主题：基于机器学习策略的养老金管理Pension Fund Management with a Machine Learning Strategy

主讲人：夏威夷大学马诺阿分校 陈铧教授

主持人：js333线路登录 赵琳教授

时间：2024年7月11日（周四）10:00—11:30

地点：光华校区明德楼102教室

主办单位：js333线路登录 科研处

主讲人简介：

陈铧，毕业于佐治亚州立大学，2008-2018年任天普大学福克斯商学院风险管理与保险系副教授，现任夏威夷大学马诺阿分校希德勒商学院金融系教授。陈铧教授的研究涉及长寿风险管理、金融系统性风险分析、金融市场稳定性、企业风险管理以及保险经济学等领域。他的研究在风险管理、保险以及精算领域的顶尖学术期刊上发表，且多次获得天普大学和夏威夷大学的各项教学和研究奖。陈铧曾任Journal of Insurance Issue和Journal of Insurance and Finance的副主编，也是Journal of Risk & Control and Risks的编委会成员。

内容提要：

Managing pension funds has been an increasingly challenging task for defined benefit pension sponsors. Subject to a series of funding regulatory requirements, pension funds are pressured to generate consistent returns to meet their long-term pension liabilities while mitigating the investment risk at the same time in order to avoid pension shortfalls. In this paper, we introduce a novel Autoformerbased approach, a time series prediction method evolved from Transformer, to predict asset returns and design the trading strategies. Subsequently, we employ the Genetic Algorithm, a search and optimization technique based on the mechanics of natural selection and genetics, to further determine the optimal asset allocations among various stocks and bonds, controlling the pension shortfall risk. Our results show that the proposed method significantly outperforms traditional pension fund investment strategies.

管理养老金对于确定收益养老金计划的赞助者来说变得越来越具有挑战性。在一系列融资监管要求的约束下，养老金基金面临着产生持续回报的压力以满足其长期养老金负债，同时还要减轻投资风险以避免养老金短缺。我们介绍了一种新颖的基于Autoformer的方法——从Transformer演变而来的时间序列预测方法，用于预测资产回报和设计交易策略。随后我们采用遗传算法——基于自然选择和遗传学机制的搜索和优化技术，进一步确定在各种股票和债券之间的最优资产配置，从而控制养老金短缺风险。结果表明，所提出的方法显著优于传统的养老金基金投资策略。