ভূমিকা
অর্থনীতিবিদরা দীর্ঘদিন ধরে ভোক্তা ব্যয় এবং জিডিপি বৃদ্ধির মতো মূল আর্থিক ফলাফলের পূর্বাভাস দিতে অর্থনীতি সম্পর্কে জনসাধারণের অনুভূতির পরিমাপের উপর নির্ভর করেছেন। এখন, পেন স্টেট, ফ্লোরিডা ইন্টারন্যাশনাল ইউনিভার্সিটি, ইউনিভার্সিটি অফ সিনসিনাটি এবং ক্যালিফোর্নিয়া স্টেট ইউনিভার্সিটি, ফ্রেসনো-এর গবেষকদের একটি দল কৃত্রিম বুদ্ধিমত্তার মাধ্যমে মিডিয়া কভারেজ বিশ্লেষণ করে একটি নতুন পদ্ধতি গ্রহণ করেছে। জার্নাল অফ ব্যাংকিং অ্যান্ড ফাইন্যান্স-এ প্রকাশিত তাদের ফলাফল, অর্থনীতি সম্পর্কে জনসাধারণের ধারণা এবং হেজ ফান্ড রিটার্নের মধ্যে একটি উল্লেখযোগ্য সংযোগ উন্মোচন করেছে।
ম্যাক্রো সেন্টিমেন্ট সূচক
প্রথাগত সেন্টিমেন্ট পরিমাপ মিশিগান বিশ্ববিদ্যালয়ের ভোক্তা সেন্টিমেন্ট সূচকের মতো জরিপ বা আইপিও কার্যকলাপের মতো আর্থিক বাজারের ফলাফল থেকে আসে। যদিও দরকারী, এই পদ্ধতিগুলির সীমাবদ্ধতা রয়েছে: জরিপগুলি বিরল এবং ছোট নমুনার উপর নির্ভর করে, যখন ফলাফল-ভিত্তিক ব্যবস্থাগুলি দাম থেকে পরোক্ষভাবে সেন্টিমেন্ট অনুমান করে। গবেষকদের ম্যাক্রো সেন্টিমেন্ট সূচক একটি ভিন্ন পদ্ধতির প্রস্তাব দেয়। প্রাকৃতিক ভাষা প্রক্রিয়াকরণ (এনএলপি) ব্যবহার করে, তারা প্রায় 2,000 পেশাদার সংবাদ সংস্থা এবং 800 সোশ্যাল মিডিয়া আউটলেট থেকে লক্ষ লক্ষ নিবন্ধ বিশ্লেষণ করেছে। এই এআই-চালিত পদ্ধতি নির্দিষ্ট সামষ্টিক অর্থনৈতিক বিষয় সম্পর্কে প্রকৃত সামগ্রীর সুর পরিমাপ করে, যা জনসাধারণের অনুভূতির একটি ব্যাপক এবং রিয়েল-টাইম পরিমাপ প্রদান করে।
ডেটা এবং পদ্ধতি
দলটি ম্যাক্রো সেন্টিমেন্ট সূচক তৈরি করতে থমসন রয়টার্স মার্কেটসাইক ইনডিসিস থেকে ডেটা টেনেছে। এই ডেটাসেটটি সংবাদ এবং সোশ্যাল মিডিয়ার মানসিক এবং জ্ঞানীয় সুর ক্যাপচার করার জন্য ডিজাইন করা হয়েছে, যা গবেষকদের যেকোনো সময়ে অর্থনীতি সম্পর্কে জনসাধারণের ধারণা কতটা ইতিবাচক বা নেতিবাচক তা পরিমাণগতভাবে প্রকাশ করতে দেয়। এই সূচকটিকে হেজ ফান্ড রিটার্নের সাথে সম্পর্কযুক্ত করে, তারা অন্বেষণ করার লক্ষ্য রেখেছিল যে এই তহবিলগুলি জনসাধারণের অনুভূতির সাথে কীভাবে যোগাযোগ করে।
হেজ ফান্ড এবং জনসাধারণের সেন্টিমেন্ট
হেজ ফান্ড হল সক্রিয়ভাবে পরিচালিত বিনিয়োগ যান যা ধনী ব্যক্তি এবং প্রতিষ্ঠান থেকে মূলধন সংগ্রহ করে, জটিল ট্রেডিং কৌশল ব্যবহার করে রিটার্ন তৈরি করে। গবেষকরা অনুমান করেছিলেন যে হেজ ফান্ডগুলি বিপরীতমুখী হিসাবে কাজ করতে পারে, অর্থনীতি সম্পর্কে জনসাধারণের মানসিক ওঠানামার বিপরীত দিক নেয়। সংক্ষেপে, যখন জনসাধারণের অনুভূতি অত্যধিক আশাবাদী বা হতাশাবাদী হয়, তখন হেজ ফান্ডগুলি প্রচলিত মেজাজের বিরুদ্ধে বাজি ধরতে পারে এবং তারা এটি করার ঝুঁকির জন্য ক্ষতিপূরণ পায়।
