Non-concave Expected Utility Optimization with Uncertain Time Horizon
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.
Notice bibliographique
Résumé
Abstract We consider an expected utility maximization problem where the utility function is not necessarily concave and the time horizon is uncertain. We establish a necessary and sufficient condition for the optimality for general non-concave utility function in a complete financial market. We show that the general concavification approach of the utility function to deal with non-concavity, while being still applicable when the time horizon is a stopping time with respect to the financial market filtration, leads to sub-optimality when the time horizon is independent of the financial risk, and hence can not be directly applied. For the latter case, we suggest a recursive procedure which is based on the dynamic programming principle. We illustrate our findings by carrying out a multi-period numerical analysis for optimal investment problem under a convex option compensation scheme with random time horizon. We observe that the distribution of the non-concave portfolio in both certain and uncertain random time horizon is right-skewed with a long right tail, indicating that the investor expects frequent small losses and a few large gains from the investment. While the (certain) average time horizon portfolio at a premature stopping date is unimodal, the random time horizon portfolio is multimodal distributed which provides the investor a certain flexibility of switching between the local maximizers, depending on the market performance. The multimodal structure with multiple peaks of different heights can be explained by the concavification procedure, whereas the distribution of the time horizon has significant impact on the amplitude between the modes.
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 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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,001 |
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 découle