MétaCan
Menu
Retour à la cohorte
Enregistrement W2014282155 · doi:10.1111/j.1467-9965.2009.00366.x

EXPLICIT SOLUTIONS OF CONSUMPTION‐INVESTMENT PROBLEMS IN FINANCIAL MARKETS WITH REGIME SWITCHING

2009· article· en· W2014282155 sur OpenAlex

Pourquoi ce travail est dans la base

Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.

affAu moins un auteur déclare une institution canadienne dans l'instantané OpenAlex épinglé.

Notice bibliographique

RevueMathematical Finance · 2009
Typearticle
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueStochastic processes and financial applications
Établissements canadiensUniversity of Alberta
Organismes subventionnairesnon disponible
Mots-clésConsumption (sociology)EconomicsFinancial marketInvestment (military)Asset (computer security)Markov chainExpected utility hypothesisComplete marketMicroeconomicsIncomplete marketsMonetary economicsFinancial economicsEconometricsFinance

Résumé

récupéré en direct d'OpenAlex

We consider a consumption and investment problem where the market presents different regimes. An investor taking decisions continuously in time selects a consumption–investment policy to maximize his expected total discounted utility of consumption. The market coefficients and the investor's utility of consumption are dependent on the regime of the financial market, which is modeled by an observable finite‐state continuous‐time Markov chain. We obtain explicit optimal consumption and investment policies for specific HARA utility functions. We show that the optimal policy depends on the regime. We also make an economic analysis of the solutions, and show that for every investor the optimal proportion to allocate in the risky asset is greater in a “bull market” than in a “bear market.” This behavior is not affected by the investor's risk preferences. On the other hand, the optimal consumption to wealth ratio depends not only on the regime, but also on the investor's risk tolerance: high risk‐averse investors will consume relatively more in a “bull market” than in a “bear market,” and the opposite is true for low risk‐averse investors.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Prédiction distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: Théorique ou conceptuel
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,891
Score d'incertitude au seuil0,697

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,036
Tête enseignante GPT0,226
Écart entre enseignants0,190 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle