AI ਨਾਲ ਬਾਜ਼ਾਰ ਦੀ ਖੋਜ ਕਿਵੇਂ ਕਰੀਏ ਸ਼ਾਰਪ? ਜਾਣੋ ਨਿਵੇਸ਼ਕਾਂ ਲਈ ਵੱਡੀਆਂ ਗੱਲਾਂ

ਭਾਰਤੀ ਸ਼ੇਅਰ ਬਾਜ਼ਾਰ ਵਿੱਚ ਅੱਜਕੱਲ੍ਹ ਆਰਟੀਫੀਸ਼ੀਅਲ ਇੰਟੈਲੀਜੈਂਸ (AI) ਸਿਰਫ਼ ਇੱਕ ਚਰਚਾ ਦਾ ਵਿਸ਼ਾ ਨਹੀਂ ਰਿਹਾ, ਸਗੋਂ ਇਹ ਬਹੁਤ ਸਾਰੇ ਰਿਟੇਲ ਅਤੇ ਪ੍ਰੋਫੈਸ਼ਨਲ ਨਿਵੇਸ਼ਕਾਂ ਲਈ ਇੱਕ ਅਸਲੀ ਸਾਧਨ ਬਣ ਗਿਆ ਹੈ।

AI ਜਿੱਥੇ ਇੱਕ ਪਾਸੇ ਕੰਪਨੀਆਂ ਦੀਆਂ ਕਮਾਈ ਰਿਪੋਰਟਾਂ (Earnings Reports) ਨੂੰ ਜਲਦੀ ਸਾਰਾਂਸ਼ਿਤ ਕਰ ਸਕਦਾ ਹੈ ਜਾਂ ਮੁਸ਼ਕਲ ਵਿੱਤੀ ਅਨੁਪਾਤਾਂ (Financial Ratios) ਨੂੰ ਸਮਝਾ ਸਕਦਾ ਹੈ, ਉੱਥੇ ਹੀ ਦੂਜੇ ਪਾਸੇ ਇਹ ਚਿੰਤਾ ਵੀ ਵੱਧ ਰਹੀ ਹੈ ਕਿ ਇਸ ਸੁਵਿਧਾ ਕਾਰਨ ਲੋਕਾਂ ਦੀ ਸੋਚਣ-ਸਮਝਣ ਦੀ ਸ਼ਕਤੀ ਘੱਟ ਸਕਦੀ ਹੈ। ਜੇਕਰ ਨਿਵੇਸ਼ਕ ਸਿਰਫ਼ ਮਸ਼ੀਨ ਦੁਆਰਾ ਦਿੱਤੀ ਗਈ ਜਾਣਕਾਰੀ 'ਤੇ ਹੀ ਨਿਰਭਰ ਕਰਦੇ ਹਨ ਅਤੇ ਡਾਟਾ ਦੀ ਡੂੰਘਾਈ ਵਿੱਚ ਨਹੀਂ ਜਾਂਦੇ, ਤਾਂ ਇਹ ਗਲਤ ਨਿਵੇਸ਼ ਫੈਸਲਿਆਂ ਵੱਲ ਲੈ ਜਾ ਸਕਦਾ ਹੈ।

