबंधन में मशीन लर्निंग के लिए आह्वान
मशीन लर्निंग ने उद्योगों और दैनिक जीवन को क्रांतिकारित किया है। गूगल ट्रांस्लेट से लेकर स्व-ड्राइविंग कारों तक, प्रौद्योगिकी दुनिया को बदल रही है, जैसा कि पहले औद्योगिक क्रांति ने किया था, और निवेश प्रबंधन उद्योग इस परिवर्तन से अछूता नहीं रहेगा। 2019 के एक अध्ययन के अनुसार, जिसने पोर्टफोलियो प्रबंधकों का सर्वेक्षण किया, केवल 10% पोर्टफोलियो प्रबंधकों ने अपनी निवेश प्रक्रिया में किसी भी कृत्रिम बुद्धिमत्ता या मशीन लर्निंग का उपयोग किया था।
जैसे ही प्रौद्योगिकी आगे बढ़ती है, मशीन लर्निंग तकनीकें निवेश प्रबंधन का एक अनिवार्य हिस्सा बन जाएंगी। हालांकि, कई मशीन लर्निंग अनुप्रयोगों को पारंपरिक प्रबंधकों के लिए विदेशी प्रोग्रामिंग ज्ञान की आवश्यकता होती है, जो अपने मूलभूत विश्लेषण में अधिक आत्मविश्वास महसूस करते हैं और जिसे वे स्वयं कर सकते हैं और जिसकी उन्हें गहरी समझ है।
एक बेहतर प्रक्रिया के लिए संयोजन: मशीन लर्निंग ओवरले
एक पोर्टफोलियो में मशीन लर्निंग ओवरले जोड़ना मूलभूत निवेश प्रबंधक की विशेषज्ञता और कृत्रिम बुद्धिमत्ता के तकनीकी लाभों के बीच विवाह का एक उदाहरण है।
मशीन ओवरले मूलभूत निवेशकों के लिए रोडब्लॉक का समाधान करते हैं जो प्रौद्योगिकी को शामिल करना चाहते हैं। वे आसानी से उपयोग किए जा सकते हैं और पारंपरिक निवेशकों के मौजूदा पोर्टफोलियो पर किसी भी प्रोग्रामिंग ज्ञान की आवश्यकता के बिना तैनात किए जा सकते हैं। वे मशीन के तर्क की पूरी व्याख्या प्रदान करते हैं, जो दिखाता है कि मशीन लर्निंग ने अपने निर्णय लेने में किन चरों को महत्वपूर्ण माना। यह मूलभूत प्रबंधकों को अपनी प्रक्रिया में बुद्धिमत्ता लागू करने में अधिक सहज महसूस कराता है।
उदाहरण के लिए, बूस्टेड इनसाइट्स मशीन लर्निंग ओवरले एक निवेश प्रबंधक के मौजूदा पोर्टफोलियो लेता है और स्टॉक स्थिति भार को थोड़ा समायोजित करता है। यह कोई नई स्थिति नहीं जोड़ता है – यह केवल मौजूदा पोर्टफोलियो में स्टॉक के भार को समायोजित करता है। इसके निष्कर्षों के आधार पर, उच्च रैंक वाले स्टॉक का भार बढ़ाया जा सकता है और खराब रैंक वाले स्टॉक का भार कम किया जा सकता है।
अंत में, मशीन लर्निंग ओवरले एक मूलभूत निवेश प्रबंधक को अपनी स्टॉक-पिकिंग क्षमता को वित्त-विशिष्ट एआई/एमएल के साथ मिलाने की अनुमति देता है ताकि बेहतर परिणाम प्राप्त किए जा सकें।
बेहतर निवेश के लिए मशीन लर्निंग
मशीन लर्निंग ने और उद्योगों को बाधित करना जारी रखा है। निवेश प्रबंधक अपनी प्रक्रिया में मशीन लर्निंग को लागू करके अपने पोर्टफोलियो उद्देश्यों को बढ़ा सकते हैं, लेकिन अपने कार्य प्रवाह के पूरक और जैविक तरीके से। मशीन लर्निंग तकनीकों के क्षेत्र में अपनी उंगलियां डुबाने का एक अच्छा तरीका है एक मशीन लर्निंग ओवरले लागू करना।
