Whalesbook
મોટી વૈશ્વિક નાણાકીય સંસ્થાઓ હવે કુદરતી આફતો માટે ઉપયોગમાં લેવાતી અદ્યતન આગાહી ટેકનોલોજીનો ઉપયોગ યુદ્ધના જોખમોની આગાહી કરવા અને તેનું મૂલ્યાંકન કરવા માટે કરી રહી છે. ભૂ-રાજકીય સંઘર્ષો દ્વારા સર્જાતી આર્થિક અનિશ્ચિતતાને કારણે, ફર્મ્સ સપ્લાય ચેઇન અને વીમાના જોખમોનું વધુ સારી રીતે સંચાલન કરવા માટે AI-આધારિત મોડેલ્સ તરફ આગળ વધી રહી છે.
શું થયું?
વૈશ્વિક નાણાકીય સંસ્થાઓ, જેમાં મોટા બેંકો અને રોકાણ ફર્મ્સનો સમાવેશ થાય છે, તેઓ યુદ્ધ અને ભૂ-રાજકીય અસ્થિરતાના જોખમનું મૂલ્યાંકન કરવાની રીત બદલી રહી છે. પરંપરાગત રીતે, નાણાકીય મોડેલ્સ ભૂતકાળના ડેટા પર આધાર રાખતા હતા - એટલે કે, ભવિષ્યના જોખમોનો અંદાજ કાઢવા માટે અગાઉના સંઘર્ષોમાં શું થયું તે જોતા હતા. જોકે, હવે ફર્મ્સ "કેટાસ્ટ્રોફ મોડેલિંગ" તરફ આગળ વધી રહી છે, જે મૂળ રૂપે વીમા કંપનીઓ દ્વારા વાવાઝોડા અને ભૂકંપ જેવી કુદરતી આફતોની આગાહી કરવા માટે ઉપયોગમાં લેવાતી પદ્ધતિ છે. આ નવા મોડેલ્સ સંભવિત સંઘર્ષ વિસ્તારો અને લશ્કરી આક્રમણની સંભાવનાની આગાહી કરવા માટે આર્ટિફિશિયલ ઇન્ટેલિજન્સ (AI) અને મશીન લર્નિંગનો ઉપયોગ કરે છે, જેનાથી રોકાણકારો અને વીમાકર્તાઓને તેમના જોખમોનું વધુ સારી રીતે મૂલ્યાંકન કરવામાં મદદ મળે છે.
ઇતિહાસથી આગાહી તરફ:
Verisk Maplecroft અને RAND Corporation જેવી સંસ્થાઓના નિષ્ણાતો માત્ર ઐતિહાસિક પેટર્ન પર આધાર રાખવાથી દૂર જવા માટે સાધનો વિકસાવી રહ્યા છે. આ નવી સિસ્ટમો આગાહીયુક્ત પ્રોજેક્શન બનાવવા માટે સામાજિક, આર્થિક અને રાજકીય ઇનપુટ્સ સહિત વિશાળ ડેટાનું વિશ્લેષણ કરે છે. ઉદાહરણ તરીકે, કેટલાક મોડેલ્સ હવે શાસનમાં અસ્થિરતા અથવા પ્રાદેશિક તણાવના વધારા જેવી ચોક્કસ ભૂ-રાજકીય ઘટનાઓ માટે સંભાવના ટકાવારી સોંપે છે. આ અભિગમ પ્રતિક્રિયાશીલ માનસિકતાથી સક્રિય તરફનું પરિવર્તન દર્શાવે છે, જ્યાં કંપનીઓ વિક્ષેપો થાય તે પહેલાં તેનો અંદાજ લગાવવાનો પ્રયાસ કરે છે.
રોકાણકારો માટે આ શા માટે મહત્વનું છે?
રોકાણકારો માટે, મુખ્ય ચિંતા એ છે કે આ મોડેલ્સ વૈશ્વિક સંપત્તિના ભાવ અને સપ્લાય ચેઇનને કેવી રીતે પ્રભાવિત કરે છે. જ્યારે જોખમ મોડેલ્સ વધુ અત્યાધુનિક બને છે, ત્યારે તેઓ દરિયાઈ યુદ્ધ જોખમ વીમા માટે વસૂલવામાં આવતા પ્રીમિયમને સીધી અસર કરે છે, ખાસ કરીને હોર્મુઝની ખાડી જેવા મહત્વપૂર્ણ શિપિંગ માર્ગોમાં. જ્યારે વીમાકર્તાઓ આ પ્રીમિયમ વધારે છે, ત્યારે વૈશ્વિક સ્તરે માલસામાનની હેરફેરનો ખર્ચ વધે છે. આ આંતરરાષ્ટ્રીય વેપારમાં ખર્ચનું વધારાનું સ્તર ઉમેરે છે, જે ઉર્જાના ભાવોથી લઈને આયાતી કાચા માલની ઉપલબ્ધતા સુધીની દરેક બાબતને અસર કરે છે. આ મોડેલ્સને સમજવાથી રોકાણકારોને કયા ક્ષેત્રો અથવા કંપનીઓને વધતા વીમા અથવા લોજિસ્ટિકલ ખર્ચને કારણે માર્જિન દબાણનો સામનો કરવો પડી શકે છે તે ઓળખવામાં મદદ મળે છે.
