শেয়ার ট্রেডিংয়ে মেশিন লার্নিং ব্যবহার করা কি উপকারী?

ডেটা সায়েন্টিস্ট, প্রকৌশলী এবং স্বতন্ত্র ট্রেডাররা বহু বছর ধরে শেয়ার ট্রেডিংয়ের জন্য মেশিন লার্নিং (ML) অ্যালগরিদম তৈরির ধারণা নিয়ে কাজ করছেন। বিশ্বজুড়ে শেয়ার ট্রেডিং শিল্পের সঙ্গে যুক্ত হাজার হাজার ডেভেলপমেন্ট টিমের জন্য আইটি ছিল বড় চ্যালেঞ্জ।

আপনি যদি অভিজ্ঞতাভিত্তিক গবেষণা পদ্ধতি বিবেচনা করেন, তাহলে এমন অ্যালগরিদম তৈরি করা সম্ভব, যা স্বয়ংক্রিয় ট্রেডিংকে নতুন পর্যায়ে নিয়ে যাবে। এটি শুধু আগে থেকে নির্ধারিত প্যারামিটার অনুযায়ী অর্ডার কার্যকর করার বিষয় হবে না; বরং পরিস্থিতি অনুযায়ী বাজারের পরিবর্তিত অবস্থার সঙ্গে মানিয়ে নিতে এবং শিখতে সক্ষম একটি প্রোগ্রাম হবে।

এই নিবন্ধে আমরা শেয়ারবাজার এবং বিভিন্ন অ্যাসেট ট্রেডিংয়ে মেশিন লার্নিং পদ্ধতির সম্ভাব্য সমন্বয় নিয়ে আলোচনা করব।

ML-ভিত্তিক শেয়ার ট্রেডিং অ্যালগরিদমের মূল ধারণা

বিজ্ঞানীদের মতে, শেয়ারবাজারের ML অ্যালগরিদম বিভিন্ন কোম্পানি, শেয়ার ফিউচার প্ল্যাটফর্ম এবং এক্সচেঞ্জ থেকে পাওয়া বিস্তারিত ঐতিহাসিক ডেটার ওপর ভিত্তি করে তৈরি হতে পারে। এই তথ্য আগে থেকেই লেবেল করা ডেটাসেট হিসেবে ব্যবহার করা যেতে পারে, যা ML মডেলকে প্রশিক্ষণ দেওয়ার ভিত্তি তৈরি করবে।

ধারণাটি হলো, নতুন অ্যালগরিদমগুলোকে ঐতিহাসিক ডেটা ব্যবহার করে শিখতে এবং নতুন প্যাটার্ন শনাক্ত করতে দেওয়া। পাশাপাশি, তারা এসব প্যাটার্ন বিশ্লেষণ করে বিভিন্ন বাজার পরিস্থিতিতে শেয়ারের দামের সম্ভাব্য গতিবিধি সম্পর্কে নির্ভুল পূর্বাভাস দিতে পারে।

যে মূল প্রশ্নগুলো নিয়ে এখনও বিতর্ক চলছে, সেগুলো হলো:

• শেয়ার ট্রেডিংয়ে মেশিন লার্নিং কি সফল হতে পারে?
• ML অ্যালগরিদম কত দূর ভবিষ্যতের জন্য নির্ভুল পূর্বাভাস দিতে পারে?

এই বিতর্কের মূল ভিত্তি হলো একটি স্বতঃসিদ্ধ ধারণা: শেয়ারবাজার অত্যন্ত অনিশ্চিত। সহজভাবে বললে, ঐতিহাসিক ডেটা বিবেচনায় নিলেও শেয়ারবাজারের গতিবিধি পূর্বাভাস দেওয়া অসম্ভব।

