পোর্টফোলিও ম্যানেজমেন্ট: সমস্ত উপায় এআই আধুনিক সম্পদ কৌশলগুলিকে রূপান্তরিত করছে

AI এর উত্থান স্পষ্টতই বিভিন্ন শিল্পকে প্রভাবিত করেছে, এবং ফিনান্স ইন্ডাস্ট্রি সবচেয়ে বেশি প্রভাবিত হয়েছে । উদাহরণস্বরূপ, গত বছর GPT-3.5-এর মতো মডেলগুলির সর্বজনীন লঞ্চ বিশ্লেষণ, ঝুঁকি ব্যবস্থাপনা এবং সিদ্ধান্ত গ্রহণে তহবিল পরিচালকদের দক্ষতা বাড়াতে সাহায্য করার জন্য AI ব্যবহারে আগ্রহ বাড়িয়েছে।

এইভাবে, বাজারের মূল্যায়নকে আরও নির্ভুল করতে এবং ঝুঁকিগুলিকে আরও কার্যকরভাবে পরিচালনা করতে AI সরঞ্জামগুলি প্রয়োগ করা হয়। পোর্টফোলিও ম্যানেজাররা তাদের ট্রেডিংয়ে মেশিন লার্নিং অ্যালগরিদম, প্রাকৃতিক ভাষা প্রক্রিয়াকরণ, এবং কৃত্রিম বুদ্ধিমত্তার সরঞ্জামগুলি প্রয়োগ করার সময় বাজারের গতিবিধির একটি পরিষ্কার মূল্যায়ন করবে, উপযুক্ত বিনিয়োগ পছন্দগুলিকে সংকুচিত করবে এবং ঝুঁকিগুলি পরিচালনা করবে বলে আশা করা হয়।

মেশিন লার্নিং অ্যালগরিদমগুলির একীকরণ, সেইসাথে প্রাকৃতিক ভাষা প্রক্রিয়াকরণ সরঞ্জামগুলি মূল খেলোয়াড়দের ট্রেডিং কৌশলগুলির মধ্যে, তাদের এই প্রক্রিয়াগুলির দক্ষতা বাড়াতে এবং দ্রুত এবং আরও সঠিক বিনিয়োগ সিদ্ধান্ত এবং ভবিষ্যদ্বাণীমূলক বিশ্লেষণের সাথে একটি প্রতিযোগিতামূলক সুবিধা পেতে সহায়তা করে৷

গত কয়েক দশকে, AI অর্থ শিল্পের বিভিন্ন খাতে প্রয়োগ করা হয়েছে। ব্যাক অফিসে, এমএল অ্যালগরিদমগুলি এক্সিকিউশন লগগুলিতে অসঙ্গতিগুলি খুঁজে বের করতে, সন্দেহজনক লেনদেন সনাক্ত করতে, সেইসাথে ঝুঁকিগুলি পরিচালনা করতে ব্যবহৃত হয়, যার ফলে দক্ষতা এবং নিরাপত্তা বৃদ্ধি পায়। ফ্রন্ট অফিসে, AI গ্রাহকদের ভাগ করতে, গ্রাহক সহায়তা প্রক্রিয়াগুলিকে স্বয়ংক্রিয় করতে এবং ডেরিভেটিভ মূল্য নির্ধারণে অপ্টিমাইজ করতে সহায়তা করছে।

যাইহোক, এর সবচেয়ে কৌতূহলোদ্দীপক অংশটি হল ফাইনান্সের ক্রয়-পাশের জন্য AI ক্ষমতা - যত দ্রুত সম্ভব উল্লেখযোগ্য পরিমাণ ডেটা বিশ্লেষণ করে বাজারের গোলমালের মধ্যে ভবিষ্যদ্বাণীমূলক সংকেত সনাক্ত করা। উদাহরণ স্বরূপ, এই ধরনের অ্যাপ্লিকেশনের মধ্যে টাইম সিরিজের পূর্বাভাস, বাজারকে ভাগ করা এবং অবশ্যই, সম্পদ পোর্টফোলিওগুলি পরিচালনা করা অন্তর্ভুক্ত থাকতে পারে। AI এর বিশাল ডেটাসেটগুলি প্রক্রিয়াকরণ এবং বিশ্লেষণ করার সুযোগগুলি সূক্ষ্ম নিদর্শনগুলি খুঁজে পেতে সহায়তা করে যা ঐতিহ্যগত পদ্ধতিগুলি সম্ভবত মিস করবে।

