बाजार क्यों एआई-ड्रिवेन टॉक्सिक फ्लो डिटेक्शन की ओर बढ़ रहा है — और क्यों अभी तक कोई पूरी तरह से वहाँ नहीं पहुँचा है

उद्योग कार्यक्रमों में पर्याप्त ब्रोकरों से बात करें और एक विषय लगातार सामने आता है: कुछ खातों से धीरे-धीरे बुक को नुकसान हो रहा है, और कोई भी यह ठीक से नहीं जानता कि इसे कैसे रोका जाए बिना अच्छे ग्राहकों को परेशान किए। उद्योग इसे “toxic flow” — ऐसे ऑर्डर जो, ट्रेडर की मंशा चाहे जो भी हो, निष्पादन के बाद सेकंड और मिनटों में ब्रोकर के विरुद्ध चलने लगते हैं। यह एक पुरानी समस्या है। नया यह है कि इन बातचीत में अक्सर “AI” को उत्तर के रूप में लाया जाता है: जबकि वास्तविकता में, लगभग कोई भी उत्पादन में चलने वाला परिपक्व, सिद्ध उपकरण नहीं रखता।

पिछले दो दशकों में, प्रमुख उत्तर एक नियम पुस्तिका रहा है: एक निश्चित आकार से बड़े ट्रेड को फ़्लैग करें, समाचार से पहले स्प्रेड बढ़ाएँ, उन खातों पर एक्सपोज़र को सीमित करें जो संदेहास्पद रूप से कम समय के लिए पोजीशन रखते हैं। ये नियम बुरा विचार नहीं हैं, और अधिकांश डेस्क अभी भी इन पर भारी निर्भर करते हैं। लेकिन इनकी एक कमजोरी है: नियम केवल उस पैटर्न को पकड़ता है जिसके लिए इसे लिखा गया है, और जिन ट्रेडरों को लेकर चिंता करनी चाहिए वे आमतौर पर वही होते हैं जो नियम को जल्दी पहचान लेते हैं और उसके अनुसार समायोजित कर लेते हैं।

स्थिर थ्रेशोल्ड क्यों प्रभाव खो रहे हैं

कई प्रसिद्ध टॉक्सिक फ्लो पैटर्न — लेटेंसी आर्बिट्राज, स्पूफिंग, विभिन्न प्लेटफ़ॉर्म पर पुराने कोट्स को चुनना — उद्योग में अच्छी तरह से दस्तावेज़ित हैं, और ट्रेडर वही सामग्री पढ़ते हैं जो ब्रोकर पढ़ते हैं। एक सेकंड से कम समय में रखे गए किसी भी चीज़ को फ़्लैग करें, और ट्रेडर 1.2 सेकंड तक रखना शुरू कर देते हैं। बड़े समाचार से 30 सेकंड पहले स्प्रेड बढ़ाएँ, और ट्रेड 45 सेकंड पर हो जाता है। नियम अधिक स्मार्ट नहीं होता — ट्रेडर बनता है। यह उल्लेखनीय है कि सबसे बड़े प्लेटफ़ॉर्म प्रदाता भी अभी भी मुख्यतः इस क्षेत्र में खेल रहे हैं न कि AI क्षेत्र में: MetaQuotes’ new MT5 matching engine मैनेजर टर्मिनल में निर्मित मॉनिटरिंग डैशबोर्ड के साथ आता है जो ब्रोकरों को वास्तविक समय में टॉक्सिक ऑर्डर फ्लो और A-book/B-book एक्सपोज़र देखने देता है — वास्तव में उपयोगी, लेकिन फिर भी यह दृश्यता और डैशबोर्ड है न कि भविष्यवाणी मॉडलिंग।एक और सूक्ष्म समस्या भी है: एक स्थिर थ्रेशोल्ड हर खाते को समान रूप से मानता है, और यह वास्तव में जोखिम के काम करने का तरीका नहीं है। LiquidityFinder has a good breakdown of how brokers actually think about toxic flow, और एक बिंदु को रेखांकित करना चाहिए: टॉक्सिसिटी व्यवसाय के सापेक्ष होती है, न कि किसी ट्रेड की स्थिर विशेषता। एक ब्रोकर की बुक में जो राउंडिंग एरर है, वह दूसरे के लिए वास्तविक समस्या बन सकता है, हेजिंग लागत, ग्राहक मिश्रण, A-book बनाम B-book के चलने के अनुपात पर निर्भर करता है। एक ही स्थिर नियम एक साथ दो अलग-अलग “ठीक” परिभाषाओं को नहीं रख सकता। यही वह अंतर है जिसे उद्योग AI की बात करते समय लगातार उजागर करता है: एक मॉडल जो ब्रोकर के अपने निष्पादन डेटा पर प्रशिक्षित हो, सिद्धांततः बहुत करीब पहुंच सकता है।

