Merton's Problem with Recursive Perturbed Utility

यहाँ शोध पत्र "Merton's Problem with Recursive Perturbed Utility" (Dai, Dong, Jia, and Zhou द्वारा लिखित) का विस्तृत तकनीकी सारांश दिया गया है।

1. समस्या विवरण (Problem Statement)

यह शोध पत्र शास्त्रीय वित्तीय सिद्धांत और व्यवहारिक साक्ष्य के बीच एक मौलिक विसंगति को संबोधित करता है:

• शास्त्रीय दृष्टिकोण (Classical View): मर्टन की निरंतर-समय निवेश समस्या (Merton's continuous-time investment problem) यह भविष्यवाणी करती है कि तर्कसंगत, जोखिम-विमुख (risk-averse) निवेशक निश्चित (deterministic) पोर्टफोलियो नियमों का पालन करते हैं (समय और अवस्था का एक विशिष्ट फलन)।
• व्यवहारिक वास्तविकता (Behavioral Reality): अनुभवजन्य और प्रयोगशाला साक्ष्य सुझाव देते हैं कि व्यक्ति अक्सर यादृच्छिक (randomized) निर्णयों को पसंद करते हैं, और समान समस्याओं का सामना करने पर भी "शोर युक्त" (noisy) विकल्प प्रदर्शित करते हैं (जैसे, "ब्लिंड बॉक्स", सुशी ओमाकासे)।
• चुनौती: स्थिर सेटिंग्स से एडिटिव पर्टर्बड यूटिलिटी (APU) सिद्धांत (Fudenberg et. al., 2015) को गतिशील मर्टन समस्या तक विस्तारित करना गैर-तुच्छ (non-trivial) है।
  • अस्पष्टता (Ill-posedness): CRRA प्राथमिकताओं के साथ एक निरंतर-समय सेटिंग में, एक सरल एडिटिव मॉडल (अधिकतम अपेक्षित उपयोगिता + एंट्रॉपी का समाकलन) तब अस्पष्ट (ill-posed) हो जाता है जब जोखिम सहनशीलता ($\gamma$) पर्याप्त रूप से मजबूत नहीं होती है। एजेंट पोर्टफोलियो चयन के विचरण (variance) को असीमित रूप से बढ़ाकर ऑब्जेक्टिव वैल्यू को अनंत तक ले जा सकता है।
  • जटिलता (Intractability): उच्च जोखिम सहनशीलता होने पर भी, एडिटिव मॉडल क्लोज्ड-फॉर्म समाधान प्रदान करने में विफल रहता है, जिससे नीति विश्लेषण कठिन हो जाता है।

उद्देश्य: एक गणितीय रूप से सुलभ और आर्थिक रूप से सुदृढ़ ढांचा विकसित करना जो एक गतिशील निवेश सेटिंग में यादृच्छिकता (randomization) की प्राथमिकता को अंतर्जात (endogenize) बनाता है, और "स्टोकेस्टिकिटी के लिए प्राथमिकता" के साथ मर्टन की समस्या को हल करता है।

2. कार्यप्रणाली (Methodology)

A. रिकर्सिव पर्टर्बड यूटिलिटी (Recursive Perturbed Utility - RPU)

लेखक रिकर्सिव पर्टर्बड यूटिलिटी (RPU) पेश करते हैं, जो एक नवीन स्टोकेस्टिक डिफरेंशियल यूटिलिटी है जो एक रिकर्सिव एग्रीगेटर में एंट्रॉपी-आधारित यादृच्छिकता की प्राथमिकता को शामिल करती है।

• तंत्र (Mechanism): एडिटिव APU के विपरीत, RPU एपस्टीन-ज़िन (Epstein-Zin) यूटिलिटी और उज़ावा (Uzawa) प्राथमिकताओं से प्रेरित एक रिकर्सिव संरचना का उपयोग करता है। "तापमान" (यादृच्छिकता पर भार) अंतर्जात (endogenous) और इतिहास-निर्भर होता है।
• एग्रीगेटर (The Aggregator): यूटिलिटी प्रक्रिया $J^\pi_t$ एक बैकवर्ड स्टोकेस्टिक डिफरेंशियल इक्वेशन (BSDE) का पालन करती है:
  $$dJ^\pi_t = -\lambda_t H(\pi_t) [(1-\gamma)J^\pi_t + 1] dt + Z^\pi_t \cdot dB_t$$
  जहाँ $H(\pi_t)$ यादृच्छिक नियंत्रण $\pi_t$ की डिफरेंशियल एंट्रॉपी है, और $\lambda_t$ प्राथमिक तापमान पैरामीटर है।
• आर्थिक अंतर्दृष्टि: पद $[(1-\gamma)J^\pi_t + 1]$ एक अवस्था-निर्भर डिस्काउंट रेट के रूप में कार्य करता है।
  • यदि $\gamma > 1$ (सामान्य जोखिम सहनशीलता), तो पिछला यादृच्छिकरण वर्तमान यादृच्छिकता की सीमांत उपयोगिता को कम कर देता है (damping effect), जो एडिटिव मॉडलों में देखी जाने वाली "अनियंत्रित" विचरण (runaway variance) को रोकता है।
  • यह एक ट्रेड-ऑफ बनाता है: एजेंट को यादृच्छिकता से उपयोगिता प्राप्त होती है, लेकिन वह संचित यादृच्छिकता के साथ घटते प्रतिफल (diminishing returns) का सामना करता है।

