Адаптивное управление инвестиционным портфелем
Рассматривается задача оптимального управления инвестиционным портфелем (ИП). Структура ИП в пространстве состояний описывается системой разностных уравнений со случайными скачкообразно меняющимися параметрами. Параметры уравнений изменяются в соответствии с эволюцией дискретной марковской цепи. Предлагается алгоритм управления ИП c использованием адаптивной фильтрации параметров уравнений, описывающих структуру ИП. Приводятся результаты численного моделирования.
The adaptive control of investment portfolio.pdf Проблема оптимального управления ИП является однойиз центральных задач финансовой инженерии. В последниедесятилетия активно развивались различные подходы к ре-шению данной проблемы [1 - 9].В работах [10, 11] предложена динамическая модельуправления ИП в пространстве состояний. Структура ИПописывается в виде динамической стохастической сети, уз-лы которой представляют капитал, помещенный в данныйрисковый или безрисковый финансовый актив, а дуги - на-правления и объем капитала, перераспределяемого междуактивами. Задача управления ИП формулируется как дина-мическая задача слежения по квадратичному критерию занекоторым, задаваемым инвестором, портфелем, имеющимжелаемую доходность (гипотетическим эталонным портфе-лем). В качестве модели эволюции цен рисковых активов(акций) в [10,11] принята классическая модель геометриче-ского (экономического) броуновского движения Блэка -Шоулса [7], в которой параметры уравнений, описывающихдинамику цен, не случайны.В данной работе предполагается, что цены рисковых ак-тивов описываются стохастическими разностными уравне-ниями со случайными скачкообразно меняющимися пара-метрами. Параметры уравнений изменяются в соответствиис эволюцией дискретной марковской цепи. Подобные моде-ли учитывают случайные изменения как волатильности, таки доходности, характерные для финансовых рынков и отно-сятся к классу моделей неполного рынка [7, 12 - 17], кото-рые более адекватно описывают изменения цен, наблюдае-мые на реальных финансовых рынках. Предлагается алго-ритм управления ИП c использованием адаптивной фильт-рации параметров уравнений, описывающих структуру ИП.Приводятся результаты численного моделирования.ОПИСАНИЕ МОДЕЛИ ИП И ОПРЕДЕЛЕНИЕОПТИМАЛЬНОЙ СТРАТЕГИИРассмотрим ИП, состоящий из n видов рисковыхактивов (ценные бумаги и их производные), доход-ность которых является случайной величиной, и без-рискового актива (банковский счет, надежные облига-ции) с неслучайной, но, возможно, переменной доход-ностью. Управление портфелем осуществляется путемперераспределения капитала между различными вида-ми инвестиций посредством банковского счета.Предполагается, что цены рисковых активов опи-сываются стохастическими разностными уравнения-ми со случайными скачкообразно меняющимися па-раметрами. Параметры уравнений меняются в соот-ветствии с эволюцией дискретной марковской цепи сизвестной матрицей переходных вероятностей. Эво-люция цен рисковых финансовых активов описывает-ся разностными уравнениями вида1( 1) ( ) 1 ( , ) ( , ) ( ) ,ni i i k ij k jjS k S k k k k=⎡ ⎤+ = + + ⎢ ⎥⎢⎣ ⎥⎦ (1)где Si(k) - цена i -го рискового актива; i(k,k) -характеризует норму возврата (коэффициент роста); j(k) - некоррелированная случайная гауссовскаяпоследовательность с нулевым средним и единичнойдисперсией; k - марковская цепь с дискретным вре-менем и конечным множеством наблюдаемых состоя-ний ℜ ={1,…,}, которая описывается следующейматрицей вероятностей перехода:[ ], Prob{ 1 | },, 1, , .P pij pij k j k ii j= = + = == … Здесь pi= Prob{0 = i},i=1,…, - начальное рас-пределение; (k,k) =[ij(k,k)] - матрица вола-тильности (изменчивости), где ij(k,k) - известнаяфункция k . Процессы j(k) и k независимы. Мо-дель цен со скачкообразной волатильностью рассмат-ривается в работах [12 - 14, 17].Пусть x(k)Rn+1 - вектор состояния ИП, компо-ненты которого равны объему инвестиций в i -й ак-тив, i= 1,…,n+1; компонента xn+1(k) описывает со-стояние банковского счета. Тогда, учитывая (1), эво-люция рисковых вложений описывается уравнениями1( 1) 1 ( , ) ( , ) ( )[ ( ) ( )] ,ni i k ij k jji ix k k k kx k u k=⎡ ⎤+ = ⎢ + + ⎥⎢⎣ ⎥⎦ + (2)эволюция банковского счета следует уравнению1 [ ] 11( 1) 1 ( ) ( ) ( ) ,nn n iix+ k rk x+ k u k=⎡ ⎤+ = + ⎢ − ⎥⎣ ⎦ (3)где r(k) - доходность банковского счета. Еслиui(k) >0, то это означает перевод капитала в суммеui(k) с банковского счета в i-й вид рисковых вложе-ний, если ui(k)
Ключевые слова
Авторы
Герасимов Евгений Сергеевич | Томский государственный университет | ассистент кафедры математических методов и информационных технологий в экономике экономического факультета | evgen@ic.tsu.ru |
Домбровский Владимир Валентинович | Томский государственный университет | профессор, доктор технических наук, заведующий кафедрой математических методов и информационных технологий в экономике экономического факультета | dombrovs@ef.tsu.ru |
Всего: 2
Ссылки
Markowitz H. Portfolio Selection // J. Finance. 1952. V.7. No. 1. P. 77-91.
