Merton's Problem with Recursive Perturbed Utility

本論文「Merton's Problem with Recursive Perturbed Utility（再帰的摂動効用を伴うマーテン問題）」は、伝統的なマーテンの投資問題に「ランダム化（確率的選択）への選好」を組み込むことで、実験室や現場で観察される投資家の非決定論的な行動を説明しようとするものです。以下に、論文の技術的な要約を問題設定、手法、主要な貢献、結果、そして意義の観点から日本語で詳述します。

1. 問題設定 (Problem)

• 背景: 従来のマーテンの連続時間投資モデルでは、合理的な投資家は時間と状態に依存する決定論的なポートフォリオルールに従うと予測されます。しかし、実証データ（寿司の「おまかせ」や「盲盒（ブラインドボックス）」など）は、個人が同一の状況下でも異なる選択を繰り返す、つまり確率的（ランダム化）な選択を好むことを示唆しています。
• 既存理論の限界: Fudenberg ら (2015) が静的な選択問題に対して開発した「加法的摂動効用（APU: Additive Perturbed Utility）」は、選択確率に対するエントロピー項を追加することでランダム化の選好をモデル化しますが、これを連続時間の動的設定（マーテン問題）にそのまま適用すると以下の問題が生じます。
  1. 不適切性 (Ill-posedness): 相対的リスク回避度が十分に高くない場合、エージェントはエントロピー利得を無限大にできるため、問題が解を持たない（発散する）ことになります。
  2. 解析の困難さ: 仮にリスク回避度が高くても、ブラック - ショールズモデルのような単純な設定であっても、最適方策の閉形式解を得ることが極めて困難です。
• 本研究の課題: 動的環境において、ランダム化による効用と遺産（終端富）の効用の間の時間的トレードオフを適切に扱い、数学的に扱いやすく、かつ経済的に意味のあるモデルを構築すること。

2. 手法 (Methodology)

• 再帰的摂動効用 (RPU: Recursive Perturbed Utility) の導入:
  • 著者らは、エントロピーに基づくランダム化の選好を、再帰的効用（Recursive Utility）の枠組みに組み込んだ「再帰的摂動効用（RPU）」を提案します。
  • 従来の APU がランダム化の効用を単に加算するのに対し、RPU は過去の蓄積されたランダム化に依存する割引項を導入します。
  • 具体的には、効用関数 $J^\pi_t$ が以下の BSDE（後向き確率微分方程式）を満たすように定義されます：
    $$dJ^\pi_t = -\lambda_t H(\pi_t) [(1-\gamma)J^\pi_t + 1] dt + Z^\pi_t \cdot dB_t$$
    ここで、$H(\pi_t)$ は分布 $\pi_t$ の微分エントロピー、$\lambda_t$ は温度パラメータ、$\gamma$ は相対的リスク回避度です。
  • メカニズム: この構造により、過去にランダム化を多く行ってきた場合、現在のランダム化に対する割引率が高まり（効用が減少する）、過剰なランダム化を抑制する内生メカニズムが働きます。これにより、APU で生じた「不適切性」が解消されます。
• 市場モデル:
  • 不完全市場（マルコフ的な確率要因 $X_t$ を含む）を想定。
  • 投資家は CRRA（一定相対的リスク回避度）効用関数を持ちます。
  • 探索的制御（Exploratory Control）の枠組みを用い、ポートフォリオ配分を確率分布 $\pi_t$ からサンプリングするものとして定式化します。これにより、富のプロセスにはランダム化に起因する追加的な拡散項（ノイズ）が生じます。

3. 主要な貢献と結果 (Key Contributions & Results)

• 最適方策のガウス分布性:
  • 一般のマルコフ不完全市場において、RPU 最適ポートフォリオ方策（リスク曝露比）はガウス分布に従うことを証明しました。
  • このガウス分布の分散は、相対的リスク回避度 $\gamma$ と株式ボラティリティ $\sigma^2$ に反比例し、閉形式で表されます（$\text{Var} = \frac{\lambda}{\gamma \sigma^2}$）。リスク回避度が高いほど、または市場が荒れるほど、選択のノイズ（分散）は小さくなります。
  • 一方、平均は時間と確率要因 $x$ のみに依存し、富 $w$ には依存しません。
• 平均方策の構造:
  • 最適方策の平均は、以下の 2 つの項の和として分解されます：
    1. ミオピック（近視眼的）項: 古典的なマーテン解に相当する部分。
    2. 時間的ヘッジング項: 市場の不完全性（確率要因との相関）に対するヘッジ需要。
  • バイアスの発生: 重要な発見として、ランダム化の選好（温度パラメータ $\lambda$）が存在すると、ヘッジング項が変化し、最適方策の平均が古典的なマーテン解から**バイアス（偏り）**を持つことが示されました。これは、ランダム化がヘッジングの必要性と相互作用するためです。
  • 例外: 対数効用（$\gamma=1$）の場合、または確率要因が株式と独立（または決定論的）な場合、このバイアスは消失し、古典的解と一致します。
• 漸近解析と経済的コスト:
  • 摂動の重み（温度 $\lambda$）が小さい場合の漸近展開を行いました。
  • 結果: 最適方策の平均が古典的解からずれる量（バイアス）は $\lambda$ の1 次のオーダーですが、それによって生じる相対的な富の損失（Equivalent Relative Wealth Loss）は $\lambda$ の2 次のオーダーです。
  • 意味: ランダム化を好むことによる「金融的コスト」は、方策の偏差に比べて二次的に小さいことを示しており、投資家はランダム化による「楽しみ（効用）」に対して、比較的小さな富の犠牲を払ってでも選好していることを定量的に裏付けました。

4. 意義 (Significance)

• 理論的飛躍: 静的なランダム化選好モデル（APU）を、連続時間の動的投資問題に拡張し、数学的に適切（well-posed）で解析可能な解を初めて導出しました。
• 行動経済学と金融工学の融合: 投資家が「ノイズのある選択」を自発的に選ぶという行動経済学的な事実を、合理的な最適化問題の枠組み内で内生化しました。
• 強化学習（RL）との関係: 強化学習における「エントロピー正則化」と数学的に類似の構造を持ちますが、本研究では「探索（Exploration）」のためではなく、「ランダム化そのものへの選好（Preference for Randomization）」をモデル化している点が異なります。
• 実証への示唆: 最適方策がガウス分布に従うという結果は、実際の投資家のポートフォリオ選択が決定論的ではなく、特定の分散を持つ確率的な分布として観測される可能性を示唆しており、今後の実証研究や資産価格モデルの再構築への道を開きます。

総じて、本論文は「ランダム化への選好」という人間の行動特性を、厳密な確率論的枠組みで定式化し、それが最適投資戦略にどのような定量的影響を与えるかを明らかにした画期的な研究です。