continuous-timestochastic-controlhjblifecycleconsumptionportfolio-choice

生命周期投资与连续时间组合选择 (Life-Cycle Investing and Continuous-Time Portfolio Choice)

一句话：把「一生中怎么分配财富于消费与风险资产」建成一个连续时间随机控制问题；解出来的最优规则非常干净：在常相对风险厌恶下，风险资产比例是一个常数。

问题设定

变量。 W(t) 总财富，X_i(t) 资产 i 的价格，C(t) 单位时间消费，w_i(t) 资产 i 占总财富的比例，\sum_i w_i(t) = 1。

从离散到连续。 离散期里资产的单位时间收益率按几何布朗运动的形式写：g_i(t)h = (a_i - \sigma_i^2/2)h + \Delta Y_i，其中 \Delta Y_i 是高斯随机游走增量。取 h \to 0 得到连续时间的随机预算方程：

dW = \Big[\sum_i w_i(t) a_i W(t) - C(t)\Big] dt + \sum_i w_i(t)\sigma_i Z_i(t) W(t)\sqrt{dt}

这正是「确定性预算方程在不确定性下的推广」——不确定性使预算约束变成随机微分方程。这是 Merton 1969 的核心贡献：Samuelson (1969) 已用动态规划做过离散时间版本，Merton 的增量在于连续时间 + 随机增长率。

目标函数。 最大化

\mathbb{E}\Big\{\int_0^T e^{-\rho t} U[C(t)]\, dt + B[W(T), T]\Big\}

U 严格凹（U'>0、U''<0），B 是遗赠估值函数（也称 scrap function），通常对 W(T) 凹。

求解：Bellman-Dreyfus 方程

用动态规划定义价值函数 I[W(t),t]，按 Bellman 原理展开到二阶 Taylor，取 h \to 0 得到 Bellman-Dreyfus 最优性方程：

0 = \max_{\{C,w\}}\Big\{ e^{-\rho t}U[C] + I_t + I_W\big[(w(a-r)+r)W - C\big] + \tfrac12 I_{WW}\,\sigma^2 w^2 W^2 \Big\}

对 C 与 w 求导得到两条代数一阶条件，加上充分条件（I_{WW}<0、I_{WWt}<0、Hessian 行列式为正）构成完整方程组。

关键结构：偏微分方程管消费（跨期），代数方程管风险资产配置（当期）。Merton 在 §7 借此确认了 Samuelson 定理——组合选择决策与消费决策相互独立。

闭式解

常相对风险厌恶 (CRRA)。 取 U(C) = C^\gamma/\gamma（\gamma<1），\gamma\to0 时取对数效用；此时 -C/U'(C) = 1-\gamma 即 Pratt 的相对风险厌恶度量。最优解为

w^*(t) = \frac{a-r}{\gamma\sigma^2}

与 W 和 t 都无关。Merton 给出直觉解释：系统的两个反馈回路（价格变动、由此产生的财富水平）对组合决策都不起作用。

消费规则是财富的一个比例。 有限期时

C^*(t) = \frac{v}{1 + (vE-1)e^{\rho(t-T)}}\,W(t), \qquad v = \frac{a-r}{\gamma\sigma^2}

其中 E 是遗赠效用参数（E=0 对应「不留遗产」）。E=0 时 C^*(t)/W(t) \propto e^{\rho(t-T)} 随时间上升，即消费倾向递增，对应驼峰储蓄 (hump saving)。

无限期（T=\infty）。 偏微分方程化为常微分方程，消费不再有显式时间依赖：

C_\infty^*(t) = \frac{\rho}{\gamma}\Big[\tfrac12(a-r)^2 + \tfrac{1}{2}\sigma^2(1-\gamma)^2 + r\Big]W(t)

Merton 说明无限期情形更适合求解更复杂的问题，因为方程降维。

多资产推广。 设第 m 种资产是唯一的确定资产（收益率 r），其余为风险资产，\Sigma 为风险资产的 n\times n 协方差矩阵（对称正定）。无限期下最优权重为

