Portfolio Choice with Competing Precautionary and Accumulation Goals

기술 요약: 예방적 목표와 축적 목표의 경합 상황에서의 포트폴리오 선택

문제 정식화
본 논문은 두 가지 구조적으로 구별되는 재무 목표를 동시에 관리하는 가계의 최적 포트폴리오 선택 문제를 다룬다. 하나는 고정된 만기 $T$와 알려진 금액 $G$를 가진 고정 기한 목표(예: 은퇴 또는 대학 등록금)이며, 다른 하나는 무작위 시점 $\tau$와 무작위 금액 $R$이 발생하는 무작위 기한 목표(예: 의료 비상사태 또는 실직)이다. 저자들은 무작위 기한 $\tau$를 시장 움직임 및 목표 금액과 독립적인 지수 분포를 따르는 강도 $\lambda$를 가진 지수 확률 변수로 모델링한다.

가계는 "전부 아니면 전무(all-or-nothing)" 펀딩 규칙 하에서 운영된다. 목표가 발생했을 때, 현재 자산이 충분하면 목표 금액 전액을 지급하지만, 그렇지 않으면 목표는 완전히 달성되지 못한 것으로 간주되며 부분 지급은 이루어지지 않는다. 목적 함수는 두 목표를 모두 완전히 달성할 확률의 가중 합이다:
$$J(x; \pi) = \alpha_R P(\text{무작위 목표 달성}) + \alpha_D P(\text{고정 목표 달성})$$
여기서 $\alpha_R + \alpha_D = 1$이다. 시장은 $n$개의 위험 자산과 무위험 이자율이 존재하는 블랙-숄즈(Black–Scholes) 환경으로 모델링된다. 저자들은 제약 없는 확률 극대화 문제에서 흔히 나타나는 무제한적 위험 감수를 방지하고 문제의 적절성을 보장하기 위해 레버리지 및 공매도 제약($\pi \in [-K, K]^n$)을 부과한다.

방법론
저자들은 이 문제를 해결하기 위해 확률 제어 이론과 점성 해(viscosity solution) 기법을 사용한다. 방법론은 세 단계로 진행된다:

1. 단일 목표 하위 문제: 저자들은 먼저 두 개의 벤치마크 문제를 독립적으로 해결한다.

   • 고정 기한: 만기 $T$까지 목표 $G$에 도달할 확률을 극대화하는 유한 시계 문제. 가치 함수는 종료 조건 $FG(w)$를 갖는 해밀턴-자코비-벨만(HJB) 방정식의 유일한 점성 해로 특징지어진다.
   • 무작위 기한: 무작위 시점 $\tau$에 목표 $R$에 도달할 확률을 극대화하는 무한 시계 정적 문제. 가치 함수는 정적 HJB 방정식을 만족한다.
   • 두 하위 문제 모두 제약을 처리하기 위해 절단된 제어(clipped controls)를 활용하여 유계이고 연속인 점성 해의 존재를 보장한다.

2. 이중 목표 합성: 핵심 분석은 이러한 하위 문제들을 결합하는 것이다. 저자들은 이 이중 목표 문제가 "삼각형 구조"를 가지고 있음을 입증한다. 첫 번째 목표가 해결되면(무작위 충격이 도착하거나 고정 기한이 지나면), 가계는 표준적인 단일 목표 지속 문제를 직면하게 된다.

   • 이중 목표 가치 함수는 *지속 연산자(continuation operators)*를 사용하여 구축된다. 만약 $t < T$에서 무작위 목표가 도착하면, 가계는 감당 가능한 경우 즉각적인 보상을 받고 그 후 감소된 자산을 가진 상태에서 고정 기한 문제를 직면한다. 만약 고정 기한 $T$가 먼저 도달하면, 가계는 남은 자산을 가지고 무작위 기한 문제를 직면한다.
   • 저자들은 단일 목표 가치 함수가 내생적 경계 조건(구체적으로, 실행 보상에서의 원천 항 및 종료 조건)으로 나타나는 결합된 HJB 방정식을 도출한다.
   • 해의 존재성과 유일성은 점성 해 이론, 특히 퇴화된 타원형 연산자에 대한 비교 원리를 활용하여 확립된다.

