Management of Portfolio Depletion Risk through Optimal Life Cycle Asset Allocation
Notice bibliographique
Résumé
Members of defined contribution (DC) pension plans must take on additional responsibilities for their investments, compared to participants in defined benefit (DB) pension plans. The transition from DB to DC plans means that more employees are faced with these responsibilities. We explore the extent to which DC plan members can follow financial strategies that have a high chance of resulting in a retirement scenario that is fairly close to that provided by DB plans. Retirees in DC plans typically must fund spending from accumulated savings. This leads to the risk of depleting these savings, that is, portfolio depletion risk. We analyze the management of this risk through life cycle optimal dynamic asset allocation, including the accumulation and decumulation phases. We pose the asset allocation strategy as an optimal stochastic control problem. Several objective functions are tested and compared. We focus on the risk of portfolio depletion at the terminal date, using such measures as conditional value at risk (CVAR) and probability of ruin. A secondary consideration is the median terminal portfolio value. The control problem is solved using a Hamilton-Jacobi-Bellman formulation, based on a parametric model of the financial market. Monte Carlo simulations that use the optimal controls are presented to evaluate the performance metrics. These simulations are based on both the parametric model and bootstrap resampling of 91 years of historical data. The resampling tests suggest that target-based approaches that seek to establish a safety margin of wealth at the end of the decumulation period appear to be superior to strategies that directly attempt to minimize risk measures such as the probability of portfolio depletion or CVAR. The target-based approaches result in a reasonably close approximation to the retirement spending available in a DB plan. There is a small risk of depleting the retiree’s funds, but there is also a good chance of accumulating a buffer that can be used to manage unplanned longevity risk or left as a bequest.
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.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,003 | 0,006 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,000 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».