💰 quantitative finance

Merton's Problem with Recursive Perturbed Utility

本文通过引入将熵偏好内嵌于递归聚合器的递归扰动效用（RPU）框架，解决了动态设定下经典扰动效用理论不适定的难题，并在一般马尔可夫不完全市场中推导出了具有闭式解的高斯型最优投资组合策略，量化了偏好随机化对财富的微小财务成本。

原作者： Min Dai, Yuchao Dong, Yanwei Jia, Xun Yu Zhou

发布于 2026-02-17

📖 1 分钟阅读☕ 轻松阅读

原作者： Min Dai, Yuchao Dong, Yanwei Jia, Xun Yu Zhou

原始论文采用 CC BY 4.0 许可（http://creativecommons.org/licenses/by/4.0/）。 ✨ 这是对下方论文的AI生成解释。它不是由作者撰写或认可的。如需技术准确性，请参阅原始论文。阅读完整免责声明

这篇论文探讨了一个非常有趣的问题：为什么我们在做投资决策时，有时候会喜欢“随性”一点，而不是完全按部就班地计算最优解？

为了让你轻松理解，我们可以把这篇论文的核心思想拆解成几个生动的故事和比喻。

1. 传统的“完美投资者”vs. 真实的“人类投资者”

传统的 Merton 模型（完美投资者）：
想象一下，如果有一个超级理性的机器人来帮你理财。它每天看着股市，会计算出唯一一个完美的投资比例（比如：今天买 60% 股票，40% 债券）。这个比例是确定的、可预测的。只要市场情况一样，它的选择永远一样。这就是经典的“默顿问题”（Merton's Problem）。

现实中的我们（喜欢随性）：
但在现实生活中，人不是机器人。

就像吃寿司“ Omakase"（主厨发办），你有时候就喜欢把选择权交给厨师，享受那种“不知道下一道菜是什么”的惊喜感。
或者像买“盲盒”，你明知道里面是什么，但就是享受拆开的随机过程。
在投资中，这意味着即使面对同样的市场，你也可能今天买 60% 股票，明天买 62%，甚至故意让决策带点“随机性”和“噪音”。

问题来了： 如果我们在数学模型里强行加入这种“喜欢随性”的偏好，会发生什么？
以前的尝试（叫 APU 模型）发现，如果投资者不够“怕风险”，这个模型就会崩溃。为什么？因为如果“随性”本身能带来快乐（效用），而风险又不够大，投资者就会想：“既然随性越随机越爽，那我就无限增加随机性好了！”结果就是模型里的数值直接飞向无穷大，没法算出合理的结果。

2. 作者的解决方案：给“随性”加个“刹车”

为了解决这个崩溃的问题，作者们发明了一个新工具，叫递归扰动效用（RPU）。

比喻：给“随性”加一个“疲劳度”计数器
想象你在玩一个游戏，每当你做一个随机的决定（比如乱按按钮），你就会获得一点“随机快乐值”。

旧模型（APU）： 只要你按得够多，快乐值就无限叠加，最后你为了追求快乐，会疯狂乱按，直到游戏崩溃。
新模型（RPU）： 作者引入了一个**“疲劳机制”**。
- 如果你过去已经随机决策了很多次，你的“随性疲劳度”就会上升。
- 随着疲劳度上升，你从下一次“随性”中获得的快乐就会打折（就像你吃第一口蛋糕很爽，吃到第十口就腻了）。
- 这种“过去的随性会影响现在的偏好”的机制，就像给疯狂乱按的投资者装了一个智能刹车。它自动调节，防止随机性过度泛滥，让模型重新变得可计算、合理。

3. 核心发现： Gaussian（高斯）分布的“摇摆”策略

在解决了崩溃问题后，作者在一个不完美的市场（有各种不可预测的因素）里算出了最优策略。结果非常漂亮：

策略形状： 投资者的最优策略不再是“死板”的一个点，而是一个钟形曲线（高斯分布）。
- 想象你在射箭，传统的策略是瞄准靶心射一支箭。
- 现在的策略是：你瞄准一个中心点，然后故意让箭在周围随机散布成一个圈。
这个圈有多大（方差）？
- 如果你越怕风险，或者市场波动越大，这个圈就越小（你越不敢乱来）。
- 如果你越喜欢随性（论文里叫“温度”参数），这个圈就越大。
这个圈的中心在哪（均值）？
- 这是最精彩的部分。这个中心点并不完全等于传统的最优解。
- 它由两部分组成：
  1. 短视部分： 盯着眼前赚钱机会的部分（传统 Merton 解）。
  2. 对冲部分： 为了应对未来市场变化而做的调整。
- 关键点： 因为你喜欢“随性”，这个“对冲部分”会发生微妙的变化。也就是说，你为了追求随机决策的快乐，会稍微改变你原本最聪明的投资方向。

