এআই গ্লসারি
কৃত্রিম বুদ্ধিমত্তার সম্পূর্ণ অভিধান
শর্তাধীন মূল্য ঝুঁকি (VaR)
একটি ঝুঁকি পরিমাপ যা একটি পোর্টফোলিওর সম্ভাব্য সর্বোচ্চ ক্ষতির অনুমান করে একটি নির্দিষ্ট সময়সীমার মধ্যে, নির্দিষ্ট বাজারের অবস্থা বা তথ্যের সেটের উপর ভিত্তি করে, যা প্রায়শই পুনরাবৃত্ত নিউরাল নেটওয়ার্কের মতো এআই মডেল ব্যবহার করে গণনা করা হয়।
ডিপ লার্নিং দ্বারা প্রত্যাশিত ঘাটতি (ES)
একটি পোর্টফোলিওর সবচেয়ে খারাপ পরিস্থিতিতে গড় ক্ষতির অনুমান, যেখানে VaR-এর সীমা অতিক্রম করে চরম ক্ষতির বণ্টন গভীর নিউরাল নেটওয়ার্ক দ্বারা মডেল করা হয় যাতে অরৈখিকতা এবং জটিল নির্ভরতা ধরা যায়।
এআই দ্বারা উৎপন্ন স্ট্রেস-টেস্টিং
একটি কৌশল যেখানে এআই মডেল যেমন GANs (Generative Adversarial Networks) ব্যবহার করে সম্ভাব্য কিন্তু অপ্রত্যাশিত অর্থনৈতিক ও আর্থিক সংকটের পরিস্থিতি তৈরি করা হয়, যাতে একটি পোর্টফোলিও বা প্রতিষ্ঠানের স্থিতিস্থাপকতা মূল্যায়ন করা যায়।
ডিপ কপুলা মডেল
একটি গভীর শিক্ষণ কাঠামো যা একাধিক আর্থিক চলকের মধ্যে জটিল নির্ভরতা কাঠামো (কপুলা) শেখে, যা কাউন্টারপার্টি ঝুঁকি মূল্যায়নের জন্য প্রয়োজনীয় লেজের সম্পর্কের আরও সঠিক মডেলিংয়ের সুযোগ দেয়।
অপশন প্রাইসিংয়ের জন্য কোয়ান্টাম নিউরাল নেটওয়ার্ক
কোয়ান্টাম-অনুপ্রাণিত অ্যালগরিদম বা কোয়ান্টাম কম্পিউটারে চলমান নিউরাল নেটওয়ার্কের প্রয়োগ, যা অপশন প্রাইসিংয়ের জটিল স্টোকাস্টিক ডিফারেনশিয়াল সমীকরণ সমাধান করে, বিশেষ করে এক্সোটিক পণ্যগুলির জন্য।
ট্যাকটিক্যাল অ্যাসেট অ্যালোকেশনের জন্য রিইনফোর্সমেন্ট লার্নিং
রিইনফোর্সমেন্ট লার্নিং এজেন্টের ব্যবহার যা একটি সিমুলেটেড বাজার পরিবেশের সাথে মিথস্ক্রিয়া করে একটি সর্বোত্তম বিনিয়োগ নীতি শেখে, স্বল্প থেকে মধ্যম মেয়াদে ঝুঁকি-সামঞ্জস্যপূর্ণ রিটার্ন সর্বাধিক করার জন্য।
আর্থিক সময় সিরিজে অসঙ্গতি সনাক্তকরণ
অনিয়ন্ত্রিত এআই অ্যালগরিদমের (যেমন: অটোএনকোডার, আইসোলেশন ফরেস্ট) ব্যবহার লেনদেন বা মূল্য চলাচলের অস্বাভাবিক প্যাটার্ন শনাক্ত করার জন্য, যা প্রতারণা, বাজারের ত্রুটি বা উদীয়মান সিস্টেমিক ঘটনার ইঙ্গিত দিতে পারে।
গ্রাফ নিউরাল নেটওয়ার্ক (GNN) দ্বারা ক্রেডিট ঝুঁকি মডেলিং
একটি পদ্ধতি যা সত্তা (ঋণগ্রহীতা, জামানত, কোম্পানি) এবং তাদের সম্পর্ককে একটি গ্রাফ হিসেবে উপস্থাপন করে, তারপর GNN ব্যবহার করে ডিফল্টের সম্ভাবনা পূর্বাভাস দেয়, নেটওয়ার্কের সংক্রমণ প্রভাব এবং কাঠামোগত নির্ভরতা ধরে।