পোর্টফোলিও অপ্টিমাইজেশন বেশ কয়েক দশক ধরে একটি সাধারণ অভ্যাস, তথ্য বিজ্ঞানের উন্নয়ন এবং উন্নত গণনামূলক কৌশল বাস্তবায়নের অধীনে উল্লেখযোগ্যভাবে বিকশিত হয়েছে। মার্কোভিটজের আধুনিক পোর্টফোলিও তত্ত্ব (1952) এবং ক্যাপিটাল অ্যাসেট প্রাইসিং মডেল (1964) এর মতো শাস্ত্রীয় পদ্ধতিগুলি 50 বছরেরও বেশি আগে চালু করা হয়েছিল কিন্তু এখনও প্রাসঙ্গিক রয়েছে। যাইহোক, অ-রৈখিক ঝুঁকি পরিচালনার ক্ষেত্রে তাদের সীমাবদ্ধতা এবং ঐতিহাসিক তথ্যের উপর নির্ভরতা দিন দিন আরও স্পষ্ট হয়ে উঠছে।

রেনেসাঁ টেকনোলজিস, ডি শ এবং টু সিগমা ইনভেস্টমেন্টের মতো গুরুত্বপূর্ণ খেলোয়াড়দের দ্বারা ব্যাপকভাবে বাস্তবায়িত ঝুঁকি মডেলিং, দৃশ্যকল্প বিশ্লেষণ এবং কোয়ান্ট ট্রেডিংয়ের মতো অনুশীলনগুলি আরও জটিল এবং উন্নত অ্যালগরিদম বাস্তবায়নের দিকে পরিচালিত করেছে। উপরন্তু, শিল্প সাম্প্রতিক বছরগুলিতে AI দ্বারা অত্যন্ত প্রভাবিত হয়েছে, কারণ মেশিন লার্নিং এবং কৃত্রিম বুদ্ধিমত্তা ভবিষ্যদ্বাণীমূলক বিশ্লেষণকে আরও নির্ভুল করে তুলেছে, এবং ব্যক্তিগতকৃত বিনিয়োগ কৌশল এবং স্বয়ংক্রিয় জটিল সিদ্ধান্ত গ্রহণের প্রক্রিয়াগুলিতেও একই কাজ করেছে।

এই এআই-চালিত রূপান্তরটি পোর্টফোলিও পরিচালকদের রিয়েল-টাইমে ডেটার বিশাল অ্যারে প্রক্রিয়া করতে এবং তিনটি প্রধান চ্যালেঞ্জ সমাধান করতে সক্ষম করেছে:

• পরিমাপযোগ্যতা: একাধিক সম্পদ এবং বৈশ্বিক বাজার থেকে বড় আকারের ডেটা পরিচালনা এবং বিশ্লেষণ করা এখন আরও সহজ।

• জটিল সিদ্ধান্ত গ্রহণ: এআই সিদ্ধান্ত গ্রহণের প্রক্রিয়ায় মনস্তাত্ত্বিক এবং আচরণগত বিশ্লেষণ সহ আরও অনেক বিষয়কে "মনে রাখতে" পারে।

• অভিযোজনযোগ্যতা: এআই সিস্টেমগুলি নন-স্টপ শিখতে পারে এবং নতুন বাজারের অবস্থার সাথে মানিয়ে নিতে পারে, ম্যানেজারদের দ্রুত কৌশলগুলি সামঞ্জস্য করতে সহায়তা করে।

অনুসারে গ্লোবাল মার্কেট ইনসাইটস , অ্যাসেট ম্যানেজমেন্ট মার্কেটে AI এর মূল্য ছিল USD 2.5 বিলিয়ন এবং আগামী 10 বছরে এটি 24% এর CAGR-এ বৃদ্ধি পাবে বলে আশা করা হচ্ছে। মজার বিষয় হল, পোর্টফোলিও অপ্টিমাইজেশান বিশ্বব্যাপী বাজার বিভাজনে অ্যাপ্লিকেশন দ্বারা নেতৃত্ব দেয়, তারপরে ডেটা বিশ্লেষণ করে, অ্যাকাউন্টিং মার্কেট শেয়ারের 25% .