এ ছাড়া, বিভিন্ন চলকের কথাও ভুলে গেলে চলবে না। এগুলোও কোনো না কোনোভাবে শেয়ারের দামকে প্রভাবিত করে। এর মধ্যে শুধু ট্রেন্ডের পরিবর্তনই নয়, শেয়ারবাজারের খবর (অর্থনৈতিক ও রাজনৈতিক), সামাজিক বিষয়, জলবায়ু পরিবর্তন, প্রাকৃতিক দুর্যোগ, যুদ্ধ ইত্যাদিও রয়েছে। তাছাড়া, সক্রিয় অংশগ্রহণকারীদের অযৌক্তিক আচরণ বিবেচনায় নিলে, শেয়ারের দামের পূর্বাভাস দেওয়াও অসম্ভব বলা যায়।

“পূর্বাভাস দেওয়া কঠিন” বলতে সাধারণত আমরা দীর্ঘমেয়াদি পূর্বাভাসের কথা বুঝি।

স্টক ট্রেডিংয়ে মেশিন লার্নিং অ্যালগরিদমের পক্ষে ও বিপক্ষে

স্পষ্ট কারণেই, আজকের দিনে স্টক মার্কেটে ট্রেড করার জন্য ট্রেডাররা এমন প্রযুক্তি পেলে খুশি হবেন। এর মাধ্যমে তারা আরও নির্ভুল পূর্বাভাস দিতে পারবেন এবং স্বয়ংক্রিয়ভাবে বড় আর্থিক লাভ করতে পারবেন। তাছাড়া, বিজ্ঞানীদের মতে, নির্দিষ্ট কোম্পানির তৈরি ঐতিহাসিক ডেটা দিয়ে ML অ্যালগরিদমকে প্রশিক্ষণ দেওয়া সম্ভব। এতে স্টকের দামের পূর্বাভাস আরও নির্ভুল হতে পারে। চরম বাজারের অস্থিরতা বিবেচনায় রাখলে, এই ধরনের টুল ট্রেডিংয়ে তুলনামূলক নিরাপদ পদ্ধতি নিশ্চিত করবে। মানুষ একসঙ্গে সব পারস্পরিক নির্ভরতা বিবেচনা করতে পারে না। ML অ্যালগরিদম এই সমস্যার সমাধান করবে বলে আশা করা হয়।

হ্যাঁ, মেশিনের ঘুমানো বা খাওয়ার প্রয়োজন হয় না। তাদের বিশ্রামেরও দরকার হয় না, আর তারা বিপুল পরিমাণ ডেটা বিশ্লেষণ করতে পারে। অন্যদিকে, নির্দিষ্ট মানবিক ইনপুট ছাড়া মেশিন কখনো সিদ্ধান্ত নিতে পারবে না। তাই আজকের স্টক মার্কেটে মূল চ্যালেঞ্জ হলো ML অ্যালগরিদমকে বিভিন্ন ধরনের প্যাটার্ন শিখতে ও বুঝতে সক্ষম করা। এখানে মূল সমস্যা হলো, ফলাফলে অতিরিক্ত এলোমেলোতা থাকতে পারে, যা নির্ভুল পূর্বাভাসের ধারণার সঙ্গে সাংঘর্ষিক।

স্টক ট্রেডিংয়ে মেশিন লার্নিংয়ের ঝুঁকি

ভবিষ্যতে ML অ্যালগরিদম স্টক ট্রেডারদের অনেক সুবিধা দিতে পারে। তবে এই ধারণা ব্যক্তিগত বিনিয়োগকারী ও ব্রোকার—উভয়ের জন্যই বেশ ঝুঁকিপূর্ণ হতে পারে। স্টক মার্কেটে মেশিন লার্নিং ব্যবহারের প্রধান সমস্যাগুলো হলো:

