दो मुद्रा बाजारों में एक बीमाकर्ता के लिए इष्टतम निवेश: एक स्टोकेस्टिक नियंत्रण विश्लेषण

विषय सूची

1. परिचय

यह शोधपत्र बीमा जोखिम प्रबंधन साहित्य में एक महत्वपूर्ण अंतर को संबोधित करता है: एक बीमाकर्ता के लिए इष्टतम निवेश रणनीति जो कई मुद्रा बाजारों में कार्य कर रहा है। पारंपरिक मॉडल आमतौर पर बीमाकर्ताओं को घरेलू बाजारों तक सीमित रखते हैं, विदेशी निवेशों द्वारा प्रस्तुत जटिलताओं और अवसरों की उपेक्षा करते हैं। लेखक शास्त्रीय क्रैमर-लुंडबर्ग अधिशेष मॉडल को एक विसरण सन्निकटन ढांचे में विस्तारित करते हैं और एक दो-मुद्रा बाजार वातावरण का परिचय देते हैं। विदेशी मुद्रा विनिमय दर, एक महत्वपूर्ण रूपांतरण तंत्र, को ऑर्नस्टीन-उहलेनबेक (OU) प्रक्रिया का अनुसरण करने वाले एक स्टोकेस्टिक ड्रिफ्ट के साथ मॉडल किया गया है, जो मुद्रा बाजारों में अक्सर देखी जाने वाली माध्य-प्रत्यावर्ती विशेषताओं को दर्शाता है। प्राथमिक उद्देश्य बीमाकर्ता की अंतिम संपदा के अपेक्षित घातांकीय उपयोगिता को अधिकतम करना है, जो वित्तीय और एक्चुएरियल संदर्भों में एक सामान्य जोखिम-विरोधी मानदंड है।

2. मॉडल फ्रेमवर्क

2.1 अधिशेष प्रक्रिया

बीमाकर्ता की अधिशेष प्रक्रिया $R(t)$ को शास्त्रीय क्रैमर-लुंडबर्ग मॉडल के विसरण सन्निकटन का उपयोग करके मॉडल किया गया है:

2.2 वित्तीय बाजार

बीमाकर्ता निम्नलिखित में निवेश कर सकता है:

घरेलू जोखिम-मुक्त परिसंपत्ति: $dB_d(t) = r_d B_d(t) dt$, स्थिर ब्याज दर $r_d$ के साथ।
विदेशी जोखिमपूर्ण परिसंपत्ति: $dS_f(t) = \mu_f S_f(t) dt + \sigma_f S_f(t) dW_f(t)$, जहाँ $\mu_f$ और $\sigma_f$ क्रमशः ड्रिफ्ट और वोलैटिलिटी हैं, और $W_f(t)$ एक ब्राउनियन गति है जो अन्य प्रक्रियाओं से सहसंबद्ध है।

2.3 विनिमय दर गतिशीलता

A key innovation is modeling the exchange rate $X(t)$ (units of domestic currency per unit of foreign currency). Its dynamics are: $$dX(t) = X(t)[\theta(t) dt + \sigma_X dW_X(t)]$$ where the instantaneous mean growth rate $\theta(t)$ itself follows an Ornstein-Uhlenbeck process: $$d\theta(t) = \kappa(\bar{\theta} - \theta(t)) dt + \sigma_\theta dW_\theta(t)$$ Here, $\kappa>0$ is the mean-reversion speed, $\bar{\theta}$ is the long-term mean, and $\sigma_\theta$ is the volatility. The Brownian motions $W_R, W_f, W_X, W_\theta$ are correlated, introducing interdependence between insurance risk, market risk, and currency risk.

3. अनुकूलन समस्या

3.1 उद्देश्य फलन

Let $W(t)$ be the total wealth of the insurer in domestic currency at time $t$, and $\pi(t)$ be the amount invested in the foreign risky asset. The goal is to find the optimal strategy $\pi^*(t)$ that maximizes the expected exponential utility of terminal wealth at time $T$: $$\sup_{\pi(t)} \mathbb{E}\left[ -\frac{1}{\gamma} e^{-\gamma W(T)} \right]$$ where $\gamma > 0$ is the constant absolute risk aversion coefficient. The exponential utility function is chosen for its analytical convenience and its property of constant absolute risk aversion.