এআই দ্বারা চালিত সম্পদ ব্যবস্থাপনা সমাধানে গ্রহণ ও বিনিয়োগ বৃদ্ধি করা এবং পোর্টফোলিও অপ্টিমাইজেশানে এআই-এর ব্যবহারিক ব্যবহার হাইলাইট করা।

পোর্টফোলিও ব্যবস্থাপনায় এআই গ্রহণ:

সম্পদ ব্যবস্থাপনা শিল্পের মধ্যে এআই গ্রহণ একটি নতুন প্রবণতা নয়; সাম্প্রতিক বছরগুলিতে এটি বৃদ্ধি পেয়েছে কিন্তু এখনও অল্প সংখ্যক মার্কেট প্লেয়ারের মধ্যে সীমাবদ্ধ যেমন হেজ ফান্ড, পরিমাণগত ব্যবস্থাপনা অফিস, বড় গবেষণা বিভাগ এবং আইটি পরিষেবা ব্যবহার করে আর্থিক প্রতিষ্ঠান।

ইতিমধ্যেই AI এর জন্য আবেদনের অনেক ক্ষেত্র রয়েছে:

পোর্টফোলিও অপ্টিমাইজেশান

AI উল্লেখযোগ্যভাবে পোর্টফোলিও নির্মাণ অপ্টিমাইজেশান প্রক্রিয়া উন্নত করে। উদাহরণস্বরূপ, মার্কোভিটজের আধুনিক পোর্টফোলিও তত্ত্বের ধ্রুপদী পদ্ধতি, যা উত্তল অপ্টিমাইজেশন ধারণার উপর নির্ভর করে, সমসাময়িক এআই-চালিত পদ্ধতির অগ্রদূত হিসাবে কাজ করে। এই মৌলিক তত্ত্বটি এত গুরুত্বপূর্ণ হওয়ার কারণ হল এটি এমন একটি ভিত্তি তৈরি করে যেখান থেকে এআই অ্যালগরিদমগুলি বিনিয়োগের কৌশলগুলিকে আরও পরিবর্তন এবং পরিমার্জন করতে পারে।

আজকাল, এআই ডেটার নতুন মাত্রা অন্বেষণ এবং উন্নত বিশ্লেষণাত্মক কৌশলগুলিকে একীভূত করে এই তত্ত্বের উপর প্রসারিত হয়েছে। এই বর্ধিত ডেটা ক্ষমতা আরও সূক্ষ্ম এবং অবহিত সিদ্ধান্ত গ্রহণের অনুমতি দেয় - একটি অনুশীলন যা শিল্পে ব্যাপকভাবে ব্যবহৃত হয়েছে।

মৌলিক বিশ্লেষণ

নির্দিষ্ট AI কৌশলগুলি কোম্পানির মৌলিক বিষয়, সামষ্টিক অর্থনৈতিক পরিবেশ বা বাজারের অবস্থা সম্পর্কে প্রচুর পরিমাণে ডেটা ব্যবহার করে পরিমাণগত ব্যবস্থাপনার সাথে পুরোপুরি সামঞ্জস্যপূর্ণ। মেশিন লার্নিং অ্যালগরিদমগুলি বিভিন্ন ভেরিয়েবলের মধ্যে জটিল অ-রৈখিক সম্পর্ক খুঁজে পেতে পারে এবং অবশ্যই, প্রবণতা সনাক্ত করতে পারে যা বিশ্লেষকরা করতে পারে না।

