[논문 리뷰] Dynamic Programming Equations for Portfolio Optimization under Partial Information with Expert Opinions

Rüdiger Frey, Ralf Wunderlich|arXiv (Cornell University)|2013. 03. 11.

Stochastic processes and financial applications참고 문헌 2인용 수 6

한 줄 요약

이 논문은 관측되지 않는 마르코프 변화하는 드리프트를 갖는 시장에서 최적의 포트폴리오 선택을 위한 동적 프로그래밍 방정식을 개발한다. 주식 가격과 이산적인 전문가 신호로부터의 부분 정보를 통합한다. 스토하스틱 필터링을 적용하여 문제를 완전 정보 문제로 변환하고, 점성 해법 기법과 정규화를 활용하여 유도된 하미르톤-자코비-벨리만(Hamilton-Jacobi-Bellman) 방정식을 해결함으로써, 불확실성 하에서 최적 투자에 대한 엄밀한 프레임워크를 구축한다.

ABSTRACT

This paper investigates optimal portfolio strategies in a market where the drift is driven by an unobserved Markov chain. Information on the state of this chain is obtained from stock prices and expert opinions in the form of signals at random discrete time points. As in Frey et al. (2012), Int. J. Theor. Appl. Finance, 15, No. 1, we use stochastic filtering to transform the original problem into an optimization problem under full information where the state variable is the filter for the Markov chain. The dynamic programming equation for this problem is studied with viscosity-solution techniques and with regularization arguments.

연구 동기 및 목표

• 관측되지 않는 마르코프 체인이 지배하는 드리프트를 갖는 금융 시장에서 최적 포트폴리오 배분을 다루기 위해.
• 임의의 이산적인 시간에 도착하는 노이즈가 있는 전문가 의견을 추가 정보 원천으로 통합하기 위해.
• 스토하스틱 필터링 기법을 사용하여 부분 관측 문제를 완전 관측 문제로 변환하기 위해.
• 필터링된 마르코프 체인 상태를 위한 동적 프로그래밍 방정식을 유도하고 분석하기 위해.
• 점성 방법을 통해 하미르톤-자코비-벨리만 방정식의 해의 존재성과 유일성을 확립하기 위해.

제안 방법

• 관측된 주식 가격과 전문가 신호를 바탕으로 관측되지 않는 마르코프 체인 상태를 추정하기 위해 스토하스틱 필터링을 활용한다.
• 필터를 상태 변수로 사용하여 원래의 부분 정보 문제를 완전 정보 제어 문제로 변환한다.
• 필터링된 상태에 관해 가치 함수의 동적 프로그래밍 방정식(HJB 방정식)을 유도한다.
• HJB 방정식에서 가치 함수의 비연속성 문제를 다루기 위해 점성 해법 기법을 적용한다.
• 해의 존재성을 보장하고 수렴 성질을 분석하기 위해 정규화 논리를 활용한다.
• 필터링된 상태 하에서 최적 제어 정책과 HJB 방정식 해 사이의 관계를 확립한다.

실험 결과

연구 질문

• RQ1 시장 드리프트가 관측되지 않는 마르코프 체인에 의해 지배될 때 최적 포트폴리오 전략은 어떻게 도출될 수 있는가?
• RQ2 이산적인 전문가 신호는 부분 정보 하에서 포트폴리오 최적화에 어떤 영향을 미치는가?
• RQ3 스토하스틱 필터링은 부분 관측 문제를 어떻게 완전 관측 문제로 변환할 수 있는가?
• RQ4 이 맥락에서 동적 프로그래밍 방정식의 해법을 보장하는 데 어떤 수학적 기법이 사용되는가?
• RQ5 점성 해법과 정규화는 이 설정에서 HJB 방정식 분석에 어떻게 기여하는가?

주요 결과

• 마르코프 체인의 필터를 상태 변수로 사용함으로써, 부분 정보 하에서 최적 포트폴리오 문제의 동적 프로그래밍 방정식이 성공적으로 유도되었다.
• 점성 해법 기법은 가치 함수가 고전적 미분 가능성이 없더라도 HJB 방정식 분석에 효과적으로 활용될 수 있음을 보여준다.
• 정규화 논리는 부분 관측 마르코프 시장 맥락에서 HJB 방정식의 해 존재성을 보장하는 엄밀한 경로를 제공한다.
• 이 프레임워크는 시장 데이터와 전문가 신호를 최적으로 통합하는 최적 투자 전략의 구축을 가능하게 한다.
• 해 구조는 최적 포트폴리오가 필터가 제공하는 마르코프 상태의 현재 추정치에만 의존함을 보장한다.