4. 代价是多少？“随性”的账单

最后，作者算了一笔账：为了追求这种“随性”的快乐，我们要付出多少金钱代价？

策略偏差： 你的投资方向（均值）确实会偏离传统的最优解，而且这个偏差是第一级的（比较明显）。
财富损失： 但是！这种偏离导致的实际财富损失，却是第二级的（非常微小）。
- 比喻： 就像你为了追求“盲盒”的惊喜感，稍微偏离了最佳路线。虽然路线偏了，但因为市场本身就在波动，你多走的这点弯路，对最终钱包里剩多少钱的影响，其实微乎其微。
- 结论： 人类这种“喜欢随机决策”的怪癖，在财务上的代价其实很小，完全可以接受。

总结

这篇论文告诉我们：

人确实喜欢随机性，这在投资中是合理的，不是非理性的错误。
以前的数学模型处理不了这种“喜欢”，会算崩；作者发明了一个**“递归疲劳机制”**（RPU），成功让模型复活了。
在这种新模型下，最优策略是**“在最优解周围随机摇摆”**。
虽然这种摇摆会让你的策略稍微偏离传统的最优解，但为了这点“随性”的快乐，你损失的金钱其实很少。

所以，下次如果你发现自己投资时有点“随性”，或者喜欢尝试不同的组合，别太自责，这可能是你大脑里的一种高级“效用”在起作用，而且代价并不大！

这是一份关于论文《Merton's Problem with Recursive Perturbed Utility》（基于递归扰动效用的 Merton 问题）的详细技术总结。

1. 研究背景与问题提出 (Problem Statement)

经典 Merton 问题的局限： 经典的 Merton 连续时间投资组合问题预测投资者遵循确定性的、依赖于状态的投资组合规则。然而，实验室和实地证据表明，个体往往偏好“随机化”的决策，导致选择具有随机性和噪声（例如寿司 Omakase、盲盒等）。
现有理论的不足： Fudenberg 等人 (2015) 提出的静态加性扰动效用 (Additive Perturbed Utility, APU) 理论通过在选择概率上增加一个扰动项（通常为熵函数）来解释这种偏好。然而，将其直接扩展到 Merton 的动态设置中存在两个主要问题：
1. 病态性 (Ill-posedness)： 在连续控制下，基于熵的随机化可以产生无界的扰动收益。如果风险厌恶程度不够高，代理人可以通过无限增加选择方差来使目标函数趋于无穷大，导致问题无解。
2. 不可解性 (Intractability)： 即使风险厌恶足够高使得问题有解，加性模型在动态设置下（即使是 Black-Scholes 市场和 CRRA 偏好）也难以求得解析解，无法有效刻画最优策略。
核心目标： 本文旨在解决上述问题，构建一个在动态设置下良态（well-posed）且可解的模型，以解释投资者对随机化决策的内生偏好。

2. 方法论与模型构建 (Methodology)

递归扰动效用 (Recursive Perturbed Utility, RPU)：
- 作者引入了 RPU，这是一种特殊的随机微分效用，将基于熵的随机化偏好纳入递归聚合器（recursive aggregator）中。
- 核心机制： RPU 通过一个依赖于过去累积随机化量的贴现项，内生地调节随机化效用与终值财富（遗赠效用）之间的跨期权衡。
- 数学形式： 定义递归效用 $J^\pi_t$ 满足如下倒向随机微分方程 (BSDE)：
  $dJ^\pi_t = -\lambda_t H(\pi_t) [(1-\gamma)J^\pi_t + 1] dt + Z^\pi_t \cdot dB_t$
  其中 $H(\pi_t)$ 是分布 $\pi_t$ 的微分熵， $\lambda_t$ 是温度参数。
- 经济直觉： 这种形式类似于 Uzawa 效用（习惯形成）。过去的随机化积累会内生地降低当前对进一步随机化的权重（即产生“随机化疲劳”或时间偏好），从而避免了 APU 模型中过度随机化的病态问题。
市场设定：
- 考虑一个不完全的马尔可夫市场，包含无风险资产和受外生随机因子 $X_t$ 驱动的风险资产。
- 投资者具有常数相对风险厌恶 (CRRA) 效用函数。
- 投资组合策略被建模为概率分布 $\pi_t$ （随机化控制），财富过程遵循“探索性”动力学（Exploratory Dynamics），其中随机化引入了额外的布朗运动噪声，增加了财富过程的波动率。