यहाँ “AI-driven” वास्तव में क्या मतलब रखेगा

इस बारे में सटीक होना आवश्यक है, क्योंकि आजकल “AI” को लगभग हर चीज़ से जोड़ा जाता है जिसमें डैशबोर्ड होता है, और इस लेबल के तहत जो कुछ भी मार्केट किया जाता है वह अभी भी नियमों के काफी करीब है, अतिरिक्त चरणों के साथ। वह संस्करण जो वास्तव में मायने रखेगा वह स्थिर थ्रेशोल्ड से मॉडल में बदलाव होगा जो मार्कआउट्स — ट्रेड बंद होने के तुरंत बाद की कीमत गति — से सीखते हैं, बहुत अधिक वेरिएबल्स के साथ जो हाथ से कोडित करना यथार्थ नहीं है: उस खाते के अपने इतिहास के सापेक्ष ऑर्डर आकार, वोलैटिलिटी के सापेक्ष समय, अन्य खातों के व्यवहार के साथ सहसंबंध, साथ ही कई छोटे संकेत जो अकेले कुछ नहीं कहते लेकिन मिलकर एक पैटर्न बनाते हैं।इस दिशा में शुरुआती शोध मौजूद है, हालांकि यह स्पष्ट करना आवश्यक है कि यह कितना शुरुआती है। 2023 का एक पेपर real-time toxicity prediction using Bayesian neural networks, जो लाइव FX लेनदेन डेटा के खिलाफ परीक्षण किया गया, पाया कि क्रमिक रूप से प्रशिक्षित मॉडल लॉजिस्टिक रिग्रेशन, रैंडम फॉरेस्ट्स, और मानक अधिकतम संभावना अनुमानकों को टॉक्सिक ट्रेड की भविष्यवाणी करने में पीछे छोड़ता है — सिद्धांततः इतना तेज़ कि वास्तविक समय में इंटर्नलाइज़-ऑर-एक्सटर्नलाइज़ निर्णय को सूचित कर सके। यह शैक्षणिक सेटिंग में एक महत्वपूर्ण परिणाम है। यह पूरी तरह अलग बात है कि कोई ब्रोकर इसे लाइव फ्लो के खिलाफ उत्पादन में विश्वसनीय रूप से चलाए, सभी फॉल्स पॉज़िटिव ट्यूनिंग और डेटा पाइपलाइन के साथ — और जैसा कि मैं देख रहा हूँ, बहुत कम फर्में अभी तक वहाँ पहुँची हैं।

यह पिच डेक्स की तुलना में क्यों अधिक कठिन है

इनमें से कुछ भी मुख्य तनाव को दूर नहीं करता। प्रत्येक डिटेक्शन सिस्टम, चाहे नियम हों या मॉडल, को वास्तविक टॉक्सिक फ्लो को पकड़ने और वैध ग्राहकों को फ़्लैग करने के बीच कहीं न कहीं संतुलन बनाना पड़ता है जो बस असामान्य तरीके से ट्रेड करते हैं। Finance Magnates has a good piece on how brokers identify toxic clients, और यह एक उचित बिंदु उठाता है: बहुत अधिक आक्रामकता से फ़्लैग करने पर ब्रोकर स्प्रेड बढ़ा देते हैं या उन लोगों पर क्रेडिट काट देते हैं जो कभी समस्या नहीं थे, और ऐसे ग्राहक आमतौर पर इसके बाद नहीं रहते।एक मॉडल इस ट्रेड‑ऑफ़ को नहीं हटाता, यह केवल उसके आकार को बदलता है: सिद्धांततः ब्रोकर को “X डॉलर से अधिक लॉट साइज” या “Y मिलीसेकंड से कम समय रखे” जैसी सीमाओं की तुलना में बहुत अधिक सटीकता के साथ सीमा निर्धारित करने देता है। लेकिन यह तभी संभव है जब मॉडल वास्तव में अच्छी तरह से ट्यून किया गया हो, जिसके लिए साफ़, लेबल किए गए ऐतिहासिक डेटा की बड़ी मात्रा चाहिए जो कई मध्यम आकार के ब्रोकरों के पास अभी नहीं है, और निरंतर पुनः कैलिब्रेशन की आवश्यकता होती है जिसे वर्तमान में बहुत कम जोखिम टीमें संभाल पाती हैं। एक खराब प्रशिक्षित मॉडल उतनी ही आत्मविश्वास से गलत वर्गीकरण करेगा जितना एक पुराना नियम — यह अधिक सटीक दिखेगा जबकि ऐसा करता है, जो इसे अंधाधुंध भरोसा करने में अधिक खतरनाक बनाता है।

यह संभवतः कहाँ जा रहा है

यह टॉक्सिक फ्लो के मूल कारण — सूचित संस्थागत ट्रेडिंग, HFT द्वारा प्राइसिंग गैप्स को चुनना, समाचार के आसपास बड़े आक्रामक ऑर्डर — वास्तव में एक दशक में नहीं बदले हैं। जो बदल गया है वह यह है कि स्थापित डेस्क अब कितनी बड़ी ऐतिहासिक निष्पादन डेटा रख रहे हैं, जो यह समझाने का बड़ा कारण है कि मॉडल-आधारित डिटेक्शन अब गंभीरता से चर्चा में है, पाँच साल पहले की तुलना में, जब अधिकांश ब्रोकरों के पास पर्याप्त साफ़ डेटा नहीं था जिससे यह सार्थक बन सके।

मैं उम्मीद करता हूँ कि अपनाना वर्तमान AI मार्केटिंग की लहर की तुलना में धीमा और अधिक गड़बड़ होगा। नियम-आधारित सिस्टम कहीं नहीं जा रहे हैं — वे सस्ते हैं, अनुपालन टीम को समझाने में आसान हैं, और वे अभी भी स्पष्ट मामलों को ठीक से पकड़ते हैं। अधिक यथार्थवादी मार्ग अगले कुछ वर्षों में एक परतदार सेटअप है: स्पष्ट मामलों के लिए तेज़, समझाने योग्य नियम, जबकि मॉडल-आधारित स्कोरिंग धीरे-धीरे बीच के बड़े ग्रे एरिया को ले लेगा, जब ब्रोकर और विक्रेता दोनों वास्तव में इसे विश्वसनीय बनाने के लिए काम करेंगे न कि केवल मार्केटेबल बनाने के लिए। Brokerpilot में, वह ग्रे एरिया वही है जिसे हम सबसे करीब से देख रहे हैं क्योंकि हम सोचते हैं कि जोखिम टूलिंग को आगे कहाँ जाना चाहिए।