পাঠ্য বিশ্লেষণ

টেক্সচুয়াল অ্যানালাইসিস হল মৌলিক বিশ্লেষণে AI-এর আরেকটি প্রয়োগ। ন্যাচারাল ল্যাঙ্গুয়েজ প্রসেসিং (NLP) ব্যবহার করে, AI প্রসেস করে এবং টেক্সচুয়াল উৎস যেমন কর্পোরেট আয়ের রিপোর্ট, কেন্দ্রীয় ব্যাঙ্কের প্রেস রিলিজ এবং আর্থিক খবর বিশ্লেষণ করে। NLP-এর মাধ্যমে, AI এই অসংগঠিত ডেটা থেকে অর্থনৈতিক ও আর্থিকভাবে গুরুত্বপূর্ণ তথ্য বের করতে পারে। এটি করার মাধ্যমে, এটি একটি পরিমাণগত এবং পদ্ধতিগত পরিমাপ প্রদান করে যা মানুষের ব্যাখ্যাকে উন্নত করে এবং সাহায্য করে।

ট্রেডিং কার্যক্রম

AI এর ক্ষমতাগুলি ট্রেডিংয়ে অত্যন্ত উপযোগী, যেখানে লেনদেনের জটিলতা এবং গতির প্রয়োজন একটি ভারসাম্যপূর্ণ। AI আর্থিক বাজারে পরিচালিত লেনদেনের কার্যকারিতা উন্নত করে প্রক্রিয়ার অনেকগুলি ধাপকে স্বয়ংক্রিয় করে অ্যালগরিদমিক ট্রেডিং সমর্থন করে।

বিনিয়োগ উপদেষ্টা সেবা

AI স্বল্প খরচে ব্যক্তিগতকৃত বিনিয়োগ উপদেষ্টা পরিষেবাগুলির বিস্তৃত অফার করার একটি সুযোগ খুলে দিয়েছে। এই সিস্টেমগুলি রিয়েল-টাইম মার্কেট ডেটা প্রক্রিয়া করতে জটিল অ্যালগরিদম ব্যবহার করে, তাদের রিটার্ন উদ্দেশ্য এবং ঝুঁকি প্রোফাইলের উপর ভিত্তি করে পৃথক ক্লায়েন্টের প্রয়োজনের জন্য সবচেয়ে উপযুক্ত কৌশল নিয়ে আসে।

ঝুকি ব্যবস্থাপনা

ঝুঁকি ব্যবস্থাপনায়, এআই বিভিন্ন 'সম্ভাব্য কিন্তু অবাঞ্ছিত' পরিস্থিতির মডেলিং করে সহায়তা করে, যা ফলস্বরূপ, প্রথাগত অনুশীলনগুলিকে উন্নত করে যা শুধুমাত্র বেশিরভাগ সম্ভাব্য ফলাফলের উপর ফোকাস করে।

পোর্টফোলিও ম্যানেজমেন্টে কৃত্রিম বুদ্ধিমত্তা (AI) কৌশল এবং সরঞ্জাম

মেশিন লার্নিং অ্যালগরিদম:

পোর্টফোলিও ম্যানেজমেন্টে ক্লাসিক্যাল মেশিন লার্নিং পদ্ধতিগুলি এখনও খুব জনপ্রিয়, এবং সেগুলি হল: লিনিয়ার মডেল, যার মধ্যে রয়েছে অর্ডিনারি লেস্ট স্কোয়ার, রিজ রিগ্রেশন এবং ল্যাসো রিগ্রেশন। এগুলি প্রায়শই গড়-ভ্যারিয়েন্স অপ্টিমাইজেশান পদ্ধতি এবং ম্যাট্রিক্স পচন কৌশলগুলির সাথে একত্রিত হয় যেমন সিঙ্গুলার ভ্যালু ডিকম্পোজিশন (SVD) এবং প্রিন্সিপাল কম্পোনেন্ট অ্যানালাইসিস (PCA), যা সম্পদের সম্পর্ক বোঝার এবং পোর্টফোলিও বরাদ্দ অপ্টিমাইজ করার জন্য ভিত্তি করে।

