論文の概要: Deep neural network for optimal retirement consumption in defined contribution pension system

• arxiv url: http://arxiv.org/abs/2007.09911v2
• Date: Mon, 27 Jul 2020 07:38:49 GMT
• ステータス: 処理完了
• システム内更新日: 2022-11-08 14:33:20.164164
• Title: Deep neural network for optimal retirement consumption in defined contribution pension system
• Title（参考訳）: 確定拠出年金システムにおける最適退職者消費のためのディープニューラルネットワーク
• Authors: Wen Chen, Nicolas Langren\'e
• Abstract要約: 我々は、この問題を多周期有限水平制御問題として定式化し、消費決定を表すディープニューラルネットワークポリシーを訓練する。 最適消費政策は、年齢、富、リスク回避、求職動機などの退職者の個人情報によって決定される。 年齢年金の支払いにより、最適消費率は初期富に比例しない。
• 参考スコア（独自算出の注目度）: 3.7017066514719814
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: In this paper, we develop a deep neural network approach to solve a lifetime expected mortality-weighted utility-based model for optimal consumption in the decumulation phase of a defined contribution pension system. We formulate this problem as a multi-period finite-horizon stochastic control problem and train a deep neural network policy representing consumption decisions. The optimal consumption policy is determined by personal information about the retiree such as age, wealth, risk aversion and bequest motive, as well as a series of economic and financial variables including inflation rates and asset returns jointly simulated from a proposed seven-factor economic scenario generator calibrated from market data. We use the Australian pension system as an example, with consideration of the government-funded means-tested Age Pension and other practical aspects such as fund management fees. The key findings from our numerical tests are as follows. First, our deep neural network optimal consumption policy, which adapts to changes in market conditions, outperforms deterministic drawdown rules proposed in the literature. Moreover, the out-of-sample outperformance ratios increase as the number of training iterations increases, eventually reaching outperformance on all testing scenarios after less than 10 minutes of training. Second, a sensitivity analysis is performed to reveal how risk aversion and bequest motives change the consumption over a retiree's lifetime under this utility framework. Third, we provide the optimal consumption rate with different starting wealth balances. We observe that optimal consumption rates are not proportional to initial wealth due to the Age Pension payment. Forth, with the same initial wealth balance and utility parameter settings, the optimal consumption level is different between males and females due to gender differences in mortality.
• Abstract（参考訳）: 本稿では,決定された寄付年金システムの累積フェーズにおける最適消費のための寿命予測寿命重み付きユーティリティベースモデルを解くためのディープニューラルネットワークアプローチを開発する。 この問題を多周期有限水平確率制御問題として定式化し、消費決定を表すディープニューラルネットワークポリシーを訓練する。 最適な消費政策は、年齢、富、リスク回避、求愛動機などの退職者に関する個人情報と、市場データから校正された7段階の経済シナリオ生成装置から提案されたインフレ率や資産リターンを含む一連の経済・金融変数によって決定される。 オーストラリア年金制度を例として,政府資金による平均年齢年金や資金管理費などの実務的側面を考察した。 数値実験から得られた重要な発見は次のとおりである。 まず, 市場環境の変化に適応したディープニューラルネットワークの最適消費政策は, 文献で提案されている決定論的デダウンルールを上回っている。 さらに、トレーニングイテレーションの数が増えるにつれて、サンプル外のアウトパフォーマンス比率が増加し、最終的には10分未満のトレーニングで、すべてのテストシナリオでアウトパフォーマンスに達する。 第2に, リスク回避とbequestの動機が, 退職者のライフタイムにどのような変化をもたらすかを明らかにするため, 感度分析を行った。 第3に、異なる開始資産バランスで最適な消費率を提供する。 高齢者の年金給付により, 最適消費率は初期富に比例しないと考えられる。 フォースでは、初期富のバランスとユーティリティパラメータの設定が同じで、男女の死亡率の違いにより、最適消費水準が男性と女性で異なる。