'ਆਲਸੀ ਨਿਵੇਸ਼ਕ' ਬਣਨ ਦਾ ਖਤਰਾ

AI ਦੀ ਵਰਤੋਂ ਕਰਨ ਵਾਲੇ ਨਿਵੇਸ਼ਕਾਂ ਲਈ ਸਭ ਤੋਂ ਵੱਡਾ ਖਤਰਾ ਇਹ ਹੈ ਕਿ ਉਹ ਮਸ਼ੀਨ ਦੁਆਰਾ ਦਿੱਤੇ ਨਤੀਜਿਆਂ ਨੂੰ ਸੱਚਾਈ ਮੰਨ ਲੈਂਦੇ ਹਨ ਅਤੇ ਉਸਦੀ ਜਾਂਚ ਨਹੀਂ ਕਰਦੇ। ਜਦੋਂ ਕੋਈ ਨਿਵੇਸ਼ਕ ਕਿਸੇ ਕੰਪਨੀ ਦੀ ਸੰਭਾਵਨਾਵਾਂ ਬਾਰੇ AI ਤੋਂ ਪੁੱਛਦਾ ਹੈ, ਤਾਂ AI ਇੱਕ ਚੰਗੀ ਤਰ੍ਹਾਂ ਲਿਖੀ ਗਈ ਰਿਪੋਰਟ ਤਿਆਰ ਕਰ ਸਕਦਾ ਹੈ। ਪਰ AI ਮਾਡਲ ਕਈ ਵਾਰ ਉਪਭੋਗਤਾ ਦੇ ਪੱਖਪਾਤ (Biases) ਦੀ ਪੁਸ਼ਟੀ ਕਰਦੇ ਹਨ। ਉਦਾਹਰਨ ਲਈ, ਜੇਕਰ ਕੋਈ ਨਿਵੇਸ਼ਕ ਕਿਸੇ ਖਾਸ ਸੈਕਟਰ ਬਾਰੇ ਬਹੁਤ ਆਸ਼ਾਵਾਦੀ ਹੈ, ਤਾਂ AI ਅਣਜਾਣੇ ਵਿੱਚ ਸਕਾਰਾਤਮਕ ਰੁਝਾਨਾਂ 'ਤੇ ਧਿਆਨ ਕੇਂਦਰਿਤ ਕਰ ਸਕਦਾ ਹੈ ਅਤੇ ਸੈਕਟਰ-ਵਿਆਪੀ ਜੋਖਮਾਂ, ਜਿਵੇਂ ਕਿ ਰੈਗੂਲੇਟਰੀ ਬਦਲਾਅ ਜਾਂ ਕੱਚੇ ਮਾਲ ਦੀਆਂ ਕੀਮਤਾਂ ਵਿੱਚ ਦਬਾਅ, ਨੂੰ ਨਜ਼ਰਅੰਦਾਜ਼ ਕਰ ਸਕਦਾ ਹੈ।

ਇਹ 'ਆਲਸੀ' ਪਹੁੰਚ ਨਿਵੇਸ਼ ਦਾ ਸਭ ਤੋਂ ਮਹੱਤਵਪੂਰਨ ਹਿੱਸਾ, ਯਾਨੀ ਕਿ ਡਿਊ ਡਿਲੀਜੈਂਸ (Due Diligence), ਨੂੰ ਬਾਹਰ ਕਰ ਦਿੰਦੀ ਹੈ। ਵਿੱਤੀ ਵਿਸ਼ਲੇਸ਼ਣ ਲਈ ਕਾਰੋਬਾਰੀ ਮਾਡਲਾਂ, ਕੈਸ਼ ਫਲੋ, ਅਤੇ ਪ੍ਰਬੰਧਨ ਦੇ ਰਿਕਾਰਡ ਦੀ ਡੂੰਘੀ ਸਮਝ ਦੀ ਲੋੜ ਹੁੰਦੀ ਹੈ - ਇਹ ਉਹ ਸੂਖਮਤਾਵਾਂ ਹਨ ਜਿਨ੍ਹਾਂ ਨੂੰ AI ਕਈ ਵਾਰ ਗੁਆ ਸਕਦਾ ਹੈ ਜਾਂ ਗਲਤ ਜਾਣਕਾਰੀ ਦੇ ਸਕਦਾ ਹੈ। ਇਸ ਤਰ੍ਹਾਂ ਦੇ ਸ਼ਾਰਟਕੱਟ 'ਤੇ ਪੂਰੀ ਤਰ੍ਹਾਂ ਨਿਰਭਰ ਰਹਿਣ ਨਾਲ ਨਿਵੇਸ਼ਕ ਬਾਜ਼ਾਰ ਦੀਆਂ ਅਸਥਿਰ ਸਥਿਤੀਆਂ ਲਈ ਤਿਆਰ ਨਹੀਂ ਰਹਿ ਸਕਦੇ।