এই শাস্ত্রীয় পদ্ধতির মধ্যে অবস্থিত এবং আরও আধুনিক পদ্ধতি হল সাপোর্ট ভেক্টর মেশিন (SVM)। যদিও SVMগুলি অনুশীলনে ব্যবহার করা হয়, সেগুলি সাধারণভাবে মোতায়েন করা হয় না তবে একটি উল্লেখযোগ্য ভূমিকা পালন করে, বিশেষত, স্টক কর্মক্ষমতা পূর্বাভাসের লক্ষ্যে শ্রেণীবিভাগের কাজগুলিতে।

এই কাজগুলির মধ্যে সাধারণত একটি স্টক লাভ বা ক্ষতির সম্মুখীন হবে কিনা তা ভবিষ্যদ্বাণী অন্তর্ভুক্ত করে, স্টকের মূল্যের ওঠানামা এবং ট্রেডিং ভলিউম সহ ঐতিহাসিক আর্থিক ডেটা ব্যবহার করে সম্পদগুলিকে বিভাগগুলিতে রাখা এবং তাদের কার্যকারিতা পূর্বাভাস দেওয়া।

আরও আধুনিক পদ্ধতি সম্পর্কে কথা বললে, নিউরাল নেটওয়ার্কগুলি পোর্টফোলিও পরিচালনার জন্য মেশিন লার্নিংয়ে বড় অগ্রগতি দেখায় এবং জটিল নন-লিনিয়ার প্যাটার্নের মডেলিংয়ের জন্য উন্নত ক্ষমতা অফার করে যা ঐতিহ্যগত মডেলগুলির সাথে ক্যাপচার করা কঠিন। নিউরাল নেটওয়ার্ক ছাড়াও, অন্যান্য ধ্রুপদী পন্থা যেমন তত্ত্বাবধানে এবং অ-তত্ত্বাবধানহীন শিক্ষা তথ্য বিশ্লেষণকে আরও উন্নত ও পরিমার্জিত করে, যার ফলে বাজারের সূক্ষ্ম সংকেতগুলির আবিষ্কার এবং শোষণ সম্ভব হয়।

নতুন পন্থা, যেমন রিইনফোর্সমেন্ট লার্নিং এবং ডিপ কিউ-লার্নিং এই গুণগুলিকে দ্রুতগতিতে সিদ্ধান্ত নেওয়ার পরিবেশে নিয়ে আসে, যেখানে বাজারের প্রতিক্রিয়া থেকে সিস্টেম শেখার উপর ভিত্তি করে আর্থিক ফলাফল অপ্টিমাইজ করার জন্য পোর্টফোলিওগুলিকে রিয়েল-টাইমে সামঞ্জস্য করা যেতে পারে।

প্রাকৃতিক ভাষা প্রক্রিয়াকরণ (NLP):

অনুভূতি বিশ্লেষণের মতো প্রাকৃতিক ভাষা প্রক্রিয়াকরণ কৌশলগুলি সংবাদপত্রের নিবন্ধ, সোশ্যাল মিডিয়া পোস্ট এবং বিশ্লেষক প্রতিবেদনের মতো জিনিসগুলি থেকে সাধারণ মতামত বাছাই করতে এবং চয়ন করতে সহায়তা করতে পারে। উপরন্তু, পোর্টফোলিও ম্যানেজাররা বিনিয়োগকারীদের অনুভূতি অনুভব করতে এবং বাজারের গতিবিধির পূর্বাভাস দিতে ফার্মের আয়ের প্রতিবেদন সহ আর্থিক মিডিয়াতে ব্যবহৃত ভাষা বিশ্লেষণ করতে পারেন, যার সবকটিই সিদ্ধান্ত গ্রহণের প্রক্রিয়ায় গুরুত্বপূর্ণ তথ্য।

পরিমাণগত ট্রেডিং কৌশল:

যে সংস্থাগুলি উচ্চ-ফ্রিকোয়েন্সি ট্রেডিং (HFT) তে বিশেষজ্ঞ, যেমন AI-চালিত পরিমাণগত ট্রেডিং অ্যালগরিদম নিয়োগ করে, বাজারে ক্ষণিকের জন্য অদক্ষতার জন্য অর্থ উপার্জন করে। এই সংস্থাগুলি অত্যন্ত উচ্চ গতিতে প্রাসঙ্গিক বাজারের তথ্য বিশ্লেষণ করতে মেশিন লার্নিং প্রযুক্তি ব্যবহার করে এবং মিলিসেকেন্ডের মতো সংক্ষিপ্ত সময়ের জন্য নির্ভুল সময়ের সাথে অর্ডার দেয়।

