本文介绍如何使用RSOME解决一个多阶段金融规划问题。问题涉及股票和债券投资，通过场景树构建8种可能的结果。目标是最大化最差情境下的效用函数，保证在不同市场条件下达到期望收益。在τ=80，d=55的条件下，最优投资策略为股票41.4793，债券13.5207。
记录一下学习的RSOME中示例，参考文献来自RSOME用户手册 [1]。
1.场景描述
RSOME用户手册的例4.4.1是一个使用场景树(scenario-tree)的多阶段金融规划问题。有两种投资方案，股票(stocks)和债券(bonds)。每一阶段投资有两种结果：(1)高回报，股票和债券的本息收益分别为1.25和1.14，(2)低回报，股票和债券的本息收益分别为1.06和1.12。假设两种可能的结果等概率出现。经过三个阶段的时间后，一共产生8中可能的情形(或场景)，因而可以构建场景树，如下所示。
说明以上图片来自文献[1]，图中的百分数代表产品的收益率。设定场景数量 S \bf{S} S = 8 =8 =8，每个场景 s ∈ [ S ] s \in [\bf{S}] s∈[S] = { 1 , 2 , ⋯ S } =\{1,2,\cdots\,\bf{S}\} ={
1,2,⋯S}。图中, ( a 1 ( 2 ) , a 2 ( 2 ) , a 3 ( 2 ) ) = [ 1.25 1.25 1.06 1.14 1.14 1.12 ] (a_{1}(2),a_{2}(2),a_{3}(2))=\begin{bmatrix}1.25&1.25&1.06\\1.14&1.14&1.12\end{bmatrix} (a1(2),a2(2),a3(2))=[1.251.141.251.141.061.12]
a 1 ( 2 ) = ( 1.25 , 1.16 ) T a_{1}(2)=(1.25,1.16)^{T} a1(2)=(1.25,1.16)T,表示场景2的第一阶段收益率。其他的情况以此类推。
2.构建优化问题
使用 τ \tau τ表示投资之后的期望收益目标值， r ( s ) r(s) r(s)表示场景 s s s的最终收益，定义：
x ˉ ( s ) = r ( s ) − τ , i f r ( s ) ≥ τ \bar{x}(s)=r(s)-\tau,\;if\; r(s)\geq \tau xˉ(s)=r(s)−τ,ifr(s)≥τ x ‾ ( s ) = τ − r ( s ) , i f r ( s ) ≤ τ \underline{x}(s)=\tau-r(s),\;if\; r(s) \leq \tau x(s)=τ−r(s),ifr(s)≤τ 其中， x ˉ ≥ 0 \bar{x}\geq 0 xˉ≥0为最终收益超出目标的超额量， x ‾ ≥ 0 \underline{x}\geq 0 x≥0表示最终收益小于目标的差额量。也即是说给最终的收益定了一个目标值，并使用最终的结果跟这个目标值进行比较。
例4.4.1中建立效用函数为：
U ( r (
最低0.47元/天 解锁文章
933
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
