第8章节 最优消费跟投资离散时间资料.ppt

第8章 最优消费和投资：离散时间 基本分析框架 典型消费者个人将生存一段时期[0,T]，他会有一个大于0 的初始财富或者说资源禀赋W(0) ；在生存过程中，他会获得一些非资本（non-capital）收入?(t) （例如工资）；在生存的每一天中，他必须决定把可供支配的财富（资源），用于当前消费C 和投资积累I 上（投资将提供下一时刻的资本收入）；在最后时刻留下一部分遗产W(T ) 给后人。这时，两个基本选择问题，即消费多少（也就是投资多少）和如何投资（资产组合），必须同时被决定。消费者这种不断的选择行为的目的就是使得他们终身效用最大化。 目标函数 其中T 是投资者的寿命；C(t) 是投资者年龄为t 时选择的消费数量；W (t) 是t 时刻的财富（或者遗产）；Et (.) t是基于t 时刻所有已经揭示出的信息的条件期望算子。Ut[C (t), t] 是效用函数，在整个定义域内，它被假定是单调递增和凹的；U2[W（T），T] 是基于期末财富或者说遗产的效用函数（bequest valuation function），它也是单调递增和凹的。 约束条件 最优消费/投资决策：离散时间 所谓随机最优控制，就是试图在一个由随机因素驱动的成长路径上，通过采用适当的策略来最优化目标函数。这里的消费多少和如何投资，就是由投资者决定的控制变量（controlled variable ）或者说决策（decision），通过一系列遵循某种原则的最优的决策，即最优策略（policy），个人可以得到最大的效用满足。这里的原则，指的就是贝尔曼（Bellman R.）最优化原则（principle of optimality）： “一个最优策略有这样的特征：无论初始状态和初始决策是什么，余下的决策在考虑到第一个决策导致的状态的影响下，都必须是最优的策略。” 简单地说，这就意味着任何最优过程的最后一段过程必定是最优的。这一原则将在后面的分析中一再的出现。 简化的例子 假定： （1）典型个人生存两个时期，他可以在两个时点上，即t = 0 、1上做决策（ t = 3时，他就死亡了）；他被赋予一定量的初始资源W(0) 0 。 （2）理想化的资本市场上存在两种资产。一种是无风险的现金或者债券，它的价格在任何时刻都没有变化，始终为1；另一种是有风险的股票，它的价格过程假定由以下二项树描绘 股票价格运动的二项树模型 （3）投资者的非资本收入为0，效用函数具有以下特定形式： U (x) = （4）为了简化分析，假定投资者也不进行任何消费，这样最优决策的惟一目标就是最大化他来自最终财富的期望效用。 目前的任务就是找到最优的投资决策变量（最优控制） w(0) 和w(1) ，使以上最优化问题得以解决。 模型求解 “向前”推导的方法：即从t = 0 时刻开始，事先决定一个策略w(0) ，但它是不是最优还不清楚。根据w(0) ，我们仅仅能够知道t =1时刻的期望财富水平的函数表达式，但是最大化这个函数得到的“最优的”w(0) ，并不一定是最优决策过程[w(0), w(1)]的必然组成部分，除非可以明确地知道在所有不同情况状态下的w(1) ，并且它是惟一的。因此向前推导的方法是行不通的。 逆向归纳法：从倒数第一期，即T -1期开始。这就是说，我们必须获得t = 1时期，股票价格在p = 200或者p = 50 两种情况下的最优投资比例，这是一个单期静态优化问题。一旦获得了t =1时的相应结果w(1) 和W(1) ，就可以按照同样的结构，进一步推测t = 0时刻的最优投资比例，从而一层层地逐步解决了问题。 第一步： t = 1时刻 假定此时的财富W(1) 为任意一正数（它是由上一期t = 0 时的最优决策所产生的）。投资到股票上的财富比例为w(1) ，则投向无风险资产上的就是1- w(1) 。我们来计算最后的t = 2 时刻，积累的财富的期望效用是多少。先考虑当股票价格p = 200时的情形，根据二项树模型： 为了找到最优投资比例w(1) ，只要对f [w(1)]求导，并令一阶导数等于0 就可以了，容易得到： 再考察当股票价格p = 50 时的情形， 我们发现仍旧可以使用上式。因为 依然表示股票价格上涨一倍的情况下，投资在两种资产上，给投资者带来的期末财富的期望效用；而 则是投资机会相对较差时，期末财富的效用水平。所以最优解还是w(1) =13 /19 ，因此这个最优投资比例决策独立于1 时刻股票价格和财富的绝对水平。 第二步： t = 0 时刻 根据上面的推理，我们只要知道1 时刻的财富水平W(1) ，就可以知道最终财富的期望效用水平是多少，而1 时期的财富水平W(1) ，也是由同第一步类似的决策过程所决定的，即： 同样对f [w(0)]求导数，并令一阶导数等于