Tobin J. Liquidity Preference as Behavior Towards Risk // Rev. Econom. Stud. 1958. V. 26. No. 1. P. 65-86.
Young M.R. A Minimax Portfolio Selection Rule with Linear Programming Solution // Management Science. 1998. V. 44. No. 5. P. 673-683.
Dupakova J. Portfolio optimization via stochastic programming: Methods of output analysis // Mathematical Methods of Operations Research. 1999. No. 50. P. 245-270.
Kellerer H., Mansisni R., Speranza M. G. Selecting Portfolios with Fixed Costs and Minimum Transaction Lots // Annals of Operations Research. 2000. V.99. P. 287-304.
Golub B., Holmer M., McKendall R., et al. A Stochastic programming model for money management // European Journal of Operational Research. 1995. V.85. P. 282-296.
Merton R.C. Continuous-time Finance. Cambr. Ma. Blackwell. 1990.
Kushner H.J. Consistency Issues for Numerical Methods for Variance Control with Applications to Optimization in Finance // IEEE Transactions on Automatic Control. 1999. V.44. No. 12. P. 2283-2296.
Billio M., Pellizon L. Value-at-Risk: a multivariate switching regime approach // J. of Empirical Finance. 2000. No. 7. P. 531-554.
Dombrovsky V.V., Gerasimov E.S. Dynamic Network Model of Control Investment Portfolio in Continuous Time // Proceedings of the 5th Korea-Russia International Symposium on Science and Technology. Tomsk. Russia. 2001. V. 2. P. 304-308.
Герасимов Е.С., Домбровский В.В. Динамическая сетевая модель управления инвестиционным портфелем при квадратичной функции риска // Автоматика и телемеханика. 2002. № 2. C. 119-128.
Herzel S. A Simple model for option pricing with jumping stochastic volatility // International Journal of Theoretical and Applied Finance. 1998. V. 1. No. 4. P. 487-505.
Cvitanic J., Liptser R., Rozovskii B. Tracking volatility // Proceedings 39-th IEEE Conference on Decision and Control. 2000. P. 1189-1193.
Cajueiro D. O., Yoneyama T. Optimum portfolio choice for a class jump stochastic models // Proceedings of the 15th Triennial World Congress. Barselona. Spain. IFAC 2002.
Ширяев А.Н. Вероятностно-статистические модели эволюции финансовых индексов // Обозрение прикладной и промышленной математики. 1995. Т. 2. № 4. C. 527-555.
Brandt M.W., Sant-Clara P. Simulated likelihood estimation of diffusions with an application to exchange rate dynamics inincomplete markets // J. of Financial Economics. 2002. No. 63. P. 161-210.
Elliott R.J., Malcolm W.P., Tsoi A.H. Robust parameter estimation for asset price models with Markov modulated volatilities // J. of Economic Dynamics and Control. 2003. V. 27. No. 8. P. 1391-1409.
Elliott R.J. Exact adaptive filters for Markov chains observed in Gaussian noise // Automatica. 1994. No. 30. P. 1399-1408.
Athans M. The Matrix Minimum Principle // Inform. Control. 1968. V.11. P. 592-606.