এই ধরনের দ্রুত সম্পাদন তাদের সালিশের সুযোগ থেকে উপকৃত হতে এবং প্রতিযোগীদের তুলনায় দ্রুত মূল্যের অসঙ্গতিতে পদক্ষেপ নেওয়ার মাধ্যমে লাভ সর্বাধিক করতে দেয়। যদিও রেনেসাঁ টেকনোলজিস তার পরিমাণগত ট্রেডিং পদ্ধতির জন্য পরিচিত, এটি প্রচলিত এইচএফটি অনুশীলন থেকে বিভিন্ন হোল্ডিং পিরিয়ডকে অন্তর্ভুক্ত করে এর বৃহত্তর কৌশলটি মনে রাখা গুরুত্বপূর্ণ, যা মূলত গতির উপর দৃষ্টি নিবদ্ধ করে।

ব্যাখ্যাযোগ্য AI (XAI):

LIME (স্থানীয় ব্যাখ্যাযোগ্য মডেল-অজ্ঞেয়মূলক ব্যাখ্যা) হল একটি বিশিষ্ট XAI পদ্ধতি যা জটিল মেশিন লার্নিং মডেলগুলির আউটপুটগুলিকে আরও বোধগম্য করতে ব্যবহৃত হয়। পোর্টফোলিও পরিচালনায়, ব্ল্যাক-বক্স মডেলগুলি কীভাবে ভবিষ্যদ্বাণী করে তা ব্যাখ্যা করার জন্য এই পদ্ধতিটি অত্যন্ত মূল্যবান হতে পারে। ইনপুট ডেটা ব্যবহার করে এবং মডেল আউটপুটগুলির উপর প্রভাব বিশ্লেষণ করে, LIME পোর্টফোলিও ম্যানেজার এবং ডেটা বিজ্ঞানীদের সংজ্ঞায়িত করতে সাহায্য করে যে কোন বৈশিষ্ট্যগুলি বিনিয়োগের সিদ্ধান্তগুলিকে অন্যদের চেয়ে বেশি প্রভাবিত করে।

এই প্রক্রিয়াটি এআই-বুস্টেড সিদ্ধান্তগুলির স্বচ্ছতা বাড়াতে সাহায্য করে এবং এই মডেলগুলি বোঝা কতটা সহজ হতে পারে তা যাচাই ও উন্নত করার প্রচেষ্টাকে সমর্থন করে। যাইহোক, যখন LIME মডেল আচরণ সম্পর্কে আমাদের বোঝার উন্নতি করে, মডেলগুলির সামগ্রিক নির্ভরযোগ্যতা মূল্যায়নের সাথে অতিরিক্ত বৈধতা কৌশল জড়িত।

সম্মতি এবং পর্যবেক্ষণে AI:

এআই প্রযুক্তি নিয়ন্ত্রক কাঠামোর সাথে সম্মতি নিশ্চিত করতে এবং আর্থিক শিল্পের মধ্যে বিনিয়োগের বিধিনিষেধ নিরীক্ষণে একটি প্রধান ভূমিকা পালন করে। এই প্রক্রিয়াগুলি স্বয়ংক্রিয় করার মাধ্যমে, এআই সিস্টেমগুলি আর্থিক সংস্থাগুলিকে আরও দক্ষতার সাথে, আরও সঠিকভাবে আইনি মানদণ্ডে লেগে থাকতে এবং সমস্যায় না পড়তে সহায়তা করে। এই প্রযুক্তিটি বৃহৎ পরিমাণ লেনদেন এবং বিভিন্ন পোর্টফোলিও ক্রিয়াকলাপ জুড়ে সম্মতি নিরীক্ষণের জন্য অত্যন্ত মূল্যবান, যেখানে এটি দ্রুত (তাত্ক্ষণিকভাবে, প্রকৃতপক্ষে) নিয়ন্ত্রক প্রয়োজনীয়তা বা অভ্যন্তরীণ নির্দেশিকা থেকে বিচ্যুতি সনাক্ত করতে পারে।