ਵਿਸ਼ਲੇਸ਼ਣ ਨੂੰ ਬਿਹਤਰ ਬਣਾਉਣ ਲਈ AI ਦੀ ਵਰਤੋਂ, ਬਦਲਣ ਲਈ ਨਹੀਂ

ਆਪਣੀ ਖੋਜ ਨੂੰ ਸ਼ਾਰਪ ਬਣਾਉਣ ਲਈ, ਸਿਆਣੇ ਨਿਵੇਸ਼ਕ AI ਨਾਲ ਆਪਣੇ ਸੰਵਾਦ ਦੇ ਤਰੀਕੇ ਨੂੰ ਬਦਲ ਰਹੇ ਹਨ। ਇਸਨੂੰ 'ਹਾਂ ਜਾਂ ਨਾਂ' ਜਵਾਬ ਪ੍ਰਾਪਤ ਕਰਨ ਲਈ ਇੱਕ ਖੋਜ ਇੰਜਣ (Search Engine) ਵਾਂਗ ਵਰਤਣ ਦੀ ਬਜਾਏ, ਉਹ ਇਸਨੂੰ ਇੱਕ 'ਸਪਾਰਿੰਗ ਪਾਰਟਨਰ' ਵਜੋਂ ਵਰਤ ਰਹੇ ਹਨ। ਇੱਕ ਬਹੁਤ ਪ੍ਰਭਾਵਸ਼ਾਲੀ ਰਣਨੀਤੀ ਹੈ AI ਦੀ ਵਰਤੋਂ ਕਿਸੇ ਸਟਾਕ ਲਈ 'ਬੇਅਰ ਕੇਸ' (Bear Case) ਬਣਾਉਣ ਲਈ ਕਰਨਾ। AI ਨੂੰ ਸਪੱਸ਼ਟ ਤੌਰ 'ਤੇ ਕਿਸੇ ਥੀਸਿਸ ਦੀ ਆਲੋਚਨਾ ਕਰਨ, ਸੰਭਾਵੀ ਰੈਗੂਲੇਟਰੀ ਰੁਕਾਵਟਾਂ ਦੀ ਸੂਚੀ ਬਣਾਉਣ, ਜਾਂ ਕੰਪਨੀ ਦੇ ਮੁਨਾਫੇ ਦੇ ਮਾਰਜਿਨ 'ਤੇ ਦਬਾਅ ਪਾਉਣ ਦੇ ਕਾਰਨਾਂ ਦੀ ਪਛਾਣ ਕਰਨ ਲਈ ਕਹਿ ਕੇ, ਨਿਵੇਸ਼ਕ ਅਜਿਹੇ ਜੋਖਮਾਂ ਨੂੰ ਉਜਾਗਰ ਕਰ ਸਕਦੇ ਹਨ ਜਿਨ੍ਹਾਂ ਨੂੰ ਉਹ ਸ਼ਾਇਦ ਨਜ਼ਰਅੰਦਾਜ਼ ਕਰ ਰਹੇ ਹੋਣ।

ਇੱਕ ਹੋਰ ਮੁੱਖ ਅਭਿਆਸ 'ਪ੍ਰੋਬਲਮ ਫਰੇਮਿੰਗ' (Problem Framing) ਹੈ। AI ਵਿੱਚ ਛਾਲ ਮਾਰਨ ਤੋਂ ਪਹਿਲਾਂ, ਨਿਵੇਸ਼ਕ ਨੂੰ ਇਹ ਪਰਿਭਾਸ਼ਿਤ ਕਰਨਾ ਚਾਹੀਦਾ ਹੈ ਕਿ ਉਹ ਕੀ ਲੱਭ ਰਿਹਾ ਹੈ। ਉਦਾਹਰਨ ਲਈ, 'ਕੀ ਇਹ ਕੰਪਨੀ ਖਰੀਦਣ ਯੋਗ ਹੈ?' ਪੁੱਛਣ ਦੀ ਬਜਾਏ, ਇੱਕ ਵਧੇਰੇ ਲਾਭਦਾਇਕ ਪ੍ਰੋਂਪਟ ਇਹ ਹੋ ਸਕਦਾ ਹੈ, 'ਪਿਛਲੇ ਪੰਜ ਸਾਲਾਂ ਦੌਰਾਨ ਇਸ ਕੰਪਨੀ ਦੇ ਡੈਬਟ-ਟੂ-ਇਕੁਇਟੀ ਰੇਸ਼ੋ (Debt-to-Equity Ratio) ਦਾ ਵਿਸ਼ਲੇਸ਼ਣ ਕਰੋ ਅਤੇ ਸਮਝਾਓ ਕਿ ਇਸਦੇ ਪੂੰਜੀ ਖਰਚ (Capital Spending) ਇਸਦੇ ਮੁਫਤ ਕੈਸ਼ ਫਲੋ (Free Cash Flow) ਨੂੰ ਕਿਵੇਂ ਪ੍ਰਭਾਵਿਤ ਕਰਦੇ ਹਨ।' ਇਸ ਲਈ ਨਿਵੇਸ਼ਕ ਨੂੰ ਵਿੱਤ ਦਾ ਮੁੱਢਲਾ ਗਿਆਨ ਹੋਣਾ ਜ਼ਰੂਰੀ ਹੈ, ਇਹ ਯਕੀਨੀ ਬਣਾਉਂਦਾ ਹੈ ਕਿ AI ਦਾ ਆਉਟਪੁੱਟ ਅਸਲ ਵਿੱਚ ਉਪਯੋਗੀ ਹੋਵੇ।

