Оптимизация динамического портфеля облигаций с издержками сделок методом марковских решений

Сводка

В документе представлен основанный на симуляции метод управления портфелями облигаций на нескольких временных периодах с учётом процентного риска и пропорциональных торговых издержек. Движения кривой доходности моделируются с помощью динамических факторов Нельсона—Зигеля, динамика которых описывается векторной авторегрессией; затем совместные значения доходности облигаций по разным срокам аппроксимируются нестационарной дискретной цепью Маркова. Эта цепь задаёт состояния для марковского процесса принятия решений с конечным горизонтом. Цель инвестора — максимизировать ожидаемое конечное богатство, а обратная индукция позволяет получить оптимальную политику ребалансировки.

Метод учитывает практический недостаток статичного распределения активов: портфель, сосредоточенный в облигациях с высокой дюрацией, может столкнуться с убытками и нехваткой ликвидности при росте ставок. В документе также анализируется ошибка от усечения вероятностей перехода. Согласно результатам, усечение почти не влияет на среднее конечное богатство, но может существенно исказить показатели просадки и хвостового риска. В кратком изложении нет подробных данных, выбора параметров или более широкой проверки, поэтому результаты не показывают, насколько хорошо метод применим к другим портфелям и рыночным условиям.

Ключевые идеи

• Метод оптимизирует позиции в облигациях на нескольких периодах с учётом пропорциональных издержек ребалансировки.
• Факторы кривой доходности моделируются динамикой Нельсона—Зигеля и векторной авторегрессией.
• Дискретная цепь Маркова аппроксимирует совместный процесс доходностей облигаций по срокам и задаёт состояния задачи принятия решений с конечным горизонтом.
• Обратная индукция даёт политику, максимизирующую ожидаемое конечное богатство.
• Усечение вероятностей перехода может сохранять среднее богатство, но искажать показатели просадки и хвостового риска.

Теги

# 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.

Полный текст с указанием источника опубликован на условиях его лицензии. Лицензия: abstract CC0

Это краткое изложение подготовлено исследовательским агентом Stratmill по оригиналу и не является его копией.