• চরম অস্থিরতা। শেয়ারবাজারে দামের ওঠানামা অত্যন্ত বেশি, তাই বাজারের গতিপ্রকৃতি সম্পর্কে অনিশ্চয়তাও অনেক। র‍্যান্ডম ওয়াক তত্ত্ব বিষয়টি কিছুটা সহজে বুঝতে সাহায্য করবে। একদিকে, আমরা কিছু বিষয়ের পূর্বাভাস দিতে পারি এবং পূর্বাভাস তৈরির সময় সেগুলো বিবেচনায় নিতে পারি। অন্যদিকে, কিছু বিষয় কখনোই বিবেচনায় নেওয়া সম্ভব নয়, যেমন প্রাকৃতিক দুর্যোগ।
• নির্ভুলতার অভাব। আগেই বলা হয়েছে, মেশিন লার্নিং (ML) অ্যালগরিদম কেবল স্বল্পমেয়াদি সময়সীমায় কার্যকর হতে পারে। তবে দীর্ঘমেয়াদি পূর্বাভাসের কথা ভাবলে নির্ভুলতা অনিবার্যভাবেই কমে যাবে।
• প্রতিযোগিতা বাড়ছে। শেয়ারবাজারে যে তীব্র প্রতিযোগিতা চলে, তা আমাদের সবসময় মনে রাখা উচিত। শেয়ার কেনাবেচা করতে আরও বেশি ট্রেডার বাজারে আসছেন। যত বেশি অংশগ্রহণকারী নিজেদের ML অ্যালগরিদম তৈরি করবেন, তত দ্রুত তারা বাজারের নতুন পরিস্থিতির সঙ্গে মানিয়ে নিতে পারবেন। শেষ পর্যন্ত একই ধরনের অসংখ্য মডেল তৈরি হবে, যেগুলো একে অপরের কাজই নকল করবে। তখন শেয়ারবাজারের খবরই হবে প্রতিযোগিতার একমাত্র অনুসন্ধানযোগ্য ক্ষেত্র।
• প্রশিক্ষণের ডেটার ঘনত্ব। বিভিন্ন ধরনের প্রচুর ঐতিহাসিক ডেটা আমরা ব্যবহার করতে পারি। এর ফলে ML অ্যালগরিদমকে প্রশিক্ষণ দেওয়া সহজ হয়। তবে তথ্যের ঘনত্ব কমে যাওয়ায় এই ডেটা যথেষ্ট নাও হতে পারে। এর ফলে ট্রেডাররা ভিত্তিহীন সিদ্ধান্ত নিতে পারেন, কারণ শেয়ারবাজারের ঐতিহাসিক ডেটা খুবই পরিবর্তনশীল।

সারসংক্ষেপ

শেয়ার ট্রেডিংয়ের স্বয়ংক্রিয়করণ ইতিমধ্যেই অনেক উন্নত হয়েছে। বাজারের অংশগ্রহণকারীরা একসঙ্গে একাধিক ট্রেড স্বয়ংক্রিয়ভাবে পরিচালনার জন্য তৈরি উন্নত ট্রেডিং বট ও অন্যান্য সফটওয়্যার ব্যবহার করে সুবিধা পেতে পারেন। শেয়ার ট্রেডিংয়ে মেশিন লার্নিং অ্যালগরিদমকে স্বয়ংক্রিয়করণের পরবর্তী ধাপ হিসেবে দেখা হচ্ছে।

মূল চ্যালেঞ্জ হলো এমন অ্যালগরিদম তৈরি করা, যা শেয়ারবাজারের সদা পরিবর্তনশীল প্রকৃতির সঙ্গে মানিয়ে নিতে পারে। বাজারের অনিশ্চয়তা ও অস্থিরতার মধ্যে এত জটিল পূর্বাভাস দেওয়ার জন্য কৃত্রিম বুদ্ধিমত্তা যথেষ্ট কার্যকর কি না, সেটাই প্রশ্ন। বিজ্ঞানী ও প্রকৌশলীরা কি সফল হবেন? শিগগিরই জানা যাবে।

এই উপকরণে বিনিয়োগসংক্রান্ত পরামর্শ, বিনিয়োগের সুপারিশ, আর্থিক উপকরণে কোনো লেনদেনের প্রস্তাব বা আহ্বান নেই এবং এটিকে এমন কিছু আছে বলে ব্যাখ্যা করা উচিত নয়। কোনো বিনিয়োগের সিদ্ধান্ত নেওয়ার আগে, ঝুঁকিগুলো বুঝতে পারছেন কি না তা নিশ্চিত করতে স্বাধীন আর্থিক উপদেষ্টার পরামর্শ নিন।