ਪੜਤਾਲ ਅਜੇ ਵੀ ਲਾਜ਼ਮੀ ਹੈ

ਸਮਝਦਾਰ AI ਟੂਲਸ ਨਾਲ ਵੀ, ਭਾਰਤੀ ਨਿਵੇਸ਼ਕਾਂ ਲਈ ਅੰਤਿਮ ਸੱਚਾਈ ਅਧਿਕਾਰਤ ਦਸਤਾਵੇਜ਼ਾਂ ਵਿੱਚ ਹੀ ਹੈ। AI ਸਾਰਾਂਸ਼ਾਂ ਨੂੰ ਹਮੇਸ਼ਾ BSE, NSE, ਅਤੇ ਅਧਿਕਾਰਤ ਕੰਪਨੀ ਐਕਸਚੇਂਜ ਫਾਈਲਿੰਗਜ਼ (Exchange Filings) ਤੋਂ ਪ੍ਰਾਪਤ ਡਾਟਾ ਨਾਲ ਕ੍ਰਾਸ-ਚੈੱਕ (Cross-check) ਕੀਤਾ ਜਾਣਾ ਚਾਹੀਦਾ ਹੈ। ਸਾਲਾਨਾ ਰਿਪੋਰਟਾਂ, ਨਿਵੇਸ਼ਕ ਪੇਸ਼ਕਾਰੀਆਂ, ਅਤੇ ਆਡੀਟਰਾਂ ਦੀਆਂ ਟਿੱਪਣੀਆਂ ਅਸਲ ਸੱਚਾਈ ਹਨ। ਜੇਕਰ AI ਮਾਲੀਆ (Revenue) ਜਾਂ ਕਰਜ਼ੇ (Debt) ਲਈ ਕੋਈ ਅੰਕੜਾ ਪ੍ਰਦਾਨ ਕਰਦਾ ਹੈ, ਤਾਂ ਸਰੋਤ ਦਸਤਾਵੇਜ਼ ਦੀ ਜਾਂਚ ਕਰਨਾ ਹੀ ਸ਼ੁੱਧਤਾ ਨੂੰ ਯਕੀਨੀ ਬਣਾਉਣ ਦਾ ਇੱਕੋ ਇੱਕ ਤਰੀਕਾ ਹੈ।

ਅੰਤ ਵਿੱਚ, ਤਕਨਾਲੋਜੀ ਉਨੀ ਹੀ ਚੰਗੀ ਹੈ ਜਿੰਨਾ ਇਸਨੂੰ ਵਰਤਣ ਵਾਲਾ ਵਿਅਕਤੀ। AI ਡੂੰਘੀ ਬਾਜ਼ਾਰ ਸੂਝ ਲਈ ਇੱਕ ਸ਼ਕਤੀਸ਼ਾਲੀ ਇੰਜਣ ਹੋ ਸਕਦਾ ਹੈ ਜੇਕਰ ਇਸਦੀ ਵਰਤੋਂ ਵਿਚਾਰਾਂ ਦੀ ਜਾਂਚ, ਵਿਸਥਾਰ ਅਤੇ ਚੁਣੌਤੀ ਲਈ ਕੀਤੀ ਜਾਵੇ, ਨਾ ਕਿ ਵਿਸ਼ਲੇਸ਼ਣ ਦੇ ਔਖੇ ਕੰਮ ਨੂੰ ਛੱਡਣ ਲਈ। ਜਿਹੜੇ ਨਿਵੇਸ਼ਕ AI ਆਉਟਪੁੱਟ 'ਤੇ ਸਵਾਲ ਉਠਾਉਣ ਦੀ ਆਦਤ ਪਾਉਂਦੇ ਹਨ, ਉਹ ਉਨ੍ਹਾਂ ਲੋਕਾਂ ਨਾਲੋਂ ਬਿਹਤਰ ਤਿਆਰ ਰਹਿਣਗੇ ਜੋ ਇਸਨੂੰ ਇੱਕ ਅਤੁੱਟ ਸਲਾਹਕਾਰ ਮੰਨਦੇ ਹਨ।