ট্রান্সফরমার নেটওয়ার্কের মাধ্যমে অস্থিরতার পূর্বাভাস
প্রাথমিকভাবে NLP-এর জন্য ডিজাইন করা ট্রান্সফরমার মডেলগুলির প্রয়োগ, আর্থিক সময়-সিরিজে ভবিষ্যতের অস্থিরতা পূর্বাভাস দেওয়ার জন্য, বাজারের তথ্যে দীর্ঘমেয়াদী নির্ভরতা এবং জটিল প্যাটার্ন কার্যকরভাবে ধারণ করে।
মডেলের নিয়ন্ত্রক বৈধতার জন্য XAI (ব্যাখ্যাযোগ্য এআই)
একটি কৌশলগত সমষ্টি (যেমন: SHAP, LIME) যার লক্ষ্য হল আর্থিক খাতে ব্যবহৃত 'ব্ল্যাক বক্স' এআই মডেলগুলির সিদ্ধান্ত ব্যাখ্যা ও ন্যায্যতা প্রদান করা, যাতে BCE বা EFSA-এর মতো নিয়ন্ত্রকদের দ্বারা আরোপিত স্বচ্ছতা ও ডকুমেন্টেশনের প্রয়োজনীয়তা পূরণ করা যায়।
বিপরীত রিইনফোর্সমেন্ট লার্নিং দ্বারা ঝুঁকি মডেলের ক্যালিব্রেশন
একটি পদ্ধতি যা ঝুঁকি মডেলের প্যারামিটার (যেমন: ঝুঁকি এড়ানোর প্রবণতা, ট্রানজিশন সম্ভাবনা) অনুমান করে বিশেষজ্ঞদের সিদ্ধান্ত পর্যবেক্ষণ করে, ধরে নেওয়া হয় যে এই সিদ্ধান্তগুলি একটি নির্দিষ্ট ঝুঁকি মানদণ্ড অনুযায়ী সর্বোত্তম।
ঝুঁকি মডেলের দ্রুত অভিযোজনের জন্য মেটা-লার্নিং
একটি কৌশল যেখানে একটি মডেল শিখতে শেখে, যা তাকে খুব কম তথ্য দিয়ে নতুন বাজারের পরিস্থিতি বা নতুন ধরনের আর্থিক উপকরণের সঙ্গে দ্রুত খাপ খাইয়ে নিতে দেয়, যা সংকটের সময় ঝুঁকি মডেলের প্রাসঙ্গিকতা বজায় রাখার জন্য অত্যন্ত গুরুত্বপূর্ণ।
এআই মডেলের অনিশ্চয়তা পরিমাপ (ডিপ এনসেম্বল)
একটি পদ্ধতি যেখানে বিভিন্ন ডেটা সাবসেটে একাধিক এআই মডেলকে প্রশিক্ষণ দেওয়া হয় এবং তাদের পূর্বাভাস একত্রিত করা হয়, যাতে শুধু আরও শক্তিশালী অনুমান পাওয়া যায় না, বরং প্রতিটি ঝুঁকি পূর্বাভাসের সঙ্গে যুক্ত অনিশ্চয়তা বা আস্থাও পরিমাপ করা যায়।
এআই-ভিত্তিক এজেন্ট দ্বারা তারল্য ঝুঁকির মডেলিং
বাজারের সিমুলেশন যেখানে কৃত্রিম বুদ্ধিমান এজেন্টরা, যাদের শেখার কৌশল রয়েছে, তারা পারস্পরিক ক্রিয়ায় মূল্য ও পরিমাণ গঠন করে, যা পোর্টফোলিওর তারল্য এবং লেনদেনের খরচে আঘাতের প্রভাব অধ্যয়ন করতে সাহায্য করে।
NLP-এর মাধ্যমে আর্থিক সংবাদের উপর ভিত্তি করে সিস্টেমিক ঝুঁকি বিশ্লেষণ
প্রাকৃতিক ভাষা প্রক্রিয়াকরণ (NLP) এবং ট্রান্সফরমার মডেলের ব্যবহার, রিয়েল-টাইমে টেক্সট ডেটা (সংবাদ, প্রতিবেদন, সামাজিক মাধ্যম) বিশ্লেষণ করে বাজারের মনোভাব পরিমাপ এবং সিস্টেমিক ঝুঁকির পূর্বাভাস শনাক্ত করার জন্য।