بهینه‌سازی پویای پرتفوی اوراق قرضه با هزینه تراکنش و فرایند تصمیم‌گیری مارکوف
خلاصه
این سند روشی مبتنی بر شبیه‌سازی برای مدیریت پرتفوی اوراق قرضه در چند دوره ارائه می‌کند که ریسک نرخ بهره و هزینه‌های متناسب معامله را در نظر می‌گیرد. حرکت منحنی بازده با عوامل پویای نلسون–سیگل مدل‌سازی می‌شود که پویایی آن‌ها از رگرسیون برداری پیروی می‌کند؛ سپس بازده‌های مشترک در سررسیدهای مختلف با زنجیره مارکوفِ حالت‌گسسته و متغیر در زمان تقریب زده می‌شود. این زنجیره حالت‌های یک فرایند تصمیم‌گیری مارکوف با افق محدود را فراهم می‌کند. هدف سرمایه‌گذار بیشینه‌کردن ثروت نهایی موردانتظار است و استقرا به عقب، سیاست بهینه بازمتعادل‌سازی را به دست می‌دهد.
چارچوب به ضعف عملی تخصیص‌های ایستا می‌پردازد: پرتفویی که در اوراق قرضه با سررسید بلند متمرکز است ممکن است هنگام افزایش نرخ‌ها با زیان و فشار نقدشوندگی روبه‌رو شود. سند همچنین خطای ناشی از حذف احتمالات انتقال را بررسی می‌کند. گزارش می‌دهد که حذف این احتمالات اثر کمی بر میانگین ثروت نهایی دارد، اما می‌تواند آمار افت سرمایه و ریسک دنباله‌ای را به‌طور چشمگیری مخدوش کند. خلاصه داده‌های تفصیلی، انتخاب پارامترها یا اعتبارسنجی گسترده‌تر را ارائه نمی‌کند؛ بنابراین این نتایج نشان نمی‌دهند که روش تا چه اندازه به پرتفوی‌ها یا شرایط بازار دیگر تعمیم‌پذیر است.
ایده‌های کلیدی
- چارچوب، دارایی‌های پرتفوی اوراق قرضه را در دوره‌های مختلف بهینه می‌کند و هزینه‌های متناسب بازمتعادل‌سازی را در نظر می‌گیرد.
- عوامل منحنی بازده با پویایی نلسون–سیگل پویا و رگرسیون برداری مدل‌سازی می‌شوند.
- یک زنجیره مارکوف گسسته، فرایند مشترک بازده را تقریب می‌زند و حالت‌های مسئله تصمیم‌گیری با افق محدود را تعریف می‌کند.
- استقرا به عقب، سیاستی برای بیشینه‌کردن ثروت نهایی موردانتظار به دست می‌دهد.
- حذف احتمالات انتقال می‌تواند میانگین ثروت را حفظ کند، اما سنجه‌های افت سرمایه و ریسک دنباله‌ای را مخدوش سازد.
برچسب‌ها
متن کامل
# Multiperiod bond portfolio optimization with transaction costs using a Markov Decision process # Multiperiod bond portfolio optimization with transaction costs using a Markov Decision process Bank treasury portfolios must balance yield, liquidity, and interest-rate risk across bonds of different maturities. Static allocation rules are ill-suited to this task: portfolios concentrated in long-duration securities with no dynamic adjust- ment mechanism can accumulate large mark-to-market losses and liquidity stress under rising interest rates, as illustrated by the failure of Silicon Valley Bank in 2023. We develop a tractable simulation-based framework for multi-period bond port- folio optimization under interest-rate risk and proportional transaction costs. Yield-curve dynamics are modeled using the Dynamic Nelson-Siegel parameter- ization with Vector Autoregressive factor dynamics, from which we construct a time-inhomogeneous discrete-state Markov chain approximating the joint yield process across bond maturities. This chain forms the state space of a finite- horizon Markov Decision Process in which the investor maximizes expected terminal wealth subject to proportional rebalancing costs. The optimal portfolio policy is obtained by backward induction. We also quantify the approximation error introduced by truncating the transition kernel, and show that it leaves mean terminal wealth almost unchanged while substantially distorting drawdown and tail statistics.
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.