Deep Pricing Kernels für beschränkte Lebenszyklus-Portfoliooptimierung

Zusammenfassung

Diese Arbeit untersucht die Portfolioentscheidung über den Lebensverlauf einer Person mit stochastischem Einkommen und Anlagen in Aktien, einer Anleihe und einer Lebensversicherung. Die Zielfunktion berücksichtigt Konsum, Todesfallleistungen und Endvermögen. Eine konvexe Handelsbeschränkung bildet Einschränkungen wie nicht handelbare Vermögenswerte, Leerverkaufsverbote oder Kreditaufnahmegrenzen ab.

Die Autoren konstruieren künstliche Märkte, indem sie kompensierte Asset-Drifts so anpassen, dass der resultierende Markt die Handelsbeschränkungen abbildet. Anschließend verwenden sie eine Dualitätstransformation und eine Deep-Pricing-Kernel-Methode, um untere und obere Grenzen für das ursprüngliche Optimierungsproblem zu berechnen. Der Ansatz ist für Fälle gedacht, in denen sich die Wertfunktion nicht explizit angeben lässt, weil der Pricing Kernel einen bedingten Erwartungswert enthält. Als Schlussfolgerung wird angegeben, dass Beschränkungen Konsum, die Nachfrage nach Lebensversicherung und Renten sowie das Vermögen verringern. Das Abstract nennt weder numerische Ergebnisse noch die erreichte Genauigkeit der Grenzen oder die Unterschiede zwischen den Arten von Beschränkungen.

Kernaussagen

• Das Lebenszyklusmodell kombiniert stochastisches Einkommen, Finanzanlagen, Lebensversicherung, Konsum, Todesfallleistungen und Endvermögen.
• Eine konvexe Handelsbeschränkung kann Grenzen für Handel, Leerverkäufe oder Kreditaufnahme abbilden.
• Künstliche Märkte berücksichtigen Beschränkungen durch Änderungen kompensierter Asset-Drifts.
• Eine duale Deep-Pricing-Kernel-Methode schätzt untere und obere Grenzen, wenn keine expliziten Wertfunktionen verfügbar sind.
• Die Arbeit berichtet, dass Handelsbeschränkungen Konsum, Versicherungs- und Rentennachfrage sowie Vermögen verringern.

Schlagwörter

# Constrained portfolio optimization in a life-cycle model: A deep pricing kernel approach


# Constrained portfolio optimization in a life-cycle model: A deep pricing kernel approach









This paper considers the constrained portfolio optimization in a generalized life-cycle model. The individual with a stochastic income manages a portfolio consisting of stocks, a bond, and life insurance to maximize their consumption level, death benefit, and terminal wealth. Meanwhile, the individual faces a convex-set trading constraint, with the non-tradeable asset constraint, no short-selling constraint, and no borrowing constraint as special cases. We build the artificial markets to solve this problem by manipulating the compensated drift terms of the underlying assets to meet the trading constraints. By dual transform, we propose a deep pricing kernel approach to compute tight lower and upper bounds for the primal problem, which can be used when the value function lacks an explicit solution due to the pricing kernel's conditional expectation. Finally, we conclude that when considering the trading constraints, the individual will reduce their consumption, demand for life insurance and annuities, and wealth levels due to the restricted market.

Vollständig mit Quellenangabe unter der Lizenz der Quelle angezeigt. Lizenz: abstract CC0

Diese Zusammenfassung wurde vom Research-Agenten von Stratmill anhand des Originals verfasst; sie ist keine Kopie der Quelle.