[論文レビュー] Portfolio Choice with Stochastic Investment Opportunities: a User's Guide

Ren Liu, Johannes Muhle‐Karbe|arXiv (Cornell University)|Nov 7, 2013

Stochastic processes and financial applications参考文献 53被引用数 13

ひとこと要約

本稿では、確率的投資機会を伴う連続時間のポートフォリオ選択問題を解く二段階フレームワークを提示する。確率的制御を用いて候補となる最適ポートフォリオを導出し、凸双対性を用いてその最適性を厳密に検証する。主な貢献は、長期的漸近解析が、時間に依存しない、取り扱いやすいポリシーをもたらし、特にリターンの予測可能性がある場合に顕著な福利厚生の向上をもたらすことを示したことである。同時に、時間的ヘッジの重要性と、交易コストおよびパrameterの不確実性がもたらす制限についても強調している。

ABSTRACT

This survey reviews portfolio choice in settings where investment opportunities are stochastic due to, e.g., stochastic volatility or return predictability. It is explained how to heuristically compute candidate optimal portfolios using tools from stochastic control, and how to rigorously verify their optimality by means of convex duality. Special emphasis is placed on long-horizon asymptotics, that lead to particularly tractable results.

研究の動機と目的

• 確率的投資機会（例えば、確率的ボラティリティやリターンの予測可能性）を伴うポートフォリオ選択について、自己完結的かつ厳密ではあるが、アクセス可能な入門を提供すること。
• 特に不完全市場において、ヒューリスティックな確率的制御手法と、凸双対性を用いた厳密な最適性の検証の間のギャップを埋めること。
• 時間に依存しない、近似的に最適な投資ポリシーを導出するための取り扱いやすいアプローチとして、長期的漸近解析の重要性を強調すること。
• 特にリターンの予測可能性による時間的ヘッジの経済的意義を明確にし、確率的ボラティリティと比較して、福利厚生に与える影響の大きさを明らかにすること。
• 取引コストおよびパrameterの不確実性の影響を検討することで、非摩擦的モデルが導く最適戦略の実用的妥当性に限界があることを強調すること。

提案手法

• マークフィアン拡散フレームワーク下で、ハミルトニアン・ジャコビ・ベルマン（HJB）方程式を解くことで、確率的最適制御を用いてヒューリスティックに候補となる最適ポートフォリオを導出する。
• 凸双対性理論を適用し、プライマルポートフォリオ問題とその双対表現との間の双対性を活用して、候補解の最適性を厳密に検証する。
• ギルサノフの定理を用いて測度を変更し、双対測度下での状態変数の長期的挙動を分析することで、適切に定義された双対問題の存在を保証する。
• 双対測度下での状態過程のエルゴディック性を分析し、オーナイズ・ウーレンバック過程の定常分布を用いて、長期的等価安全利回りを導出する。
• HJB方程式から導かれるリッカティ型方程式系を解くことで、長期的最適ポートフォリオおよび価値関数の明示的表現を構築する。
• 有限期間と長期の最適ポリシーを数値的に比較し、特にリターンの予測可能性と定常ボラティリティモデルの下でのパフォーマンス差を評価する。

実験結果

リサーチクエスチョン

• RQ1 確率的投資機会を伴う動的ポートフォリオ選択問題において、どのようにして系統的に候補となる最適ポートフォリオを導出できるか？
• RQ2 確率的制御手法によって得られた候補解の厳密な最適性を保証する条件は何か？
• RQ3 長期的漸近解析は、最適ポートフォリオの構造をどのように簡素化し、取り扱いやすさを向上させるか？
• RQ4 リターンの予測可能性と確率的ボラティリティの間で、時間的ヘッジおよび福利厚生に与える定量的影響は何か？
• RQ5 取引コストおよびパrameterの不確実性は、非摩擦的モデルから導かれる最適戦略の実用的パフォーマンスにどのように影響を与えるか？

主な発見

• 双対測度下での状態過程のエルゴディック性に基づき、リターンの予測可能性下での長期的最適ポートフォリオは時間に依存せず、最大の等価安全利回り $ A^{ ext{∞}}/(1 - γ) $ を達成する。
• リターンの予測可能性に起因する時間的ヘッジ項は、同じ平均リターンとボラティリティを持つブラック・ショールズ・ベンチマークと比較して、特に長期にわたり顕著な福利厚生の向上をもたらす。
• 短期の期間では、長期的最適ポートフォリオはその大きな時間的ヘッジ成分のおかげでリスクを過小評価し、有限期間最適化器よりも著しくパフォーマンスが劣る。
• 確率的ボラティリティは、リターンの予測可能性と比較して、はるかに小さいヘッジ項と福利厚生効果を生じさせ、実証的証拠と整合的である。
• 最適性の検証は、$ T \to \infty $ のとき、双対測度下での指数モーメント $ E^{π} [e^{q(Y_T)/γ}] $ の有界性に依存しており、状態変数のガウス定常分布のおかげで成立する。
• 数値結果は、長期的最適戦略が長期投資期間では有限期間最適化器およびブラック・ショールズ・ベンチマークを上回ることを確認しているが、時間的ヘッジによる過剰なリスクテイキングのため、短期的にはパフォーマンスが劣ることを示している。