Skip to main content
CenXiv.org
此网站处于试运行阶段,支持我们!
我们衷心感谢所有贡献者的支持。
贡献
赞助
cenxiv logo > q-fin > arXiv:1605.01028

帮助 | 高级搜索

定量金融 > 统计金融

arXiv:1605.01028 (q-fin)
[提交于 2016年5月3日 ]

标题: 论最佳退休(如何提前退休)

标题: On Optimal Retirement (How to Retire Early)

Authors:Philip Ernst, Dean Foster, Larry Shepp
摘要: 我们提出一个最优控制问题,该问题源于一种可能新的退休投资模型。 给定一个控制函数$f$和我们的当前净值为$X(t)$对于任何$t$,我们将金额$f(X(t))$投资于市场。 我们需要拥有$M$"超级美元" 才能退休,并希望尽可能早地退休。 我们通过伊藤过程$dX(t)= (1+f(X(t))dt+ f(X(t))dW(t)$来模拟我们在每个无限小时间间隔内的净值变化。 我们说明如何选择最优的$f=f_0$并证明在所有非前瞻投资策略中,$f_0$的选择是最优的,而不仅仅是在马尔可夫策略中。
摘要: We pose an optimal control problem arising in a perhaps new model for retirement investing. Given a control function $f$ and our current net worth as $X(t)$ for any $t$, we invest an amount $f(X(t))$ in the market. We need a fortune of $M$ "superdollars" to retire and want to retire as early as possible. We model our change in net worth over each infinitesimal time interval by the Ito process $dX(t)= (1+f(X(t))dt+ f(X(t))dW(t)$. We show how to choose the optimal $f=f_0$ and show that the choice of $f_0$ is optimal among all nonanticipative investment strategies, not just among Markovian ones.
评论: 14页,2图
主题: 统计金融 (q-fin.ST) ; 数学金融 (q-fin.MF)
MSC 类: 60H10, 60J60
引用方式: arXiv:1605.01028 [q-fin.ST]
  (或者 arXiv:1605.01028v1 [q-fin.ST] 对于此版本)
  https://doi.org/10.48550/arXiv.1605.01028
通过 DataCite 发表的 arXiv DOI
期刊参考: Journal of Applied Probability (2014), 51(2): 333-345

提交历史

来自: Philip Ernst [查看电子邮件]
[v1] 星期二, 2016 年 5 月 3 日 19:15:33 UTC (269 KB)
全文链接:

获取论文:

    查看标题为《》的 PDF
  • 查看中文 PDF
  • 查看 PDF
  • TeX 源代码
  • 其他格式
许可图标 查看许可
当前浏览上下文:
q-fin.ST
< 上一篇   |   下一篇 >
新的 | 最近的 | 2016-05
切换浏览方式为:
q-fin
q-fin.MF

参考文献与引用

  • NASA ADS
  • 谷歌学术搜索
  • 语义学者
a 导出 BibTeX 引用 加载中...

BibTeX 格式的引用

×
数据由提供:

收藏

BibSonomy logo Reddit logo

文献和引用工具

文献资源探索 (什么是资源探索?)
连接的论文 (什么是连接的论文?)
Litmaps (什么是 Litmaps?)
scite 智能引用 (什么是智能引用?)

与本文相关的代码,数据和媒体

alphaXiv (什么是 alphaXiv?)
CatalyzeX 代码查找器 (什么是 CatalyzeX?)
DagsHub (什么是 DagsHub?)
Gotit.pub (什么是 GotitPub?)
Hugging Face (什么是 Huggingface?)
带有代码的论文 (什么是带有代码的论文?)
ScienceCast (什么是 ScienceCast?)

演示

复制 (什么是复制?)
Hugging Face Spaces (什么是 Spaces?)
TXYZ.AI (什么是 TXYZ.AI?)

推荐器和搜索工具

影响之花 (什么是影响之花?)
核心推荐器 (什么是核心?)
IArxiv 推荐器 (什么是 IArxiv?)
  • 作者
  • 地点
  • 机构
  • 主题

arXivLabs:与社区合作伙伴的实验项目

arXivLabs 是一个框架,允许合作伙伴直接在我们的网站上开发和分享新的 arXiv 特性。

与 arXivLabs 合作的个人和组织都接受了我们的价值观,即开放、社区、卓越和用户数据隐私。arXiv 承诺这些价值观,并且只与遵守这些价值观的合作伙伴合作。

有一个为 arXiv 社区增加价值的项目想法吗? 了解更多关于 arXivLabs 的信息.

这篇论文的哪些作者是支持者? | 禁用 MathJax (什么是 MathJax?)
  • 关于
  • 帮助
  • contact arXivClick here to contact arXiv 联系
  • 订阅 arXiv 邮件列表点击这里订阅 订阅
  • 版权
  • 隐私政策
  • 网络无障碍帮助
  • arXiv 运营状态
    通过...获取状态通知 email 或者 slack

京ICP备2025123034号