[论文解读] Optimal Investment in a Dual Risk Model

Arash Fahim, Lingjiong Zhu|arXiv (Cornell University)|Oct 16, 2015

Probability and Risk Models参考文献 23被引用 3

一句话总结

本文提出了一种在双重风险模型下针对高科技或风险投资公司的研发（R&D）最优投资策略，以最小化破产概率。通过将R&D投资建模为影响盈余过程漂移和跳变强度的控制变量，作者推导出在状态依赖动态下的最小破产概率的闭式表达式，表明当财富超过临界阈值时，最优R&D投资可使破产概率呈指数衰减。

ABSTRACT

Dual risk models are popular for modeling a venture capital or high tech company, for which the running cost is deterministic and the profits arrive stochastically over time. Most of the existing literature on dual risk models concentrated on the optimal dividend strategies. In this paper, we propose to study the optimal investment strategy on research and development for the dual risk models to minimize the ruin probability of the underlying company. We will also study the optimization problem when in addition the investment in a risky asset is allowed.

研究动机与目标

• 为弥补传统双重风险模型仅关注股利策略而缺乏对R&D投资优化研究的不足。
• 建模增加R&D投资如何影响公司的运营成本和利润到达强度，从而影响破产风险。
• 推导出最小化高科技或风险投资公司最终破产概率的最优R&D投资策略。
• 将双重风险模型扩展至包含状态依赖动态，其中R&D投资同时改变盈余过程的漂移和跳变强度。
• 提供最优R&D投资下最小破产概率的显式解析表达式，以实现对战略决策的量化评估。

提出的方法

• 本文构建了一个状态依赖的双重风险模型，其中运营成本和利润到达率取决于公司的当前财富和R&D投资水平。
• 将R&D投资建模为控制变量，其可提高利润到达强度，同时增加运营成本，从而在破产概率上形成权衡。
• 利用随机控制理论推导最优投资策略，求解破产概率值函数的哈密顿-雅可比-贝尔曼（HJB）方程。
• 解法包括构造候选最优控制，并通过验证定理进行验证，最终得到最小破产概率的显式表达式。
• 在γ = 1的情况下，最优策略为bang-bang型：当财富低于临界阈值x*时投资为零，当财富高于x*时投资无限大。
• 本文利用包含修正贝塞尔函数和互补误差函数（erfc）的积分，推导出最小破产概率的闭式表达式，尤其适用于指数和幂律跳变大小分布。

实验结果

研究问题

• RQ1 在具有状态依赖动态的双重风险模型中，最小化破产概率的最优R&D投资水平是什么？
• RQ2 最优R&D投资策略如何依赖于初始财富及模型参数（如利润到达强度和成本率）？
• RQ3 当R&D投资被最优选择时，最小破产概率的解析形式是什么？
• RQ4 最优R&D投资是否会导致破产概率随初始财富增加而更快衰减（指数衰减 vs 多项式衰减）？
• RQ5 在何种条件下应大力投资于R&D，而在何种条件下更优策略是避免投资？

主要发现

• 在最优R&D投资下，当公司财富超过临界阈值x*时，最小破产概率随初始财富呈指数衰减；而当财富低于x*时，衰减为多项式形式。
• 当γ = 1时，最优策略为bang-bang型：当财富x ≤ x*时无投资，当x > x*时无限投资，其中x* = (λ₀ − δ₀ + ν)/(δ₀ − ν)。
• 最小破产概率的闭式表达式由包含修正贝塞尔函数和互补误差函数的积分之比构成，显式依赖于模型参数。
• 当不进行R&D投资（C₀ = 0）时，破产概率呈多项式衰减，且严格介于0和1之间，如公式(5.8)所示。
• 数值结果表明，最优R&D投资显著降低了破产概率，尤其在初始财富较高时，红色虚线（最优）曲线明显低于蓝色曲线（无投资）。
• 根据状态依赖参数的不同，该模型表现出破产概率的亚指数、指数或超指数衰减，挑战了破产概率作为初始财富函数为凸性的假设。