ब्लॅकरॉक (BlackRock) आता इमर्जिंग मार्केटमधील (Emerging Market) व्यापक फंडांऐवजी विशिष्ट देशांवर लक्ष केंद्रित करत आहे. विशेषतः, भारतातील मार्केटमधील तरलता (Liquidity) आणि संस्थात्मक वाढ (Institutional Growth) यामुळे, या मालमत्ता व्यवस्थापकाने (Asset Manager) भारताला सिस्टिमॅटिक (Systematic) आणि डेटा-आधारित गुंतवणुकीसाठी प्रमुख केंद्र म्हणून निवडले आहे.
काय घडले?
जागतिक गुंतवणूकदार आता विकसनशील अर्थव्यवस्थांकडे (Developing Economies) पाहण्याचा दृष्टिकोन बदलत आहेत. विविध देशांना एकत्र करणाऱ्या 'इमर्जिंग मार्केट' फंडांमध्ये गुंतवणूक करण्याऐवजी, मोठे संस्थात्मक गुंतवणूकदार (Institutional Investors) आता विशिष्ट देशांवर लक्ष केंद्रित करणाऱ्या धोरणांकडे वळत आहेत. ब्लॅकरॉकच्या सिस्टिमॅटिक ग्रुपचे (BlackRock Systematic Group) प्रमुख अहमद तलौई (Ahmed Talhaoui) यांनी सांगितले की, भारत या नवीन दृष्टिकोनसाठी एक प्रमुख स्थान म्हणून उदयास आला आहे. व्यापक प्रादेशिक एक्सपोजरऐवजी, स्पष्ट दीर्घकालीन दृष्टीकोन (Long-term Vision) आणि मजबूत संस्थात्मक चौकट (Institutional Frameworks) असलेल्या बाजारपेठांना प्राधान्य दिले जात आहे.
सिस्टिमॅटिक गुंतवणूक म्हणजे काय?
सिस्टिमॅटिक गुंतवणूक (Systematic Investing) हा एक डेटा-आधारित दृष्टिकोन आहे, जो मानवी अंतर्ज्ञान किंवा मॅन्युअल संशोधनावर अवलंबून राहण्याऐवजी नियम आणि अल्गोरिदमवर (Algorithms) आधारित गुंतवणुकीचे निर्णय घेतो. या मॉडेलमध्ये, कंपनीची कमाई (Earnings), मूल्यांकन (Valuation), मोमेंटम (Momentum) आणि भावना (Sentiment) यांसारख्या हजारो डेटा पॉइंट्सवर (Data Points) प्रक्रिया केली जाते, ज्यामुळे विशिष्ट निकष पूर्ण करणारे शेअर्स ओळखता येतात. गुंतवणूकदारांसाठी, ही पद्धत पारदर्शक आहे कारण खरेदी किंवा विक्रीची कारणे गुंतवणूक मॉडेलद्वारे स्पष्टपणे परिभाषित केली जातात. ब्लॅकरॉक सध्या अशा प्रकारच्या धोरणांमध्ये $400 अब्ज पेक्षा जास्त व्यवस्थापित करत आहे.
भारत या मॉडेलमध्ये कसा बसतो?
सिस्टिमॅटिक गुंतवणूकदारांसाठी, तरलता (Liquidity) आणि डेटा गुणवत्ता (Data Quality) या दोन गोष्टी महत्त्वाच्या आहेत. तरलता म्हणजे मोठ्या ऑर्डर्समुळे किंमतीत जास्त चढ-उतार न होता शेअर्सची खरेदी-विक्री करणे, तर डेटा गुणवत्ता मॉडेलला कंपनीच्या आरोग्याचे अचूक विश्लेषण करण्यास मदत करते. तलौई यांच्या मते, भारताची बाजारपेठ अधिक तरल झाली आहे आणि संस्थात्मक खेळाडूंसाठी नेव्हिगेट करणे सोपे झाले आहे. भारतीय कंपन्या त्यांच्या आर्थिक अहवालांमध्ये सुधारणा करत आहेत आणि बाजारपेठ अधिक संस्थात्मक भांडवल (Institutional Capital) आकर्षित करत असल्याने, इतर कमी पारदर्शक इमर्जिंग मार्केट्सच्या तुलनेत या सिस्टिमॅटिक मॉडेल्सना कार्य करण्यासाठी एक आदर्श वातावरण तयार झाले आहे.
AI आणि तंत्रज्ञानाची भूमिका
कृत्रिम बुद्धिमत्ता (AI) आणि प्रगत संगणक मॉडेल्स (Advanced Computer Models) या प्रक्रियेत वाढती भूमिका बजावत आहेत. ब्लॅकरॉकच्या मते, AI मानवी व्यवस्थापकाला बदलत नाही, परंतु ते प्रचंड प्रमाणात असलेला आर्थिक डेटा मानवापेक्षा वेगाने प्रक्रिया करण्यासाठी एक शक्तिशाली साधन म्हणून कार्य करते. यामुळे गुंतवणूक कंपन्यांना त्यांच्या कल्पनांना अधिक परिष्कृत करण्याची आणि बदलत्या बाजार परिस्थितीशी जुळवून घेण्याची संधी मिळते. भूतकाळातील टेक बबलच्या (Tech Bubbles) सट्टा स्वभावापेक्षा (Speculative Nature) वेगळे, आजचे AI-केंद्रित लीडर्स अनेकदा मजबूत कमाई आणि ठोस व्यवसाय मॉडेल (Tangible Business Models) असलेले असल्याचे फर्मचे मत आहे, ज्यामुळे वाढीचा मार्ग अधिक टिकाऊ बनतो.
धोके आणि गुंतवणूकदारांनी काय पाहावे?
जरी सिस्टिमॅटिक भांडवलाचा हा प्रवाह बाजार तरलता आणि मूल्यांकनांना (Valuations) चालना देऊ शकतो, तरीही तो वैयक्तिक गुंतवणूकदारांसाठी नवीन गतिशीलता (Dynamics) सादर करतो. सिस्टिमॅटिक किंवा अल्गोरिथमिक गुंतवणुकीतील एक प्रमुख धोका म्हणजे 'क्राउडेड ट्रेड' (Crowded Trade) ची घटना. जर अनेक मोठे जागतिक फंड समान डेटा मॉडेल्स वापरत असतील, तर ते सर्व एकाच वेळी समान सिग्नल्सवर आधारित समान शेअर्स खरेदी किंवा विक्री करण्याचा निर्णय घेऊ शकतात. यामुळे अल्पकालीन अस्थिरता (Short-term Volatility) वाढू शकते.
गुंतवणूकदारांनी विदेशी संस्थात्मक प्रवाहांची (Foreign Institutional Flows) सातत्यता आणि बाजारपेठेतील अस्थिरतेतील कोणतेही लक्षणीय बदल ट्रॅक केले पाहिजेत. जर जागतिक व्याजदरात (Global Interest Rates) चढ-उतार झाले किंवा ऊर्जा बाजारात (Energy Market) समायोजन झाले, तर सिस्टिमॅटिक मॉडेल्स वेगाने प्रतिक्रिया देऊ शकतात. अनिश्चिततेच्या काळात ही मॉडेल्स कशी कामगिरी करतात यावर लक्ष ठेवणे, हे बाजाराच्या दीर्घकालीन स्थिरतेसाठी एक महत्त्वाचे निरीक्षण ठरू शकते.