Optimal Investment Strategy for α-Robust Utility Maximization Problem

数学 数学优化 最大化 投资策略 效用最大化 投资(军事) 稳健优化 数理经济学 经济 微观经济学 利润(经济学) 政治 政治学 法学
作者
Zhou Yang,Danping Li,Yan Zeng,Guanting Liu
出处
期刊:Mathematics of Operations Research [Institute for Operations Research and the Management Sciences]
标识
DOI:10.1287/moor.2023.0076
摘要

In reality, investors are uncertain about the dynamics of risky asset returns. Therefore, investors prefer to make robust investment decisions. In this paper, we propose an α-robust utility maximization problem under uncertain parameters. The investor is allowed to invest in a financial market consisting of a risk-free asset and a risky asset. The uncertainty about the expected return rate is parameterized by a nonempty set. Different from most existing literature on robust utility maximization problems where investors are generally assumed to be extremely ambiguity averse because they tend to consider only expected utility in the worst-case scenario, we pay attention to the investors who are not only ambiguity averse but also ambiguity seeking. Under power utility, we provide the implicit function representations for the precommitted strategy, equilibrium strategy of the open-loop type, and equilibrium strategy of the closed-loop type. Some properties about the optimal trading strategies, the best-case and worst-case parameters under three different kinds of strategies, are provided. Funding: This work was supported by National Natural Science Foundation of China [Grants 12071147, 12171169, 12271171, 12371470, 71721001, 71931004, 72371256], the Shanghai Philosophy Social Science Planning Office Project [Grant 2022ZJB005], Fundamental Research Funds for the Central Universities [Grant 2022QKT001], the Excellent Young Team Project Natural Science Foundation of Guangdong Province of China [Grant 2023B1515040001], the Philosophy and Social Science Programming Foundation of Guangdong Province [Grant GD22CYJ17], the Nature Science Foundation of Guangdong Province of China [Grant 2022A1515011472], and the 111 Project [Grant B14019].
最长约 10秒,即可获得该文献文件

科研通智能强力驱动
Strongly Powered by AbleSci AI
更新
大幅提高文件上传限制,最高150M (2024-4-1)

科研通是完全免费的文献互助平台,具备全网最快的应助速度,最高的求助完成率。 对每一个文献求助,科研通都将尽心尽力,给求助人一个满意的交代。
实时播报
wwf完成签到,获得积分10
1秒前
chenaio完成签到,获得积分10
1秒前
hhhhhhh完成签到,获得积分10
1秒前
2秒前
3秒前
Joyceban发布了新的文献求助10
3秒前
WANGT完成签到,获得积分10
5秒前
郭盾发布了新的文献求助10
7秒前
Jasper应助12采纳,获得10
7秒前
Owen应助user123采纳,获得10
7秒前
8秒前
楠桉发布了新的文献求助10
8秒前
DG完成签到,获得积分10
8秒前
天天快乐应助njseu采纳,获得10
8秒前
乔丹完成签到,获得积分10
9秒前
迷茫的水母完成签到,获得积分10
9秒前
9秒前
10秒前
好困完成签到,获得积分0
12秒前
12秒前
12秒前
12秒前
如意安白发布了新的文献求助10
14秒前
kiterunner完成签到,获得积分10
14秒前
15秒前
十七画关注了科研通微信公众号
15秒前
桐桐应助mc采纳,获得10
16秒前
楠桉完成签到,获得积分10
16秒前
半胱氨酸发布了新的文献求助10
16秒前
17秒前
17秒前
冷酷鱼发布了新的文献求助10
18秒前
18秒前
英俊的铭应助111采纳,获得10
18秒前
胡图完成签到,获得积分10
18秒前
感动归尘发布了新的文献求助10
19秒前
19秒前
YK发布了新的文献求助10
19秒前
20秒前
20秒前
高分求助中
Evolution 10000
Sustainability in Tides Chemistry 2800
The Young builders of New china : the visit of the delegation of the WFDY to the Chinese People's Republic 1000
юрские динозавры восточного забайкалья 800
Diagnostic immunohistochemistry : theranostic and genomic applications 6th Edition 500
Chen Hansheng: China’s Last Romantic Revolutionary 500
China's Relations With Japan 1945-83: The Role of Liao Chengzhi 400
热门求助领域 (近24小时)
化学 医学 生物 材料科学 工程类 有机化学 生物化学 物理 内科学 纳米技术 计算机科学 化学工程 复合材料 基因 遗传学 催化作用 物理化学 免疫学 量子力学 细胞生物学
热门帖子
关注 科研通微信公众号,转发送积分 3148466
求助须知:如何正确求助?哪些是违规求助? 2799588
关于积分的说明 7836005
捐赠科研通 2456991
什么是DOI,文献DOI怎么找? 1307679
科研通“疑难数据库(出版商)”最低求助积分说明 628245
版权声明 601655