💰 quantitative finance

Merton's Problem with Recursive Perturbed Utility

Dit artikel introduceert de 'Recursive Perturbed Utility' (RPU) om het klassieke Merton-probleem uit te breiden met een voorkeur voor randomisatie, waardoor een welgesteld dynamisch optimalisatieprobleem ontstaat dat leidt tot een Gaussisch portefeuillebeleid en de financiële kosten van deze voorkeur kwantificeert.

Oorspronkelijke auteurs: Min Dai, Yuchao Dong, Yanwei Jia, Xun Yu Zhou

Gepubliceerd 2026-02-17

📖 4 min leestijd☕ Koffiepauze-leesvoer

CC BY 4.0

Oorspronkelijke auteurs: Min Dai, Yuchao Dong, Yanwei Jia, Xun Yu Zhou

Oorspronkelijk artikel gelicentieerd onder CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). ✨ Dit is een AI-gegenereerde uitleg van het onderstaande artikel. Het is niet geschreven of goedgekeurd door de auteurs. Raadpleeg het oorspronkelijke artikel voor technische nauwkeurigheid. Lees de volledige disclaimer

De Kern: Waarom kiezen mensen soms voor "gokken" in plaats van de veilige weg?

Stel je voor dat je een zeer slimme investeerder bent. De klassieke economische theorie (bekend als het Merton-probleem) zegt dat een rationele persoon altijd precies dezelfde, voorspelbare beslissing neemt als de omstandigheden hetzelfde zijn. Als de aandelenmarkt goed loopt, koop je altijd 10% meer. Het is als een robot die een strakke route volgt.

Maar in het echt? Mensen zijn geen robots. Soms kiezen we voor "blinddoosjes" (zoals bij Pop Mart), soms bestellen we sushi waarbij we niets zeggen en de chef alles voor ons kiest ("omakase"), en soms spreiden we onze investeringen op een manier die willekeurig lijkt. We houden ervan om een beetje willekeur (randomness) in ons leven te hebben.

De auteurs van dit paper vragen zich af: Hoe kunnen we dit menselijke verlangen naar "chaos" of "willekeur" in een wiskundig model stoppen, zonder dat het model instort?

Het Probleem: De "Willekeurige" Valkuil

In het begin probeerden de auteurs een simpele oplossing: "Laten we gewoon een beloning toevoegen voor het maken van willekeurige keuzes."
Stel je voor dat je een spelletje speelt waarbij je punten krijgt voor het gooien van een dobbelsteen.

Het probleem hiermee is dat het model instort. Als je te veel punten krijgt voor willekeur, zou een slimme investeerder zeggen: "Waarom zou ik überhaupt nadenken? Ik gooi gewoon een dobbelsteen met oneindig veel kanten!" Hierdoor wordt de onzekerheid zo groot dat het vermogen oneindig kan worden (in theorie) of het model onoplosbaar wordt. Het is alsof je een auto bouwt die zo snel kan rijden dat hij uit elkaar valt.

De Oplossing: De "Vermoeide Willekeur" (RPU)

De auteurs bedachten een nieuwe manier om naar willekeur te kijken, genaamd RPU (Recursive Perturbed Utility).

De Analogie: De Vermoeide Chef
Stel je voor dat je een chef-kok bent die graag verrassende gerechten serveert (willekeur).

De oude manier: Elke keer als je een verrassend gerecht serveert, krijg je een sterretje. Je zou dus altijd het gekste, meest onvoorspelbare gerecht serveren, tot je klanten ziek worden van de onzekerheid.
De nieuwe manier (RPU): Je krijgt wel een sterretje voor een verrassing, maar... je wordt er moe van. Hoe meer verrassingen je al hebt geleverd, hoe minder je er vandaag van geniet. De "prijs" van willekeur wordt hoger naarmate je meer willekeur hebt gebruikt.

In de wiskunde noemen ze dit een endogene korting. Het betekent: "Hoe meer ik in het verleden al heb gegokt, hoe minder ik nu wil gokken." Dit zorgt voor een gezonde balans. Je gokt nog steeds een beetje, maar niet tot het punt van zelfvernietiging.

