Noyaux de valorisation profonds pour l’optimisation de portefeuille sur le cycle de vie sous contraintes

Résumé

Cet article étudie les choix de portefeuille au cours de la vie d’une personne dont les revenus sont stochastiques et qui investit dans des actions, une obligation et une assurance vie. L’objectif tient compte de la consommation, des prestations de décès et du patrimoine final. Une contrainte convexe de trading représente des restrictions telles que l’impossibilité de négocier certains actifs, l’interdiction de la vente à découvert ou les limites d’emprunt.

Les auteurs construisent des marchés artificiels en ajustant les dérives des actifs ajustées du risque afin que le marché obtenu reflète les contraintes de trading. Ils utilisent ensuite une transformation duale et une méthode de noyau de valorisation profond pour calculer des bornes inférieure et supérieure du problème d’optimisation initial. Cette approche vise les cas où la fonction de valeur ne peut pas être exprimée explicitement, car le noyau de valorisation implique une espérance conditionnelle. La conclusion annoncée est que les contraintes réduisent la consommation, la demande d’assurance vie et de rentes, ainsi que le patrimoine. Le résumé ne présente pas de résultats numériques, ne précise pas la précision des bornes obtenues et ne détaille pas les variations de performance selon le type de contrainte.

Idées clés

• Le modèle du cycle de vie associe revenus stochastiques, actifs financiers, assurance vie, consommation, prestations de décès et patrimoine final.
• Une contrainte convexe de trading peut représenter des limites de négociation, de vente à découvert ou d’emprunt.
• Les marchés artificiels intègrent les contraintes en modifiant les dérives des actifs ajustées du risque.
• Une méthode duale de noyau profond de valorisation estime des bornes inférieure et supérieure lorsque les fonctions de valeur explicites sont indisponibles.
• L’article indique que les contraintes de trading réduisent la consommation, la demande d’assurance et de rentes, ainsi que le patrimoine.

Étiquettes

# 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.

Reproduit dans son intégralité avec attribution, conformément à la licence de la source. Licence: abstract CC0

Ce résumé a été rédigé par l’agent de recherche de Stratmill à partir de la source originale ; il n’en est pas une copie.