মূল ফলাফল
অধ্যয়নটি ম্যাক্রো সেন্টিমেন্ট সূচক এবং হেজ ফান্ড রিটার্নের মধ্যে একটি উল্লেখযোগ্য সম্পর্ক খুঁজে পেয়েছে। ফলাফলগুলি পরামর্শ দেয় যে হেজ ফান্ডগুলি প্রকৃতপক্ষে জনসাধারণের অনুভূতির বিপরীত অবস্থান নিয়ে লাভ করতে থাকে। এটি এই ধারণার সাথে সামঞ্জস্যপূর্ণ যে বাজারে সেন্টিমেন্ট-চালিত ভুল মূল্যায়ন অত্যাধুনিক বিনিয়োগকারীদের জন্য সুযোগ তৈরি করতে পারে। ফলাফলগুলি আরও ইঙ্গিত দেয় যে ম্যাক্রো সেন্টিমেন্ট সূচক প্রথাগত সেন্টিমেন্ট ব্যবস্থায় অন্তর্ভুক্ত নয় এমন তথ্য ক্যাপচার করে, যা বাজারের গতিশীলতা বোঝার জন্য একটি মূল্যবান হাতিয়ার করে তোলে।
বিনিয়োগকারী এবং গবেষকদের জন্য প্রভাব
বিনিয়োগকারীদের জন্য, এই ফলাফলগুলি একটি বিস্তৃত বিনিয়োগ কৌশলের অংশ হিসাবে জনসাধারণের অনুভূতি পর্যবেক্ষণের গুরুত্বকে আন্ডারস্কোর করে। ম্যাক্রো সেন্টিমেন্ট সূচক হেজ ফান্ড কর্মক্ষমতা এবং বাজারের প্রবণতার জন্য একটি নেতৃস্থানীয় সূচক হিসাবে কাজ করতে পারে। গবেষকদের জন্য, অধ্যয়নটি আর্থিক বিশ্লেষণে এআই এবং বিগ ডেটার শক্তি প্রদর্শন করে, যা মিডিয়া এবং সোশ্যাল মিডিয়া কীভাবে অর্থনৈতিক আচরণকে আকার দেয় তা অন্বেষণের জন্য নতুন পথ খুলে দেয়।
ভবিষ্যতের দিকনির্দেশ
গবেষণা দলটি ম্যাক্রো সেন্টিমেন্ট সূচককে আরও পরিমার্জিত করার এবং অর্থের অন্যান্য ক্ষেত্রে এর প্রয়োগগুলি অন্বেষণ করার পরিকল্পনা করেছে। তারা সেন্টিমেন্ট এবং হেজ ফান্ড রিটার্নের মধ্যে সম্পর্কের পিছনে কার্যকারণ প্রক্রিয়াগুলি তদন্ত করার লক্ষ্যও রাখে, সম্ভাব্যভাবে তথ্য কীভাবে বাজারের মাধ্যমে প্রবাহিত হয় তার উপর আলোকপাত করে।
উপসংহার
এই অধ্যয়নটি আর্থিক গবেষণায় কৃত্রিম বুদ্ধিমত্তার ক্রমবর্ধমান ভূমিকা তুলে ধরে। মিডিয়া কভারেজ ডেটা ব্যবহার করে, গবেষকরা জনসাধারণের সেন্টিমেন্ট এবং হেজ ফান্ড কর্মক্ষমতার মধ্যে একটি অর্থপূর্ণ যোগসূত্র উন্মোচন করেছেন, যা এই প্রভাবশালী বিনিয়োগ যানগুলির আচরণের নতুন অন্তর্দৃষ্টি প্রদান করে। এআই বিকশিত হতে থাকায়, আর্থিক বাজার বোঝা এবং ভবিষ্যদ্বাণী করার জন্য এই ধরনের পদ্ধতিগুলি ক্রমবর্ধমান গুরুত্বপূর্ণ হয়ে উঠতে পারে।
এই নিবন্ধটি Phys.org-এর রিপোর্টিংয়ের উপর ভিত্তি করে তৈরি। মূল নিবন্ধটি পড়ুন।
Originally published on phys.org