Wat vinden ze? De "Gokkende" Investeerder

Toen ze dit nieuwe model toepasten op de beurs, ontdekten ze drie interessante dingen:

De Willekeur is een "Normaal" Gokje: De beste strategie is niet om volledig gek te doen, maar om te gokken volgens een Gaussische verdeling (de bekende klokkromme).
- Analogie: Je kiest niet voor één specifiek aandeel, maar je kiest een "gemiddeld" aandeel en gooit dan een beetje met een dobbelsteen om te zien of je net iets meer of iets minder koopt. Die dobbelsteen is niet gek; hij volgt een strak patroon.
Hoe risicovoller, hoe rustiger: Als je bang bent voor risico's (hoge risicovrees) of als de markt erg onrustig is, wordt je "gokje" kleiner. Je wordt dan juist minder willekeurig.
- Analogie: Als je op een ijsbaan loopt (risicovolle markt), ga je niet wild dansen (gokken), maar loop je heel voorzichtig en gestructureerd.
De Kosten van Willekeur:
De auteurs berekenden hoeveel geld je "verliest" omdat je houdt van willekeur.
- Het blijkt dat je beleid (je keuze) wel een beetje verschuift (je kiest een iets ander aandeel dan de perfecte robot).
- Maar het geldverlies is heel klein! Het is als het verschil tussen een perfecte route en een route met een klein omweggetje voor het uitzicht. Je bent een beetje "inefficiënt" in je keuze, maar de financiële schade is verwaarloosbaar klein.

Samenvatting in één zin

Dit paper laat zien dat we wiskundig kunnen modelleren waarom mensen van "blinddoosjes" houden in hun investeringen, en dat deze voorkeur voor willekeur ons niet failliet maakt, zolang we maar een beetje "moe" worden van te veel gokken.

De boodschap: Het is oké om soms een beetje willekeurig te zijn in je keuzes; de natuur (en de wiskunde) zorgt er wel voor dat je niet volledig uit balans raakt.

Titel: Merton's Probleem met Recursieve Gestoord Nut (Recursive Perturbed Utility)

1. Probleemstelling

Het klassieke Merton-investeringsprobleem (Merton, 1969) voorspelt dat rationele, risicoforende investeerders deterministische, toestandsafhankelijke portefeuillestrategieën volgen. Echter, empirisch en experimenteel bewijs suggereert dat individuen vaak een voorkeur hebben voor "gerandomiseerde" of ruisachtige keuzes (bijvoorbeeld bij sushi-omakase of blinddoosjes), wat leidt tot stochastische beslissingen.

De auteurs proberen deze voorkeur voor randomisatie te modelleren in een dynamische setting. Eerdere benaderingen, zoals de Additieve Gestoord Nuttheorie (APU) van Fudenberg et al. (2015), werken goed in statische settings maar blijken ill-posed (niet goed gesteld) of onhandelbaar in dynamische settings.

Het probleem met APU: In een continue tijdsetting kan een agent met onvoldoende risicoforendheid de nutswaarde oneindig laten stijgen door de variantie van zijn keuzes onbeperkt te verhogen. De entropie-bepaalde "beloning" voor randomisatie weegt zwaarder dan de kosten van extra volatiliteit, wat leidt tot een explosie van de oplossing. Zelfs bij voldoende risicoforendheid levert het additieve model geen hanteerbare oplossingen op.

2. Methodologie

Om deze problemen op te lossen, introduceren de auteurs de Recursieve Gestoord Nuttheorie (RPU). Dit is een speciaal type stochastisch differentieel nut dat een entropie-gebaseerde voorkeur voor randomisatie integreert in een recursieve aggregator.

Recursieve Structuur: In plaats van een additieve som van entropie en eindnut, wordt de voorkeur voor randomisatie endogeen gewogen. De "temperatuur" (de gewichtsfactor voor randomisatie) hangt af van de in het verleden opgebouwde nutswaarde.
- De formule voor het recursieve nut $J^\pi_t$ wordt gedefinieerd via een Backward Stochastic Differential Equation (BSDE):
  $dJ^\pi_t = -\lambda_t H(\pi_t)[(1-\gamma)J^\pi_t + 1]dt + Z^\pi_t \cdot dB_t$
- Hierbij is $H(\pi_t)$ de differentiaal-entropie van de verdeling $\pi_t$ (de randomisatie), $\lambda_t$ de temperatuurparameter, en $\gamma$ de parameter voor constante relatieve risicoforendheid (CRRA).
Economische Interpretatie: De term $[(1-\gamma)J^\pi_t + 1]$ fungeert als een endogene disconteringsfactor. Als een investeerder in het verleden veel heeft gerandomiseerd, neemt de gewichtsfactor voor huidige randomisatie af (vooral bij $\gamma > 1$ ). Dit creëert een intertemporele trade-off die voorkomt dat de agent te veel randomiseert, waardoor het probleem goed gesteld wordt.
Marktmodel: Het model wordt opgelost in een onvolledige Markoviaanse markt met een risicovrije obligatie en een risicovolle aandeel, waarbij de rendementen en volatiliteit afhankelijk zijn van een exogene stochastische factor $X_t$ .