ભારતીય સંદર્ભ:
આ વલણ ખાસ કરીને ભારતીય અર્થતંત્ર માટે સુસંગત છે, જે ક્રૂડ ઓઇલ અને અન્ય કોમોડિટીઝનો નોંધપાત્ર આયાતકાર છે. ભારતના મોટાભાગના ઉર્જા પુરવઠા દરિયાઈ ચોકપોઇન્ટ્સમાંથી પસાર થાય છે જ્યાં ભૂ-રાજકીય તણાવ તાત્કાલિક દરિયાઈ યુદ્ધ જોખમ વીમા પ્રીમિયમમાં વધારો કરી શકે છે. ટેન્કરો અને કાર્ગો જહાજો માટે ઉચ્ચ વીમા ખર્ચ ભારતીય તેલ રિફાઇનર્સ અને લોજિસ્ટિક્સ કંપનીઓ માટે ઊંચા લેન્ડેડ ખર્ચમાં પરિણમે છે. જેમ જેમ વૈશ્વિક નાણાકીય પેઢીઓ આ જોખમ સાધનોને સુધારે છે, તેમ તેમ તેમના આંતરિક મૂલ્યાંકન જોખમી પ્રદેશોમાં કાર્યરત અથવા વ્યવહાર કરતી ભારતીય વ્યવસાયો માટે મૂડી અને વેપાર ધિરાણના ખર્ચને પ્રભાવિત કરી શકે છે.
શું ખોટું થઈ શકે?
જ્યારે AI અને મશીન લર્નિંગ મોટા ડેટાસેટ્સ પર પ્રક્રિયા કરી શકે છે, ત્યારે ભૂ-રાજકીય ઘટનાઓની આગાહી કરવી મુશ્કેલ છે કારણ કે તેમાં માનવ નિર્ણય લેવાનો સમાવેશ થાય છે, જે હંમેશા તાર્કિક પેટર્નને અનુસરતું નથી. એવી સંભાવના છે કે આ મોડેલ્સ ખોટા સંકેતો આપી શકે છે, કાં તો જોખમનો વધુ પડતો અંદાજ લગાવી શકે છે - જેના કારણે બિનજરૂરી ગભરાટ અથવા ઊંચા ખર્ચ થઈ શકે છે - અથવા તેનો ઓછો અંદાજ લગાવી શકે છે. વધુમાં, જો આ મોડેલ્સમાં દાખલ કરાયેલ ડેટા ખામીયુક્ત અથવા અધૂરો હોય, તો આઉટપુટ ગેરમાર્ગે દોરનારું હોઈ શકે છે. રોકાણકારોએ ધ્યાનમાં રાખવું જોઈએ કે આ આગાહીયુક્ત સાધનો હજુ પણ વિકસિત થઈ રહ્યા છે અને ભવિષ્યની ઘટનાઓના સંપૂર્ણ આગાહીકર્તા નથી.
રોકાણકારોએ શું ધ્યાન રાખવું જોઈએ?
આગળ જતાં, રોકાણકારો આ નવા આગાહી મોડેલ્સના પ્રતિભાવમાં વીમા પ્રદાતાઓ તેમના પ્રીમિયમ કેવી રીતે સમાયોજિત કરે છે તેનો ટ્રૅક રાખી શકે છે. મુખ્ય વેપાર માર્ગો માટે વીમા ખર્ચમાં નોંધપાત્ર વધારો વ્યાપક સપ્લાય ચેઇન વિક્ષેપોનો સંકેત આપી શકે છે. વધુમાં, શિપિંગ, તેલ અને ઉત્પાદન ક્ષેત્રની કંપનીઓ તેમની નાણાકીય અહેવાલોમાં તેઓ ભૂ-રાજકીય સંપર્કનું સંચાલન કેવી રીતે કરી રહ્યા છે તે અંગે અપડેટ્સ પ્રદાન કરી શકે છે. વધતા લોજિસ્ટિક્સ ખર્ચ અને વીમા ઓવરહેડ પર આ કંપનીઓ તરફથી ટિપ્પણીઓનું નિરીક્ષણ કરવું એ નફાના માર્જિન પર સંભવિત અસરોનું મૂલ્યાંકન કરવા માટે મહત્વપૂર્ણ રહેશે.