Money-Back Tontines for Retirement Decumulation: Neural-Network Optimization under Systematic Longevity Risk
创建于 更新于
摘要
本文构建并求解了一个面向个人 tontine 帐户的多期 EW–CVaR 最优取款与资产配置框架，结合国际多资产机会集与随机寿命（LC/CBD）输入，通过神经网络直接参数化状态依赖策略以应对高维受限控制问题；结果显示国际多样化与寿命互助（tontine）合并时，EW–CVaR 权衡改善最大，而隐含的 money-back guarantee（MBG）等价费率主要由尾部情形与审慎缓冲驱动，而非均值支出 [page::2][page::3][page::33].