B. मार्केट सेटअप (Market Setup)

• वातावरण: एक सामान्य मार्कोवियन अपूर्ण बाजार (incomplete market) जिसमें एक जोखिम-मुक्त बॉन्ड और एक जोखिम भरा स्टॉक है।
• कारक (Factors): स्टॉक रिटर्न और अस्थिरता (volatility) एक अवलोकन योग्य स्टोकेस्टिक कारक $X_t$ (जैसे, स्टोकेस्टिक वोलैटिलिटी या मीन रिवर्जन) पर निर्भर करती है।
• नियंत्रण (Control): निवेशक एक यादृच्छिक नियंत्रण (randomized control) $\pi_t$ चुनता है, जो पोर्टफोलियो वेट का एक संभाव्यता वितरण है। वेल्थ प्रक्रिया $W^\pi_t$ एक "एक्सप्लोरेटरी" SDE का पालन करती है जहाँ वोलैटिलिटी में $\pi_t$ के विचरण के समानुपाती एक पद शामिल होता है।

C. अनुकूलन दृष्टिकोण (Optimization Approach)

लेखक हैमिल्टन-जैकोबी-बेलमैन (HJB) समीकरण व्युत्पन्न करने के लिए डायनेमिक प्रोग्रामिंग लागू करते हैं। वे दो-चरणीय अनुकूलन का उपयोग करते हैं:

1. $\pi$ के माध्य (mean) और विचरण (variance) को स्थिर करना।
2. एंट्रॉपी को अधिकतम करना (जो $\pi$ के लिए एक गौसियन वितरण (Gaussian distribution) को दर्शाता है)।
3. माध्य और विचरण मापदंडों पर अनुकूलन करना।

3. मुख्य योगदान (Key Contributions)

1. अस्पष्टता का समाधान (Resolution of Ill-posedness): यह शोध पत्र सिद्ध करता है कि RPU ढांचा सभी $\gamma > 0$ के लिए एक सुव्यवस्थित (well-posed) अनुकूलन समस्या प्रदान करता है, जो निरंतर समय में एडिटिव APU की अनंत मूल्य वाली समस्या को दूर करता है।
2. क्लोज्ड-फॉर्म गौसियन पॉलिसी (Closed-Form Gaussian Policy): लेखक सिद्ध करते हैं कि इष्टतम यादृच्छिक नीति गौसियन (Gaussian) है और इसे क्लोज्ड-फॉर्म में व्यक्त किया जा सकता है।
   • विचरण (Variance): जोखिम सहनशीलता ($\gamma$) और स्टॉक वोलैटिलिटी ($\sigma^2$) के व्युत्क्रमानुपाती है।
   • माध्य (Mean): वेल्थ से स्वतंत्र है लेकिन समय और स्टोकेस्टिक कारकों पर निर्भर है।
3. बायस विश्लेषण (Bias Analysis): पिछले सुदृढीकरण शिक्षण (Reinforcement Learning - RL) परिणामों के विपरीत, जहाँ यादृच्छिक नीतियां अक्सर निष्पक्ष (unbiased) होती हैं (अर्थात माध्य नियततम इष्टतम के बराबर होता है), RPU-इष्टतम नीति आम तौर पर पक्षपाती (biased) होती है। यादृच्छिकता और अंतर-कालिक हेजिंग (intertemporal hedging) के बीच परस्पर क्रिया के कारण माध्य, शास्त्रीय मर्टन समाधान से विचलित हो जाता है।
4. एसिम्प्टोटिक एक्सपेंशन (Asymptotic Expansion): यह शोध पत्र तापमान पैरामीटर ($\lambda$) के संदर्भ में एक कठोर एसिम्प्टोटिक विस्तार प्रदान करता है ताकि यादृच्छिकता के वित्तीय लागत को मापा जा सके।

4. मुख्य परिणाम (Main Results)

A. इष्टतम नीति की संरचना (Structure of the Optimal Policy)

इष्टतम नीति $\pi^*_t$ एक नॉर्मल वितरण $N(\mu^*_t, \sigma^2_{\pi})$ है:

• विचरण (Variance): $\text{Var}(\pi^*_t) = \frac{\lambda}{\gamma \sigma^2(t, X_t)}$।
  • उच्च जोखिम सहनशीलता या बाजार वोलैटिलिटी यादृच्छिकता (कम विचरण) की ओर ले जाती है।
• माध्य (Mean): $\text{Mean}(\pi^*_t) = \underbrace{\frac{\mu - r}{\gamma \sigma^2}}_{\text{Myopic Term}} + \underbrace{\frac{\rho \nu}{\gamma \sigma} u_x(t, X_t)}_{\text{Hedging Term}}$।
  • मायोपिक टर्म (Myopic Term): यह शास्त्रीय मर्टन अनुपात है।
  • हेजिंग टर्म (Hedging Term): यह बाजार की अपूर्णता (स्टॉक और कारक के बीच सहसंबंध $\rho$) से उत्पन्न होता है। महत्वपूर्ण रूप से, $u_x$ (वैल्यू फंक्शन घटक का डेरिवेटिव) नॉन-लीनियर PDE के माध्यम से $\lambda$ पर निर्भर करता है। अतः, यादृच्छिकता की उपस्थिति हेजिंग डिमांड को बदल देती है, जिससे माध्य नीति में बायस (bias) आता है।

