Núcleos de precificação profunda para otimização de carteira no ciclo de vida com restrições

Resumo

Este artigo estuda escolhas de carteira ao longo da vida de uma pessoa quando a renda é estocástica e os investimentos incluem ações, um título e seguro de vida. O objetivo considera consumo, benefícios por morte e riqueza final. Uma restrição convexa de trading representa limitações como ativos que não podem ser negociados, proibições de venda a descoberto ou limites de empréstimo.

Os autores constroem mercados artificiais ajustando as taxas de deriva compensadas dos ativos para que o mercado resultante reflita as restrições de negociação. Em seguida, usam uma transformação dual e um método de núcleo de precificação baseado em deep learning para calcular limites inferiores e superiores do problema de otimização original. Essa abordagem se destina a casos em que a função valor não pode ser expressa explicitamente porque o núcleo de precificação envolve uma esperança condicional. A conclusão apresentada é que as restrições reduzem o consumo, a demanda por seguro de vida e anuidades, e a riqueza. O resumo não fornece resultados numéricos, não especifica o grau de precisão alcançado pelos limites nem detalha como o desempenho varia entre tipos de restrição.

Ideias principais

• O modelo de ciclo de vida combina renda estocástica, ativos financeiros, seguro de vida, consumo, benefícios por morte e riqueza final.
• Uma restrição convexa de trading pode representar limites à negociação, à venda a descoberto ou ao empréstimo.
• Mercados artificiais incorporam restrições por meio de alterações nas taxas de deriva compensadas dos ativos.
• Um método dual de núcleo de precificação profunda estima limites inferiores e superiores quando não há funções valor explícitas.
• O artigo relata menor consumo, demanda por seguros e anuidades, e riqueza sob restrições de trading.

Tags

# 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.

Exibido na íntegra, com atribuição conforme a licença da fonte. Licença: abstract CC0

Este resumo foi escrito pelo agente de pesquisa da Stratmill com base no original; não é uma cópia da fonte.