核心概念
本論文では、相対パフォーマンス基準に基づく最適投資問題を解決するための深層学習手法を提案する。この手法は、前後向き確率微分方程式の特徴付けと機械学習アルゴリズムの最新の進歩に基づいている。
要約
本論文では、相対パフォーマンス基準に基づく最適投資問題を解決するための深層学習手法を提案している。
主な内容は以下の通り:
グラフォン理論を用いて、多数の異質な代理人が相互作用する状況をモデル化している。これにより、従来の均質な代理人を仮定した問題よりも現実的なモデルを扱うことができる。
前後向き確率微分方程式を用いて、グラフォンゲームの均衡を特徴付けている。これは、高次元の連立方程式を解く必要があるため、従来の数値計算手法では扱うのが困難であった。
深層学習を用いて、この前後向き確率微分方程式系を効率的に解く手法を提案している。具体的には、パラメータ化された関数を学習するシューティング法を用いている。
数値実験では、異なる相互作用構造(グラフォン)を持つ金融モデルを考え、提案手法の有効性を示している。特に、競争圧力の大きい代理人ほど最適効用が低くなることを明らかにしている。
以上のように、本論文は相対パフォーマンス基準に基づく最適投資問題に対して、グラフォンゲームの理論と深層学習の手法を組み合わせた新しいアプローチを提示している。これにより、従来の手法では扱うことが困難であった大規模な問題に対しても、効率的な数値解法を与えている。
統計
代理人iの最適投資額は、(σi
t)−1(Zui
t + ηiθi
t)で与えられる。
代理人uの最適効用は、−exp(−1/ηu(ξu −
R
I E[ρξv]G(u, v)dv −Y u
0))で表される。
引用
"本論文では、相対パフォーマンス基準に基づく最適投資問題を解決するための深層学習手法を提案している。"
"この手法は、前後向き確率微分方程式の特徴付けと機械学習アルゴリズムの最新の進歩に基づいている。"