B. निष्पक्षता की शर्तें (Conditions for Unbiasedness)

इष्टतम नीति केवल विशिष्ट मामलों में निष्पक्ष (Mean = Classical Merton) होती है:

1. पूर्ण बाजार (Complete Markets): $\rho = 0$ (स्टॉक और कारक के बीच कोई सहसंबंध नहीं) या $\nu = 0$ (निश्चित कारक)।
2. लॉग यूटिलिटी (Log Utility): $\gamma = 1$। इस स्थिति में, RPU, एडिटिव APU में बदल जाता है, और हेजिंग टर्म लुप्त हो जाता है।
3. विशिष्ट तापमान फलन (Specific Temperature Functions): यदि $\lambda$ को इस तरह चुना जाए कि PDE समाधान $u$, $\lambda$ से स्वतंत्र रहे।

C. एसिम्प्टोटिक विश्लेषण (वित्तीय लागत) (Asymptotic Analysis - Financial Cost)

लेखक तापमान पैरामीटर $\lambda$ की घातों (powers) में समाधान का विस्तार करते हैं:

• नीति विचलन (Policy Deviation): इष्टतम माध्य का शास्त्रीय मर्टन नीति से विचलन $O(\lambda)$ के क्रम का है।
• वेल्थ हानि (Wealth Loss): सापेक्ष वेल्थ हानि (वह लागत जो एक निवेशक यादृच्छिकता का आनंद लेने के लिए देने को तैयार है) $O(\lambda^2)$ के क्रम की है।
  • महत्व: इसका अर्थ है कि जबकि रणनीति यादृच्छिकता की प्राथमिकता के साथ रैखिक रूप से बदलती है, वित्तीय दंड द्विघातीय (quadratic) है और इसलिए छोटा है। यादृच्छिकता का "आनंद" अपेक्षाकृत कम वित्तीय लागत पर आता है।

5. महत्व और निहितार्थ (Significance and Implications)

• सैद्धांतिक सेतु (Theoretical Bridge): यह शोध पत्र व्यवहारिक अर्थशास्त्र (यादृच्छिकता की प्राथमिकता) और निरंतर-समय स्टोकेस्टिक कंट्रोल के बीच सफलतापूर्वक सेतु बनाता है, जो शास्त्रीय नियत (deterministic) मर्टन ढांचे का एक कठोर विकल्प प्रदान करता है।
• RL से अंतर (Distinction from RL): हालांकि इसका गणितीय रूप सुदृढीकरण शिक्षण (RL) में "एंट्रॉपी रेगुलराइजेशन" के समान दिखता है, लेकिन इसकी प्रेरणा मौलिक रूप से भिन्न है। RL में, एंट्रॉपी अज्ञात वातावरण में अन्वेषण (exploration) को प्रोत्साहित करने के लिए एक कृत्रिम उपकरण है। इस शोध पत्र में, एंट्रॉपी ज्ञात वातावरण में यादृच्छिकता के लिए एक आंतरिक मानवीय प्राथमिकता का प्रतिनिधित्व करती है।
• बाजार की अपूर्णता (Market Incompleteness): परिणाम दर्शाते हैं कि अपूर्ण बाजारों में, यादृच्छिकता की इच्छा हेजिंग उद्देश्यों के साथ परस्पर क्रिया करती है, जो निवेश रणनीति को मौलिक रूप से बदल देती है (इसे पक्षपाती बनाती है)।
• मात्रात्मक अंतर्दृष्टि (Quantitative Insight): एसिम्प्टोटिक परिणाम व्यवहारिक शोर (behavioral noise) के लिए एक "वित्तीय लागत" का मीट्रिक प्रदान करते है, जो यह सुझाव देते हैं कि यादृच्छिकता की मध्यम प्राथमिकताएं धन को बहुत अधिक नष्ट नहीं करती हैं, जो वास्तविक बाजारों में ऐसे व्यवहार के बने रहने का एक संभावित स्पष्टीकरण प्रदान करती है।

संक्षेप में, यह शोध पत्र स्थापित करता है कि यादृच्छिकता के लिए आंतरिक प्राथमिकता रखने वाला एक तर्कसंगत निवेशक एक गौसियन पोर्टफोलियो नीति अपनाएगा, जिसमें एक विशिष्ट विचरण और एक पक्षपाती माध्य (biased mean) होगा, जहाँ यह पक्षपात अपूर्ण बाजारों में यादृच्छिकता और अंतर-कालिक हेजिंग के बीच परस्पर क्रिया से संचालित होता है।