[논문 리뷰] Optimal stochastic control and optimal consumption and portfolio with G-Brownian motion

Weiyin Fei, Chen Fei|arXiv (Cornell University)|2013. 09. 01.

Stochastic processes and financial applications참고 문헌 39인용 수 10

한 줄 요약

이 논문은 G-브라운 운동과 비선형 기대 이론을 사용하여 모델 불확실성 하에서 최적의 확률적 제어 프레임워크를 개발한다. 최적 소비 및 포트폴리오 결정을 위한 검증 정리, 변동성 모호성 하에서의 해밀턴-자코비-벨리만(HJB) 방정식 유도, 수정된 두 자산 분離 정리 증명을 통해, 위험 회피 성향을 가진 투자자는 더 큰 불확실성 하에서 위험 자산 할당을 줄임을 보여준다.

ABSTRACT

By the calculus of Peng's G-sublinear expectation and G-Brownian motion on a sublinear expectation space $(Ω, {\cal H}, \hat{\mathbb{E}})$, we first set up an optimality principle of stochastic control problem. Then we investigate an optimal consumption and portfolio decision with a volatility ambiguity by the derived verification theorem. Next the two-fund separation theorem is explicitly obtained. And an illustrative example is provided.

연구 동기 및 목표

• G-브라운 운동을 사용하여 키니언 불확실성 하에서 최적의 확률적 제어를 위한 원칙적인 프레임워크를 수립하기.
• 변동성이 모호할 때 소비 및 포트폴리오 결정을 모델링하여 실제 금융 시장의 불확실성을 반영하기.
• 비선형 기대와 G-확률미분방정식 하에서 최적 정책을 위한 검증 정리 유도하기.
• 모호성 하에서 비선형 기대와 G-브라운 운동을 통한 수정된 두 자산 분리 정리 증명하기.
• 불확실성이 증가함에 따라 낙관적인 투자자가 위험 자산 노출를 줄이는 것을 보여주는 구체적 예시 제공하기.

제안 방법

• 모델 불확실성을 모델링하기 위해 펭 펑의 G-비선형 기대 미분법을 하위 비선형 기대 공간 $(\Omega, \mathcal{H}, \hat{\mathbb{E}})$ 에 적용한다.
• 변동성 모호성 하에서 자산 가격 동역학을 표현하기 위해 G-브라운 운동에 의해 구동되는 G-확률미분방정식(SDEs)을 적용한다.
• G-이토 미분법을 통합한 동적 프로그래밍을 통해 가치 함수에 대한 해밀턴-자코비-벨리만(HJB) 방정식을 도출한다.
• 제어된 확산의 무한소 생성자 표현을 위해 연산자 $\mathbb{L}_G(\pi,c)\psi(t,x)$ 를 도입한다.
• 검증 정리 수립: HJB 방정식의 해밀토니언을 최대화하는 후보 정책 $\hat{u} = (\hat{\pi}, \hat{c})$ 가 존재할 경우, 그 정책은 최적이며 $\mathbb{V}(t,x) = \psi(t,x)$ 를 만족한다.
• 시간 $t$ 에서의 가치 함수가 이후 시간 $\bar{t}$ 에서의 기대값과 연결되는 형태로 최적성 원리를 재귀적으로 적용한다.

실험 결과

연구 질문

• RQ1 G-브라운 운동을 사용하여 모델 불확실성 하에서 최적의 확률적 제어를 어떻게 수립할 수 있는가?
• RQ2 변동성이 모호할 경우 최적의 소비 및 포트폴리오 선택에 대한 HJB 방정식의 구조는 어떻게 되는가?
• RQ3 비선형 기대와 G-브라운 운동 하에서 두 자산 분리 정리는 어떻게 변형되는가?
• RQ4 모호성이 최적 투자 행동에 미치는 영향은 무엇이며, 특히 낙관적인 투자자에게서 어떻게 나타나는가?
• RQ5 G-기대 하에서 최적 제어의 검증 정리는 고전적 확률적 제어와 어떻게 다를까?

주요 결과

• 모호성 하에서 최적의 소비 및 포트폴리오에 대한 HJB 방정식은 $\sup_{c \geq 0, \pi \in \mathbb{R}^d} \left[ \mathbb{L}_G(\pi,c)\psi(t,x) + U_1(c) \right] = 0$ 으로 유도되며, 종료 조건은 $\psi(T,x) = U_2(x)$ 이다.
• 검증 정리가 증명되었으며, 정책 $\hat{u} = (\hat{\pi}, \hat{c})$ 가 HJB 방정식의 해밀토니언을 최대화할 경우, 그 정책은 최적이며 $\mathbb{V}(t,x) = \psi(t,x)$ 를 만족한다.
• 수정된 두 자산 분리 정리가 명시적으로 도출되었으며, 이는 모호성 하에서 최적 포트폴리오가 무위험 자산과 위험 자산 편성으로 분해될 수 있음을 보여준다.
• 구체적 예시를 통해 낙관적인 투자자에게서 모호성이 증가할수록 위험 자산 투자가 감소하는 것으로 확인되었다.
• G-브라운 운동과 비선형 기대를 통한 변동성 모호성 통합을 통해 고전적 최적 제어를 확장하여 행동 금융학에 새로운 시각을 제공한다.
• G-기대 항목의 존재로 인해 결과가 고전적 확률적 제어(예: 옹과 주오 [44])와 다름을 보이며, 이는 동역학 내 모델 불확실성을 반영한다.