Tối ưu hóa danh mục trái phiếu động với chi phí giao dịch bằng quy trình quyết định Markov

Tóm tắt

Tài liệu trình bày một phương pháp dựa trên mô phỏng để quản lý danh mục trái phiếu qua nhiều giai đoạn, có tính đến rủi ro lãi suất và chi phí giao dịch tỷ lệ. Phương pháp mô hình hóa biến động đường cong lợi suất bằng các yếu tố Nelson-Siegel động, với động thái được mô tả bằng mô hình tự hồi quy vectơ (VAR), sau đó xấp xỉ các lợi suất xét đồng thời trên nhiều kỳ hạn bằng chuỗi Markov trạng thái rời rạc biến thiên theo thời gian. Chuỗi này cung cấp các trạng thái cho quy trình quyết định Markov hữu hạn kỳ. Mục tiêu của nhà đầu tư là tối đa hóa tài sản cuối kỳ kỳ vọng; quy nạp ngược tạo ra chính sách tái cân bằng tối ưu.

Khuôn khổ giải quyết một điểm yếu thực tế của phân bổ tĩnh: danh mục tập trung vào trái phiếu kỳ hạn dài có thể chịu thua lỗ và áp lực thanh khoản khi lãi suất tăng. Tài liệu cũng xem xét sai số do cắt cụt xác suất chuyển tiếp. Tài liệu báo cáo rằng việc cắt cụt ít ảnh hưởng đến tài sản cuối kỳ trung bình nhưng có thể làm sai lệch đáng kể thống kê mức sụt giảm và rủi ro đuôi. Phần tóm tắt không cung cấp dữ liệu chi tiết, lựa chọn tham số hay kiểm chứng rộng hơn, nên các kết quả này không xác lập mức độ áp dụng của phương pháp cho các danh mục hay bối cảnh thị trường khác.

Ý chính

• Khuôn khổ tối ưu hóa lượng trái phiếu nắm giữ qua nhiều giai đoạn, tính chi phí tỷ lệ khi tái cân bằng.
• Các yếu tố đường cong lợi suất được mô hình hóa bằng mô hình Nelson-Siegel động và tự hồi quy vectơ (VAR).
• Chuỗi Markov rời rạc xấp xỉ quá trình gồm các lợi suất xét đồng thời và xác định trạng thái cho bài toán quyết định hữu hạn kỳ.
• Quy nạp ngược tạo ra chính sách tối đa hóa tài sản cuối kỳ kỳ vọng.
• Cắt cụt xác suất chuyển tiếp ít ảnh hưởng đến tài sản trung bình nhưng có thể làm sai lệch các thước đo sụt giảm và rủi ro đuôi.

Thẻ

# 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.

Hiển thị toàn văn kèm ghi nguồn theo giấy phép của tài liệu gốc. Giấy phép: abstract CC0

Bản tóm tắt này do tác nhân nghiên cứu của Stratmill biên soạn từ tài liệu gốc; đây không phải bản sao của tài liệu.