3. Belangrijkste Bijdragen en Resultaten

A. Existentie van een Gaussische Optimale Strategie
De auteurs bewijzen dat de optimale portefeuillebeleid (uitgedrukt als de verhouding van risicoblootstelling) een Gaussische verdeling volgt.

Onafhankelijkheid van Vermogen: De verdeling is onafhankelijk van het huidige vermogen $W_t$ , maar wel afhankelijk van de stochastische factoren $X_t$ .
Vorm van de Verdeling:
- Variantie: $Var(\pi^*) = \frac{\lambda}{\gamma \sigma^2}$ . De variantie is omgekeerd evenredig met de risicoforendheid ( $\gamma$ ) en de volatiliteit van de aandelen ( $\sigma$ ). Hogere risicoforendheid of marktvolatiliteit reduceert het "ruisniveau" van de keuzes.
- Gemiddelde: Het gemiddelde van de strategie is de som van twee termen:
  1. Een myopische term (klassieke Merton-oplossing).
  2. Een intertemporale hedge-term die rekening houdt met de onvolledigheid van de markt en de correlatie met de randomisatie.

B. Bias in het Beleid
In tegenstelling tot eerdere werken in versterkingslering (RL) waar randomisatie vaak alleen de variantie beïnvloedt, is het gemiddelde van de optimale strategie in dit model bevooroordeeld (biased) ten opzichte van de klassieke Merton-oplossing.

De randomisatie beïnvloedt de hedging-behoefte via de partiële differentiaalvergelijking (PDE) die het waardeprobleem beschrijft.
De strategie is alleen onbevooroordeeld (unbiased) in specifieke gevallen:
- Als de markt compleet is of de factor onafhankelijk is van het aandeel ( $\rho=0$ of $\nu=0$ ).
- Bij log-nut ( $\gamma=1$ ), waarbij de RPU terugvalt op de APU en de hedging-term verdwijnt.

C. Asymptotische Analyse en Financiële Kosten
De auteurs voeren een asymptotische expansie uit in termen van de temperatuurparameter $\lambda$ (de "gewicht" van de voorkeur voor randomisatie) om de financiële kosten te kwantificeren.

Afwijking: De afwijking van het optimale gemiddelde beleid ten opzichte van de klassieke Merton-beleid is van de eerste orde in $\lambda$ ( $O(\lambda)$ ).
Welvaartsverlies: Het relatieve welvaartsverlies (de kosten van het hebben van een voorkeur voor randomisatie) is van de tweede orde ( $O(\lambda^2)$ ).
Conclusie: Hoewel het beleid significant afwijkt door de voorkeur voor randomisatie, zijn de financiële kosten voor de investeerder relatief klein (van een hogere orde). Dit biedt een transparante maatstaf voor de "prijs" van het plezier van randomisatie.

4. Betekenis en Implicaties

Theoretische Doorbraak: Het artikel lost het probleem van de ill-posedheid van dynamische randomisatie op door een recursieve structuur te introduceren die de entropie-voorkeur endogeen disconteert.
Verbinding tussen Economie en RL: Het artikel onderscheidt zich van Reinforcement Learning (RL) literatuur. In RL wordt entropie gebruikt als een instrument voor exploratie (om de omgeving te leren). In dit model is randomisatie een intrinsieke voorkeur van de agent (een "plezier" of "nut"), waarbij de agent volledige kennis van het marktmodel heeft.
Praktische Toepassing: De resultaten bieden een wiskundig onderbouwd kader om stochastische investeringsgedragingen te modelleren die deterministische modellen niet kunnen verklaren, zonder de wiskundige hanteerbaarheid te verliezen.
Toekomstig Onderzoek: De auteurs wijzen op de noodzaak van micro-economische onderbouwing, empirische validatie, en uitbreiding naar modellen met consumptie en andere nutfuncties.

Samenvattend: Dit paper introduceert een robuust wiskundig kader (RPU) om de menselijke voorkeur voor randomisatie in dynamische investeringsproblemen te modelleren. Het bewijst dat de optimale strategie Gaussisch is, toont aan dat randomisatie de hedging-strategie beïnvloedt (bias), en kwantificeert dat de financiële kosten van deze voorkeur klein zijn ten opzichte van de afwijking in het beleid zelf.