Redes neuronales informadas por la física, aplicadas a la resolución de un problema de inversión y consumo óptimo, bajo función de utilidad exponencial

Physics informed neural networks applied to solving an optimal investment and consumption problem with an exponential utility function

Contenido principal del artículo

Resumen

Este trabajo considera el problema del portafolio óptimo de Merton en el con­texto de un mercado financiero incierto compuesto por dos tipos de activos. Se plantea la ecuación de Hamilton-Jacobi-Bellman asociada con este tipo de problema y se muestra cómo se pueden implementar redes neuronales infor­madas por la física (PINN) para encontrar su solución.

Descargas

Los datos de descargas todavía no están disponibles.

Detalles del artículo

Referencias (VER)

Merton, R. C. (1975). Optimum consumption and portfolio rules in a continuoustime model. Stochastic optimization models in finance, 621-661.

Moreno Trujillo, J. F. (2023a). Aplicación de la teoría de control ´optimo estocastico a un problema de inversión-consumo. ODEON(25).

Moreno Trujillo, J. F. (2023b). Resoluci´on de la ecuación diferencial parcial de black-scholes mediante redes neuronales físicamente informadas. ODEON(24).

Raissi, M., y Karniadakis, G. E. (2018). Hidden physics models: Machine learning of nonlinear partial differential equations. Journal of Computational Physics, 357, 125-141.

Sirignano, J., y Spiliopoulos, K. (2018). Dgm: A deep learning algorithm for solving partial differential equations. Journal of computational physics, 375, 1339-1364.

Citado por