[論文レビュー] Robust utility maximization under model uncertainty via a penalization approach

Ivan Guo, Nicolas Langrené+2 more|arXiv (Cornell University)|Jul 31, 2019

Risk and Portfolio Optimization参考文献 37被引用数 6

ひとこと要約

本稿では、固定された境界ではなく罰則関数を用いてパrameterのずれを制約することで、モデルの不確実性下でのロバストなユーティリティ最大化を2人零和確率微分ゲームとして定式化する。価値関数が動的プログラミング原理を満たし、ハミルトニアン・ジャコビ・ベルマン・イーサース（HJBI）方程式の一意な粘性解であることを証明し、有限差分法、モンテカルロ法、生成対抗ネットワーク（GANs）による数値的検証を実施。その結果、ロバストなポートフォリオは市場ショック下でも高い期待ユーティリティとより高い安定性を達成することが示された。

ABSTRACT

This paper addresses the problem of utility maximization under uncertain parameters. In contrast with the classical approach, where the parameters of the model evolve freely within a given range, we constrain them via a penalty function. We show that this robust optimization process can be interpreted as a two-player zero-sum stochastic differential game. We prove that the value function satisfies the Dynamic Programming Principle and that it is the unique viscosity solution of an associated Hamilton-Jacobi-Bellman-Isaacs equation. We test this robust algorithm on real market data. The results show that robust portfolios generally have higher expected utilities and are more stable under strong market downturns. To solve for the value function, we derive an analytical solution in the logarithmic utility case and obtain accurate numerical approximations in the general case by three methods: finite difference method, Monte Carlo simulation, and Generative Adversarial Networks.

研究の動機と目的

• 固定されたパrameter範囲を仮定する古典的手法の限界を是正する。これは現実の不確実性を反映していない可能性がある。
• モデルパラメータに対する硬い境界を罰則関数に置き換えることで、より柔軟なロバストなユーティリティ最大化のフレームワークを構築する。
• 価値関数が動的プログラミング原理を満たし、ハミルトニアン・ジャコビ・ベルマン・イーサース（HJBI）方程式の一意な粘性解であることを理論的に確立する。
• 制御のランダム化と生成対抗ネットワーク（GANs）を含む、高次元または複雑な設定における価値関数推定のための新しい計算手法を提案・検証する。
• 実証的に、本フレームワークに基づくロバストなポートフォリオが、期待ユーティリティと市場の下落時のレジリエンスという観点で非ロバストなポートフォリオを上回ることを示す。

提案手法

• 投資家がユーティリティを最大化し、市場（敵対的プレイヤー）がパラメータを摂動することでユーティリティを最小化する2人零和確率微分ゲームとして、ロバストなユーティリティ最大化問題をモデル化する。
• パラメータの進化を制約するための罰則関数 F(μ, σ, r, ...) を導入し、固定境界の代わりに用いる。これにより強制性が保証され、最適解の存在が可能になる。
• 価値関数が動的プログラミング原理を満たし、関連するHJBI方程式の一意な粘性解であることを証明。従来の結果を有界領域や有界ユーティリティ関数に限らない一般（非有界）条件下へ拡張する。
• 2つの生成器を備えたGANベースのアルゴリズムを開発：α生成器（ポートフォリオウェイト）とσ生成器（ボラティリティ）を交互に訓練し、敵対的ゲームのダイナミクスをシミュレートする。
• 制御のランダム化と有限差分法を補完的な数値的手法として用い、価値関数を推定。GANsにより、複雑なモデルにおけるスケーラブルな解決策が可能になる。
• GANの訓練を交互最適化により実施：まずα生成器を更新し、最終期のユーティリティから罰則を差し引いたものを最大化する。次にそれを固定し、σ生成器を更新して同じ目的関数を最小化する。これによりナッシュ均衡を模倣する。

実験結果

リサーチクエスチョン

• RQ1 固定パラメータ範囲を仮定する古典的手法に比べ、罰則に基づくモデル不確実性アプローチが、期待ユーティリティと安定性という観点で優れているか？
• RQ2 得られる2人零和確率微分ゲームの価値関数は、一般（非有界）条件下で動的プログラミング原理を満たし、ハミルトニアン・ジャコビ・ベルマン・イーサース（HJBI）方程式の一意な粘性解に対応するか？
• RQ3 生成対抗ネットワーク（GANs）は、投資家と市場の敵対的ゲームをシミュレートすることで、高次元のロバストポートフォリオ最適化問題を効果的に解けるか？
• RQ4 本罰則フレームワークから得られるロバストなポートフォリオは、実際の市場ショックやストレス状況下で非ロバストなポートフォリオに比べてどのように性能を発揮するか？
• RQ5 有限差分法、モンテカルロ法、GANsといった提案された数値的手法は、解析的および実証的設定において真の価値関数をどれほど正確に近似できるか？

主な発見

• 罰則関数によるロバスト最適化フレームワークは、非ロバストな対応物に比べ、期待ユーティリティがより高いポートフォリオを生み出す。特に市場ショック下で顕著である。
• 実市場データを用いた実証的検証では、強い市場下落時においてロバストなポートフォリオが著しく安定しており、大きな損失を回避していることが示された。
• 対数ユーティリティの場合、解析的解が導出され、数値近似の妥当性を検証するためのベンチマークとして機能する。
• 対数ユーティリティの場合、GANベースの手法は10−5オーダーの数値的精度を達成しており、非単調な訓練ダイナミクスにもかかわらず、損失関数が真の値に収束していることが確認された。
• パワー・ユーティリティの場合（U(XT) = 3X1/4T）、GANの推定値はPDEに基づく数値解とよく一致しており、解析的ベンチマークが存在しない状況下でも信頼性が高いことが示された。
• GANの訓練はハイパーパrameterに敏感であるが、適切なアーキテクチャと学習率スケジューリングを用いることで、ナッシュ均衡への収束が達成可能であり、複雑なポートフォリオ問題への適用可能性が検証された。