بهینه‌سازی شانس محدود در رابطه با پرتفوی‌های صندوق بازنشستگی تحت تأثیر ریسک نکول

عنوان فارسی مقاله:بهینه‌سازی شانس محدود در رابطه با پرتفوی‌های صندوق بازنشستگی تحت تأثیر ریسک نکول

چکیده

در این پژوهش، ما مسئله‌ بهینه‌سازی پورتفولیو را برای صندوق بازنشستگی شامل اوراق قرضه‌ی شرکتی و دولتی متعدد مد نظر قرار می‌دهیم. حداکثر سازی وضعیت نقدینگی صندوق در پایان افق زمانی، حین مد نظر قرار دادن احتمال نکول اوراق قرضه هدف مسئله می‌باشد. در این مطالعه، این مسئله را به صورت مسئله‌ی کنترل بهینه‌ی زمان گسسته‌ی تصادفی با شانس مدل‌سازی می‌کنیم که متضمن برآورده سازی و عمل به کلیه تعهدات آینده می‌باشد. متعاقباً، فرمول قطعی متناظر را معرفی خواهیم کرد که تقریب محافظه‌کارانه از مسئله‌ی کنترل بهینه‌ی تصادفی اولیه محسوب می‌شود. این مسئله‌ی تقریب را می‌توان از طریق روش‌های بهینه‌سازی گرادیان محور حل کرد. در انتهای این مقاله، یک مطالعه‌ی شبیه‌سازی ارائه می‌شود

ادامه مطلب

راهنمای خرید:

لینک دانلود فایل بلافاصله بعد از پرداخت وجه به نمایش در خواهد آمد.
همچنین لینک دانلود به ایمیل شما ارسال خواهد شد به همین دلیل ایمیل خود را به دقت وارد نمایید.
ممکن است ایمیل ارسالی به پوشه اسپم یا Bulk ایمیل شما ارسال شده باشد.
در صورتی که به هر دلیلی موفق به دانلود فایل مورد نظر نشدید با ما تماس بگیرید.

Title: Chance-constrained Optimization for Pension Fund Portfolios in the Presence of Default Risk

Abstract

In this paper, we consider the portfolio optimization problem for a pension fund consisting of various government and corporate bonds. The aim of the problem is to maximize the fund’s cash position at the end of the time horizon, while allowing for the possibility of bond defaults. We model this problem as a stochastic discrete-time optimal control problem with a chance constraint that ensures all future outgoing commitments can be met with sufficiently high probability. We then introduce a corresponding deterministic formulation that is a conservative approximation of the original stochastic optimal control problem. This approximate problem can be solved using gradient-based optimization techniques. We conclude the paper with a simulation study.