関連論文リスト

• Reduced-Rank Multi-objective Policy Learning and Optimization [57.978477569678844]
  実際には、因果研究者は先験を念頭において1つの結果を持っていない。 政府支援の社会福祉プログラムでは、政策立案者は貧困の多次元的性質を理解するために多くの成果を集めている。 本稿では、最適政策学習の文脈において、複数の結果に対するデータ駆動型次元性推論手法を提案する。
  論文  参考訳（メタデータ） (2024-04-29T08:16:30Z)
• Model-Based Epistemic Variance of Values for Risk-Aware Policy Optimization [59.758009422067]
  モデルベース強化学習における累積報酬に対する不確実性を定量化する問題を考察する。 我々は、解が値の真後分散に収束する新しい不確実性ベルマン方程式(UBE)を提案する。 本稿では,リスク・サーキングとリスク・アバース・ポリシー最適化のいずれにも適用可能な汎用ポリシー最適化アルゴリズムQ-Uncertainty Soft Actor-Critic (QU-SAC)を導入する。
  論文  参考訳（メタデータ） (2023-12-07T15:55:58Z)
• Learning Optimal and Fair Policies for Online Allocation of Scarce Societal Resources from Data Collected in Deployment [5.0904557821667]
  当社は、予算制約を満たしつつ、期待される成果を最大化するオンラインポリシーを設計するために、デプロイメントで収集された管理データを使用します。 当社の政策は,ホームレスからの退去率を1.9%向上させ,人種ごとの配分や結果に公平な政策は,フェアネスの非常に低い価格で得られることを示す。
  論文  参考訳（メタデータ） (2023-11-23T01:40:41Z)
• Structured Dynamic Pricing: Optimal Regret in a Global Shrinkage Model [50.06663781566795]
  消費者の嗜好と価格感が時間とともに変化する動的モデルを考える。 我々は,モデルパラメータの順序を事前に把握している透視者と比較して,収益損失が予想される,後悔による動的価格政策の性能を計測する。 提案した政策の最適性を示すだけでなく,政策立案のためには,利用可能な構造情報を組み込むことが不可欠であることを示す。
  論文  参考訳（メタデータ） (2023-03-28T00:23:23Z)
• Optimal consumption-investment choices under wealth-driven risk aversion [0.0]
  リスク回避が一定であるCRRAユーティリティは、様々な経済学モデルでよく見られる。 本稿では,ニューラルネットワークによる富駆動逆流下での最適消費投資選択に対する数値解に主に焦点をあてる。
  論文  参考訳（メタデータ） (2022-10-03T14:07:11Z)
• Policy Learning with Asymmetric Counterfactual Utilities [0.6138671548064356]
  非対称対実効関数を用いた最適政策学習について検討する。 最大電力損失を最小にすることで、最小限の決定ルールを導出する。 中間分類問題を解くことにより、観測データから最小損失決定ルールを学習できることが示される。
  論文  参考訳（メタデータ） (2022-06-21T15:44:49Z)
• Off-Policy Evaluation with Policy-Dependent Optimization Response [90.28758112893054]
  我々は,テキスト政治に依存した線形最適化応答を用いた非政治評価のための新しいフレームワークを開発した。 摂動法による政策依存推定のための非バイアス推定器を構築する。 因果介入を最適化するための一般的なアルゴリズムを提供する。
  論文  参考訳（メタデータ） (2022-02-25T20:25:37Z)
• Improving Causal Effect Estimation of Weighted RegressionBased Estimator using Neural Networks [2.752817022620644]
  観測データから因果効果を推定すると、自律システムにおいてどの要因が重要であるかがわかる。 サンプルの非線形および有限性の場合の解の質を改善するニューラルネットワークに基づく推定器を導入する。
  論文  参考訳（メタデータ） (2021-10-28T12:52:33Z)
• Learning Augmented Index Policy for Optimal Service Placement at the Network Edge [8.136957953239254]
  私たちは、意思決定者がエッジでホストする$ N$サービスのいずれかを選択する必要があるネットワークエッジでサービス配置の問題を検討します。 私たちの目標は、顧客の平均サービス配信遅延を最小限に抑える適応アルゴリズムを設計することです。
  論文  参考訳（メタデータ） (2021-01-10T23:54:59Z)
• An Uncertainty-based Human-in-the-loop System for Industrial Tool Wear Analysis [68.8204255655161]
  人間のループシステムにおけるモンテカルロのドロップアウトに基づく不確実性対策により,システムの透明性と性能が向上することを示す。 シミュレーション研究により、不確実性に基づく「ループ内人間システム」は、様々なレベルの人間の関与に対する性能を高めることが示されている。
  論文  参考訳（メタデータ） (2020-07-14T15:47:37Z)
• Neural Networks and Value at Risk [59.85784504799224]
  リスクしきい値推定における資産価値のモンテカルロシミュレーションを行う。 株式市場と長期債を試験資産として利用し、ニューラルネットワークについて検討する。 はるかに少ないデータでフィードされたネットワークは、大幅にパフォーマンスが悪くなっています。
  論文  参考訳（メタデータ） (2020-05-04T17:41:59Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。