অধিকন্তু, AI-এর ব্যবহার মানুষের ত্রুটির ঝুঁকি কমিয়ে দেয়, যা উচ্চ-স্টেকের নিয়ন্ত্রক পরিবেশে অত্যন্ত গুরুত্বপূর্ণ যেখানে ভুলগুলি আইনি এবং আর্থিক পরিণতির দিকে নিয়ে যেতে পারে।

পোর্টফোলিও রিব্যালেন্সিং:

সময়ের সাথে আদর্শ সম্পদ বরাদ্দ বজায় রাখার জন্য স্বয়ংক্রিয় ভারসাম্যপূর্ণ এআই অ্যাপ্লিকেশনগুলি অত্যন্ত গুরুত্বপূর্ণ। তারা বাজারের পরিবর্তন বা বিনিয়োগকারীর ঝুঁকি প্রোফাইলে পরিবর্তনের প্রতিক্রিয়া হিসাবে পোর্টফোলিওগুলি সামঞ্জস্য করতে পারে, যা কৌশলগত বিনিয়োগ লক্ষ্যগুলির সাথে সারিবদ্ধতা নিশ্চিত করে।

একটি বিস্তৃত দৃশ্যে

বিশেষভাবে বিনিয়োগের জন্য ডিজাইন করা অ্যাপ্লিকেশনগুলি ছাড়াও, সম্পদ ব্যবস্থাপনা ব্যবসার অভ্যন্তরে কৃত্রিম বুদ্ধিমত্তার বিকাশের সম্ভাবনা ব্যাপক বলে মনে হচ্ছে। যাইহোক, যদিও আমরা স্বতঃস্ফূর্তভাবে অপারেশনাল চেইনের বিভিন্ন পর্যায়ে নির্দিষ্ট কাজগুলিকে স্বয়ংক্রিয় করার সম্ভাবনা দেখতে পাই, তবুও কৃত্রিম বুদ্ধিমত্তার বিঘ্নকারী শক্তি সম্পূর্ণরূপে অনুমান করা কঠিন। কারণ অতিরিক্ত অগ্রগতি বিকশিত হওয়ার সাথে সাথে AI অ্যাপ্লিকেশনের নতুন সেক্টরের জন্ম দেবে বলে আশা করা হচ্ছে।

আমাদের অবশ্যই কৃত্রিম বুদ্ধিমত্তার সীমাবদ্ধতার পাশাপাশি পোর্টফোলিও পরিচালনার কিছু দিকগুলির জন্য এটি যে বিপদগুলি তৈরি করে তা সম্পর্কে অবশ্যই সচেতন থাকতে হবে, যদিও এটি কৃত্রিম বুদ্ধিমত্তা ব্যবহার করে প্রযুক্তিগত অগ্রগতি এবং উত্পাদনশীলতা লাভের জন্য এটি সম্ভব করেছে। প্রথমত, কৃত্রিম বুদ্ধিমত্তা এবং মেশিন লার্নিং পদ্ধতিগুলি ডেটার উপর নির্ভর করে যা শেখার অ্যালগরিদমগুলিকে খাওয়ানোর জন্য ব্যবহৃত হয়।

আপডেট, নির্ভুলতা, সম্পূর্ণতা এবং প্রতিনিধিত্বের ক্ষেত্রে এই ডেটা উচ্চ মানের হওয়া আবশ্যক।

একটি খুব বড় ভলিউম ডেটার প্রয়োজনীয়তা ছাড়াও, যা সবসময় পাওয়া যায় না, এটি এমন যে এই ডেটা অবশ্যই ভাল মানের হতে হবে৷ অন্য কোনো ক্ষেত্রে, ভবিষ্যদ্বাণীমূলক মডেল ব্যবহার করে প্রাপ্ত ফলাফলগুলি নির্ভরযোগ্য বা স্থিতিস্থাপক নয়।