\mathbf w^*(t) = \Sigma^{-1}(\mathbf a - r\mathbf 1)\,\frac{1}{1-\gamma}

注意这正是均值-方差结构：协方差矩阵的逆决定权重。差别在于风险厌恶系数 \gamma 在这里是常数、在均值-方差框架里是被优化掉的。

耐心与风险厌恶如何决定股票比例

从 w^* = (a-r)/(\gamma\sigma^2) 可以直接读出四个方向：

因素 变化 最优风险资产比例
风险溢价 a-r 上升 上升（线性）
相对风险厌恶 \gamma 上升 下降（反比）
波动率 \sigma 上升 下降（反比于平方）
耐心 \rho —— 不直接进入 w^*

耐心（\rho）只通过「财富积累多快」间接起作用——它影响 W(t) 的增长路径，从而影响消费与储蓄，但不直接改变风险资产比例。风险厌恶 \gamma 与波动率 \sigma 则是直接决定项。

绝对风险厌恶 (CARA) 给出另一种答案。 取 U(C) = -e^{-\alpha C}，最优解为 w^*(t)W(t) = \frac{a-r}{\sigma^2 W(t)J''(W)} 这一形式，风险资产的美元总额保持常数，比例随财富上升而下降；财富趋于无穷时全部财富投向无风险资产并消费掉全部确定收入。Merton 说这种效用「行为上不如常相对风险厌恶合理」，且其替代效应除 r=0 外为零。

约束、边界条件与可推广性

  • 无限制时 w^* 可超出 [0,1]：问题未加借款或卖空限制，若 a<r 风险厌恶者会卖空风险资产，若 a > r + \sigma^2 会借钱投资风险资产；限制 w^*\in[0,1] 需用 Kuhn-Tucker 方法
  • 只考虑内部最优解：脚注 6 说明本可以用更一般的 Kuhn-Tucker 形式表述，那样一阶条件要换成不等式
  • 边界条件的具体形式会显著改变解：本文选的 B[W(T),T] 只是「不留遗产」(E=0) 的代理；若 B 不属等弹性族，最优决策会出现系统性的「年龄效应」
  • 分布假设很窄：资产的增量必须是独立增量的布朗运动、收益率连续可分、鞅性质。§10 指出可推广到 Markov 过程、更一般的生产函数与随机技术进步，但「由于最优性方程含偏微分方程，哪怕稍加推广的模型数值求解也相当困难」

消费对收益分布变化的反应

用 Hicks-Slutsky 的替代/收入效应分解处理：\delta < 1（低相对风险厌恶）的投资者在预期收益上升时减少当前消费、增加储蓄（替代效应占优）；\delta > 1（高风险厌恶）则相反（收入效应占优）；\delta = 1（对数效用）两者正好抵消。弹性比较给出结论：当风险起主导作用时（方差相对很高），风险下降对消费的影响大于同幅度的均值上升；当风险不重要时，均值上升的影响更大。

与其他概念的关系

  • Merton 1969 — 原始论文；本页是它的现代整理版
  • 均值-方差框架 — 多资产解 \Sigma^{-1}(\mathbf a - r\mathbf 1)/(1-\gamma) 与 MVO 权重结构同源，但 \gamma 在这里是常数
  • CAPM 均衡 — 静态均衡与本文的连续时间推广
  • 波动率管理组合 — 「比例恒定 vs 金额恒定」的区分对理解基于风险度量调节仓位的做法有直接参考价值

局限与开放问题

  • 纯理论，无实证数据
  • 无约束解：w^* 可能是负数或大于 1
  • 遗赠效应的参数依赖：E 的经济含义依赖具体设定；E=0 时 C^*(t) 在 t \to T 处有奇点，作者解释这是「数学反映 t>T 后正财富无效用、要求 W(T)\to0」而非真的无限消费率
  • 数值求解困难：偏微分方程形式使稍复杂的推广难以数值实现

来源