BEHAVIORAL PORTFOLIO CHOICE UNDER HYPERBOLIC ABSOLUTE RISK AVERSION
Notice bibliographique
Résumé
This paper studies the optimal investment problem for a behavioral investor with probability distortion functions and an S-shaped utility function whose utility on gains satisfies the Inada condition at infinity, albeit not necessarily at zero, in a complete continuous-time financial market model. In particular, a piecewise utility function with hyperbolic absolute risk aversion (HARA) is applied. The considered behavioral framework, cumulative prospect theory (CPT), was originally introduced by [A. Tversky & D. Kahneman (1992) Advances in prospect theory: Cumulative representation of uncertainty, Journal of Risk and Uncertainty 5 (4), 297–323]. The utility model allows for increasing, constant or decreasing relative risk aversion. The continuous-time portfolio selection problem under the S-shaped HARA utility function in combination with probability distortion functions on gains and losses is solved theoretically for the first time, the optimal terminal wealth and its replicating wealth process and investment strategy are stated. In addition, conditions on the utility and the probability distortion functions for well-posedness and closed-form solutions are provided. A specific probability distortion function family is presented which fulfills all those requirements. This generalizes the work by [H. Jin & X. Y. Zhou (2008) Behavioral portfolio selection in continuous time, Mathematical Finance 18 (3), 385–426]. Finally, a numerical case study is carried out to illustrate the impact of the utility function and the probability distortion functions.
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 distillée sur la base complète
Imitation des enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».