هستههای قیمتگذاری عمیق برای بهینهسازی سبد چرخه عمر مقید
خلاصه
این مقاله انتخاب سبد سرمایهگذاری را در طول زندگی فردی با درآمد تصادفی و سرمایهگذاری در سهام، اوراق قرضه و بیمه عمر بررسی میکند. هدف، مصرف، مزایای فوت و ثروت نهایی را در نظر میگیرد. قید محدب معاملاتی، محدودیتهایی مانند غیرقابلمعامله بودن داراییها، ممنوعیت فروش استقراضی یا محدودیت استقراض را بازنمایی میکند.
نویسندگان با تعدیل ضرایب رانش جبرانی داراییها، بازارهای مصنوعیای میسازند که محدودیتهای معاملاتی را بازتاب میدهند. سپس با تبدیل دوگانی و روشی مبتنی بر هسته قیمتگذاری عمیق، کرانهای پایین و بالای مسئله بهینهسازی اصلی را محاسبه میکنند. این رویکرد برای مواردی در نظر گرفته شده که تابع ارزش را نمیتوان صریح نوشت، زیرا هسته قیمتگذاری شامل امید شرطی است. نتیجه اعلامشده این است که محدودیتها مصرف، تقاضا برای بیمه عمر و مستمری، و ثروت را کاهش میدهند. چکیده نتایج عددی ارائه نمیکند، میزان دقت کرانها را مشخص نمیسازد و توضیح نمیدهد عملکرد با انواع قید چگونه تغییر میکند.
ایدههای کلیدی
- مدل چرخه عمر، درآمد تصادفی، داراییهای مالی، بیمه عمر، مصرف، مزایای فوت و ثروت نهایی را ترکیب میکند.
- قید محدب معاملاتی میتواند محدودیت معامله، فروش استقراضی یا استقراض را بازنمایی کند.
- بازارهای مصنوعی، محدودیتها را از راه تغییر ضرایب رانش جبرانی داراییها لحاظ میکنند.
- روش دوگانیِ هسته قیمتگذاری عمیق، وقتی تابع ارزش صریح در دسترس نیست، کرانهای پایین و بالا را برآورد میکند.
- مقاله گزارش میکند که قیدهای معاملاتی مصرف، تقاضا برای بیمه و مستمری، و ثروت را کاهش میدهند.
برچسبها
متن کامل
# 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.
با ذکر منبع و مطابق مجوز اثر، بهطور کامل نمایش داده میشود. مجوز: abstract CC0
این خلاصه را عامل پژوهشی Stratmill بر پایه متن اصلی نوشته است؛ نسخهای از اثر منبع نیست.