[논문 리뷰] Equity Allocation and Portfolio Selection in Insurance: A simplified Portfolio Model

Erik Taflin|ArXiv.org|1999. 07. 22.

Stochastic processes and financial applications참고 문헌 3인용 수 3

한 줄 요약

이 논문은 재보험에서 최적의 포트폴리오 선택을 위한 이차 이산시간 확률 모델을 제안하며, 분산과 연간 ROE에 대한 제약 조건 하에서 기대 누적 결과를 최적화한다. 라그랑주 형식을 통해 해의 존재성과 유일성을 확립하고, 오일러-라그랑주 방정식을 효율적으로 푸는 방법을 제시하여 더 복잡한 보험 포트폴리오 프레임워크의 기초 모델이 된다.

ABSTRACT

A quadratic discrete time probabilistic model, for optimal portfolio selection in (re-)insurance is studied. For positive values of underwriting levels, the expected value of the accumulated result is optimized, under constraints on its variance and on annual ROE's. Existence of a unique solution is proved and a Lagrangian formalism is given. An effective method for solving the Euler-Lagrange equations is developed. The approximate determination of the multipliers is discussed. This basic model is an important building block for more complete models.

연구 동기 및 목표

• 재보험에 대한 최적의 포트폴리오 선택을 위한 실용적인 수학적 프레임워크를 개발하기 위해.
• 포트폴리오 분산과 연간 자본금 수익률(ROE)에 대한 제약 조건 하에서 기대 누적 결과를 최대화하기 위해.
• 라그랑주 최적화를 사용하여 최적 해의 존재성과 유일성을 입증하기 위해.
• 유도된 오일러-라그랑주 방정식을 효과적으로 푸는 계산 방법을 제공하기 위해.
• 더 포괄적인 보험 포트폴리오 관리 모델을 위한 기초를 마련하기 위해.

제안 방법

• 재보험 포트폴리오를 위한 이차 이산시간 확률 모델을 수립한다.
• 분산과 연간 ROE에 대한 제약 조건을 포함하기 위해 라그랑주 형식을 사용한다.
• 최적의 포트폴리오 배분을 지배하는 오일러-라그랑주 방정식을 유도한다.
• 방정식 시스템을 효율적으로 푸는 수치적 방법을 개발한다.
• 계산의 가능성을 향상시키기 위해 라그랑주 승수의 근사 기법을 논의한다.
• 최적화 및 제어 이론을 확률적 동역학을 갖는 확률적 보험 환경에 적용한다.

실험 결과

연구 질문

• RQ1 분산과 ROE 제약 조건 하에서 재보험의 기대 누적 결과는 어떻게 최대화할 수 있는가?
• RQ2 이 프레임워크에서 최적의 포트폴리오 배분에 대한 존재성과 유일성을 보장하는 조건은 무엇인가?
• RQ3 라그랑주 형식에서 유도된 오일러-라그랑주 방정식은 실무적으로 어떻게 효과적으로 풀 수 있는가?
• RQ4 최적화 문제에서 라그랑주 승수를 추정하기 위한 타당한 근사 전략은 무엇인가?
• RQ5 이 단순화된 모델은 더 복잡한 보험 포트폴리오 모델을 위한 구축 요소로 어떻게 기능하는가?

주요 결과

• 지정된 제약 조건 하에서 포트폴리오 배분 문제에 대해 유일한 최적 해가 존재한다.
• 라그랑주 형식은 분산과 ROE 제약 조건을 최적화 프레임워크에 성공적으로 통합한다.
• 유도된 오일러-라그랑주 방정식 시스템을 푸는 데 효과적인 계산 방법이 개발되었다.
• 라그랑주 승수의 근사적 결정은 실현 가능하며 실무적 구현을 지원한다.
• 이 모델은 더 포괄적인 보험 포트폴리오 모델로의 확장에 적합한 기초 프레임워크를 제공한다.
• 이 접근법은 최적화 이론과 확률론에 기반하며, 재보험 리스크 및 수익 관리에 적용된다.