অধিকন্তু, অ্যালগরিদমগুলি বিশ্লেষণ করা ডেটাসেট থেকে অপ্রাসঙ্গিক প্রবণতাগুলি বাছাই করে মিথ্যা অনুমানও করতে পারে, যা ভুল সিদ্ধান্তের দিকে নিয়ে যেতে পারে। এর ফলে গ্রস-স্কেল দখল, লাফ যা খুব তীক্ষ্ণ, এবং সবচেয়ে ছোট সম্ভাব্য ক্র্যাশ হতে পারে। একই AI অ্যালগরিদম পরিচালনা করে এমন অনেক বাজার অপারেটর একই সময়ে ভুল সিদ্ধান্ত নিতে পারে বা বাস্তব সময়ের পরিস্থিতিতে একইভাবে প্রতিক্রিয়া দেখাতে পারে এই কারণে বাজার প্রতিযোগিতার ক্ষতি হতে পারে। এই ধরনের ঝুঁকি মারাত্মক হতে পারে।

পোর্টফোলিও ম্যানেজমেন্টে AI-এর সম্ভাব্য সুবিধা থাকা সত্ত্বেও, যে কোনও ক্ষেত্রের মতো, এখানে প্রচুর চ্যালেঞ্জ রয়েছে যা আমাদের মনে রাখতে হবে এবং শেষ পর্যন্ত - সমাধান করতে হবে। প্রধান অসুবিধাগুলির মধ্যে একটি হল AI মডেলগুলির স্বচ্ছতা এবং ব্যাখ্যার সমস্যাগুলির সম্ভাব্য অভাব, যা পরিচালকদের AI এর সাথে তাদের সহযোগিতার ফলাফল ব্যাখ্যা করা চ্যালেঞ্জিং করে তুলতে পারে। ইউরোপীয় তহবিলে AI গ্রহণ তুলনামূলকভাবে কম হওয়ার কারণগুলির মধ্যে এই ব্যবহারের জটিলতা একটি কারণ হতে পারে। 2022 সালের সেপ্টেম্বর পর্যন্ত, 22,000 তহবিলের মধ্যে মাত্র 65টি ইউরোপীয় ইউনিয়ন ভিত্তিক তাদের বিনিয়োগ প্রক্রিয়ায় এআই ব্যবহার করার দাবি করেছে।

ইউরোপীয় আর্থিক বাজার কর্তৃপক্ষ (ESMA) চিহ্নিত করেছে যে কারণগুলি কম গ্রহণের হারে অবদান রাখতে পারে, যেমন সুস্পষ্ট নিয়ন্ত্রক কাঠামোর অভাব এবং তহবিল পরিচালকদের মধ্যে এআই দক্ষতা। যাইহোক, মডেল জটিলতার কারণে এআই ফলাফল ব্যাখ্যা করার চ্যালেঞ্জও কম গ্রহণের হারকে ন্যায্যতা দেওয়ার অন্যতম কারণ হতে পারে। আমি মনে করি আমরা সময়ের সাথে খুঁজে বের করব।

এই মুহুর্তে, এটি প্রতীয়মান হয় যে কৃত্রিম বুদ্ধিমত্তা এখনও সম্পদ ব্যবস্থাপনা শিল্পে প্রকৃত লোকদের সম্পূর্ণভাবে প্রতিস্থাপনের থেকে অনেক দূরে। বলা হচ্ছে, স্বচ্ছতা, আস্থার সম্পর্ক এবং ক্লায়েন্ট এবং ম্যানেজমেন্ট বিশেষজ্ঞদের মধ্যে যোগাযোগ এখন আগের চেয়ে অনেক বেশি গুরুত্বপূর্ণ বৈশিষ্ট্য।

তবুও, আমরা অস্বীকার করতে পারি না যে কৃত্রিম বুদ্ধিমত্তা এটির সাথে নতুন এবং উত্তেজনাপূর্ণ সরঞ্জাম নিয়ে আসে যা মান শৃঙ্খলে ব্যবহার করা যেতে পারে, এবং এই সরঞ্জামগুলির সম্ভাবনা সত্যিই আজকের শিল্পের চেহারা পরিবর্তন করতে পারে।