0 avis
Deep neural network for optimal retirement consumption in defined contribution pension system. Réseau de neurones profond pour consommation à la retraite optimale en système de retraite à cotisations définies
Archive ouverte
Edité par CCSD -
19 pages, 12 figures. 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. Our results show that stronger risk aversion generates a flatter consumption pattern; however, there is not much difference in consumption with or without bequest until age 103. 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. Specifically, the optimal consumption level is slightly lower for females until age 84. . Dans cet article, nous développons une approche par réseau de neurones profond pour résoudre un problème de consommation optimale au cours de la phase de décumulation dans un système de retraite à cotisations définies. Le problème est basé sur un modèle d'espérance d'utilité cumulée au cours de la retraite, pondéré par les probabilités de survie à chaque âge. Nous le formulons comme un problème de commande stochastique multi-période à horizon de temps fini, et nous entraînons un réseau de neurones profond représentant les décisions de consommation. La conduite à suivre optimale en matière de consommation est déterminée par des données personnelles du retraité, telles que son âge, son épargne retraite, son aversion pour le risque et son désir de legs, ainsi que par un ensemble de variables économiques et financières comprenant le taux d'inflation et des rendements d'actifs financiers simulés conjointement par un générateur de scénarios économiques développé pour l'occasion, comprenant sept facteurs et calibré sur des données de marché. Nous prenons comme exemple le système de retraite australien, avec prise en compte de la pension de retraite versée par l'État sous condition de ressources, ainsi que d'autres aspects pratiques tels que les frais de gestion du plan d'épargne retraite privé obligatoire. Nos résultats principaux sont les suivants. Premièrement, les règles de décision de consommation déterminées par le réseau de neurones profond, qui prend en compte et s'adapte aux changements aléatoires des conditions du marché, fait mieux que les règles de dépense déterministes classiques proposées dans la littérature. De plus, le ratio de surperformance sur la base de test croît en fonction du nombre d'itérations de l'algorithme d'apprentissage, pour atteindre 100% après moins de 10 minutes d'apprentissage. Deuxièmement, nous avons réalisé une analyse de sensibilité pour révéler comment l'aversion pour le risque et le désir de legs affectent les décisions de consommation au cours de la retraite dans le cadre de ce modèle d'espérance d'utilité cumulée. Troisièmement, nous avons déterminé le taux de consommation optimal en fonction de l'épargne retraite disponible au moment du départ à la retraite. Nous observons que les taux de consommation optimaux ne sont pas proportionnels à l'épargne retraite initiale du fait de la pension de retraite versée par l'État. Quatrièmement, un homme retraité et une femme retraitée avec la même épargne retraite initiale, la même aversion pour le risque et le même désir de legs n'auront néanmoins pas le même taux de consommation optimal, du fait de l'écart de longévité existant entre hommes et femmes.
Consulter en ligne
Suggestions
Du même auteur