3. 主要理论结果 (Key Results)

最优策略的高斯性质 (Gaussian Optimality)：
- 证明了在 RPU 框架下，最优投资组合策略（以风险暴露比率表示）服从高斯分布。
- 该分布的均值和方差具有闭式表达：
  - 方差： $\text{Var}(\pi^*) = \frac{\lambda}{\gamma \sigma^2}$ 。方差与风险厌恶系数 $\gamma$ 和股票波动率 $\sigma^2$ 成反比。这意味着更高的风险厌恶或市场波动会抑制选择噪声。
  - 均值： 由一个偏微分方程 (PDE) 的解决定，且独立于财富水平 $w$ 。
均值策略的分解与偏差 (Bias Analysis)：
- 最优均值策略由两部分组成：
  1. 短视项 (Myopic Term)： 经典的 Merton 策略部分，取决于风险回报比。
  2. 跨期对冲项 (Intertemporal Hedging Term)： 用于对冲市场不完全性（随机因子与股票回报的相关性）。
- 关键发现： 与以往文献（如强化学习中的探索策略）不同，RPU 下的最优均值策略通常是有偏的 (Biased)。即，最优均值并不等于经典 Merton 策略。这种偏差源于随机化偏好与跨期对冲需求之间的相互作用（通过 PDE 中的耦合项体现）。
- 无偏条件： 仅当市场因子与股票独立 ( $\rho=0$ )、因子确定性 ( $\nu=0$ ) 或对数效用 ( $\gamma=1$ ) 时，策略才是无偏的（即均值等于经典 Merton 策略）。
渐近分析 (Asymptotic Expansion)：
- 对扰动权重（温度参数 $\lambda$ ）进行小参数渐近展开。
- 策略偏差： 最优均值策略相对于经典 Merton 策略的偏差是 $\lambda$ 的一阶项 ( $O(\lambda)$ )。
- 财富损失： 采用 RPU 最优策略导致的相对财富损失（或效用损失）是 $\lambda$ 的二阶项 ( $O(\lambda^2)$ )。
- 经济含义： 这意味着投资者为了获得随机化带来的“乐趣”（偏好满足），虽然会改变投资策略（一阶偏差），但由此产生的财务成本（财富损失）是二阶的，相对较小。这量化了偏好随机化的财务代价。

4. 主要贡献 (Key Contributions)

理论修正： 解决了将加性扰动效用 (APU) 应用于动态 Merton 问题时出现的病态性和不可解性问题，提出了递归扰动效用 (RPU) 作为替代框架。
解析解的获得： 在一般的不完全马尔可夫市场和 CRRA 偏好下，证明了最优策略服从高斯分布，并给出了均值和方差的闭式表达（通过 PDE 求解），这是动态随机控制领域的重要突破。
偏差机制的揭示： 首次揭示了在动态设置下，对随机化的偏好不仅增加策略的方差（噪声），还会通过跨期对冲机制扭曲策略的均值（产生偏差），这与静态或某些强化学习设定下的结论不同。
成本量化： 通过渐近分析，量化了偏好随机化的财务成本，表明虽然策略发生显著改变，但财富损失相对较小，为行为金融中的随机选择现象提供了微观基础。

5. 意义与影响 (Significance)

行为金融与资产定价： 该模型为解释投资者为何在动态环境中做出随机化决策提供了严谨的数学框架，连接了行为经济学（偏好随机化）与连续时间金融理论。
与强化学习 (RL) 的区别： 虽然数学形式上与 RL 中的“熵正则化”相似，但本文的动机不同。RL 引入熵是为了算法探索（Exploration），而本文假设投资者是理性的且拥有完全信息，随机化源于其内生的效用偏好。
未来研究方向： 论文指出了将 RPU 扩展到包含消费、实证检验、模型无关的 RL 设置以及使用其他熵函数（如 Tsallis 熵）等潜在的研究方向。

总结： 本文通过引入递归扰动效用，成功地将 Merton 投资组合问题扩展到了偏好随机化的动态场景。研究不仅证明了最优策略的高斯性质，还深刻揭示了随机化偏好如何通过跨期对冲机制改变最优策略的均值，并量化了这种偏好的财务成本，为理解现实中的随机投资决策提供了强有力的理论工具。