3. 선택적 펀딩 변형: 본 논문은 고정 기한 목표를 펀딩하는 것이 무작위 기한 목표를 심각하게 저해할 경우, 가계가 시간 $T$에서 고정 기한 목표를 거절할 수 있는 변형 모델로 확장한다. 이는 $T$에서의 수정된 종료 연산자로 특징지어지는 최적 정지/결정 노드를 도입하며, 이는 고정 목표를 펀딩하는 것과 무작위 기한 목표를 위한 자산을 보존하는 것의 효용을 비교한다.

주요 기여 및 결과

• 성장 잠식 효과(Growth Crowding-Out Effect): 저자들은 자산에 대한 가치 함수의 새로운 비단조성(non-monotonicity)을 식별한다. 강제 펀딩 상황에서, 무작위 목표 임계값 $R$ 바로 위에 있는 자산을 가진 가계는 그보다 약간 적은 자산을 가진 가계보다 상황이 나쁠 수 있다. 부유한 가계는 무작위 목표가 발생했을 때 이를 지불해야 하므로 고정 목표를 위한 자본이 고갈된다. 반면, 무작위 목표를 지불할 수 없는 가난한 가계는 자본을 유지할 수 있으며 고정 목표를 달성할 확률이 더 높을 수 있다. 이 효과는 "전부 아니면 전무" 규칙 하에서 두 목표 간의 상호작용으로부터 순수하게 발생한다.
• 기한 압박 효과(Deadline Pressure Effect): 분석은 압축된 저축 기간의 영향을 정량화한다. 저축 기간이 짧은(예: 저축을 늦게 시작한) 가계는 더 넓은 자산 범위에 걸쳐 최대 위험 노출을 유지해야 하며, 손실된 복리 효과를 보상하기 위해 목표 임계값 근처에서 더 급격한 위험 감수의 스파이크를 보인다.
• 비단조성 및 정책적 시사점: 최적 포트폴리오 비중은 반드시 자산에 대해 단조적이지 않다. "잠식" 영역에서 최적 전략은 무작위 목표 임계값을 넘지 않도록 위험 노출을 줄여 고정 목표를 위한 자산을 보존하는 방향을 포함할 수 있다.
• 유연성의 옵션 가치: 선택적 펀딩 변형에서, 저자들은 사전적(ex ante) 및 종료(terminal) 옵션 가치를 규명한다. 고정 기한 목표를 거절할 수 있는 옵션의 가치는 자산에 대해 종 모양(hump-shaped)을 띤다. 이 옵션은 고정 목표를 펀딩하는 것이 가능하면서도 그것이 무작위 기한 문제의 지속 가치를 크게 감소시킬 수 있는 중간 자산 수준에서 가장 가치 있다.
• 수치적 보정: 모델은 구직률($\lambda$), 대학 및 은퇴 목표를 위한 비용 데이터 등 경험적 데이터에 맞춰 보정되었다. 수치적 결과는 식별된 효과들의 경제적 유의성을 확인시켜 준다. 예를 들어, 은퇴 저축 시작 시점을 25세에서 50세로 늦추면 동일한 성공 확률을 달성하기 위해 초기 자산이 10배 증가해야 한다.

의의
본 논문은 고정 기한 축적과 무작위 기한 예방 목표를 단일한 확률 제어 설정 내에서 동시에 다루는 최초의 프레임워크라고 주장한다. 기존 문헌(예: 고정 기한에 관한 Browne [1999], 무작위 기한에 관한 Bayraktar and Young [2016])에서 발견되는 문제의 고립된 처리를 넘어, 저자들은 단일 목표 모델에서는 보이지 않는 트레이드오프를 드러낸다.

저자들은 자신의 연구를 현재 목표별로 분리된 계좌를 관리하는 로보 어드바이저 플랫폼을 위한 "목표 기반 투자(goals-based investing)"의 이론적 토대로 포지셔닝한다. 성장 잠식 효과의 식별은 비상금과 장기 저축을 독립적인 문제로 취급하는 것이 차후 최적의 포트폴리오 배분을 저해할 수 있음을 시사한다. 본 논문은 최적의 포트폴리오 선택이 예방적 완충 자금을 유지하는 것과 성장을 추구하는 것 사이의 역동적인 균형을 요구하며, 최적 전략은 상대적인 시점, 규모, 그리고 경합하는 목표들의 우선순위에 결정적으로 의존함을 입증한다. 점성 해를 통한 가치 함수의 엄밀한 규명은 이러한 경제적 통찰에 대한 견고한 수학적 기초를 제공한다.