3.2 Hamilton-Jacobi-Bellman समीकरण

गतिशील प्रोग्रामिंग सिद्धांत का उपयोग करते हुए, मूल्य फलन $V(t, w, \theta)$ को समय $t$ से संपत्ति $w$ और अवस्था चर $\theta$ के साथ अपेक्षित उपयोगिता के सर्वोच्च मान के रूप में परिभाषित किया जाता है। संबद्ध HJB समीकरण है:

4. Analytical Solution

4.1 Optimal Investment Strategy

HJB समीकरण को हल करके, विदेशी जोखिमपूर्ण परिसंपत्ति में इष्टतम निवेश इस प्रकार प्राप्त किया जाता है:

4.2 मूल्य फलन

मान फलन एक घातांकीय आफाइन रूप स्वीकार करता है:

5. Numerical Analysis

शोधपत्र इष्टतम रणनीति के गुणों को दर्शाने के लिए एक संख्यात्मक विश्लेषण प्रस्तुत करता है। मुख्य मापदंड इस प्रकार निर्धारित किए जा सकते हैं: $\gamma=2$, $r_d=0.03$, $\mu_f=0.08$, $\sigma_f=0.2$, $\sigma_X=0.15$, $\kappa=0.5$, $\bar{\theta}=0.01$, $\sigma_\theta=0.05$, $T=5$. विश्लेषण संभवतः निम्नलिखित प्रदर्शित करता है:

जोखिम परिहार के प्रति संवेदनशीलता ($\gamma$): जैसे-जैसे $\gamma$ बढ़ता है (अधिक जोखिम-विमुख), $\pi^*$ घटता है।
माध्य-प्रत्यावर्तन का प्रभाव ($\kappa$): एक उच्च $\kappa$ (तेज माध्य प्रत्यावर्तन) $\theta(t)$ से अनिश्चितता को कम करता है, जिससे निवेश आवंटन संभावित रूप से बढ़ सकता है।
सहसंबंध का प्रभाव ($\rho_{Xf}$): विदेशी परिसंपत्ति और विनिमय दर के बीच एक सकारात्मक सहसंबंध प्रभावी जोखिम को बढ़ाता है, संभावित रूप से $\pi^*$ को कम करता है।
धन गतिकी: इष्टतम रणनीति के तहत संपत्ति $W(t)$ के सिम्युलेटेड पथ बनाम एक सरल रणनीति (जैसे, स्थिर अनुपात) इष्टतम रणनीति के लिए श्रेष्ठ अंतिम संपत्ति वितरण और गंभीर ड्रॉडाउन के कम जोखिम को दर्शाएंगे।

हालांकि अंश में विशिष्ट आंकड़े प्रदान नहीं किए गए हैं, ऐसे विश्लेषण में आम तौर पर विभिन्न पैरामीटर सेट के लिए समय के साथ $\pi^*(t)$ प्लॉट करना और मोंटे कार्लो सिमुलेशन के माध्यम से $W(T)$ के वितरण की तुलना करना शामिल होता है।

6. Core Insight & Analyst's Perspective

मूल अंतर्दृष्टि: यह शोध पत्र बीमाकर्ता के निवेश मॉडल में एक और सामान्य सुधार मात्र नहीं है। इसका मूल मूल्य बीमाकर्ता की परिसंपत्ति-दायित्व प्रबंधन (ALM) रूपरेखा में stochastic currency risk को औपचारिक रूप से एकीकृत करने में निहित है। विनिमय दर प्रवृत्ति को OU प्रक्रिया के रूप में मॉडल करके, वे स्थिर या ज्यामितीय ब्राउनियन गति की धारणाओं से आगे बढ़ते हैं, जो वैश्विक बीमाकर्ताओं के लिए एक मौलिक वास्तविकता को दर्शाता है: मुद्रा प्रवृत्तियाँ स्थायी लेकिन अनिश्चित होती हैं, जो मुद्रास्फीति अंतर और भुगतान संतुलन जैसे स्थूल आर्थिक कारकों से प्रभावित होती हैं—ये कारक परिचय में स्पष्ट रूप से उल्लेखित हैं। प्राप्त रणनीति एक स्थिर सूत्र नहीं है; यह एक गतिशील फ़िल्टर है जो मुद्रा बाजार के संवेग के अनुमानित अवस्था $\theta(t)$ के आधार पर लगातार समायोजित होता रहता है।

Logical Flow: मॉडल की संरचना तार्किक रूप से सुदृढ़ है। यह एक मजबूत आधार (diffusion-approximated Cramér-Lundberg) से शुरू होती है और जटिलता को व्यवस्थित रूप से परत दर परत जोड़ती है: पहले एक विदेशी परिसंपत्ति का परिचय, फिर एक स्टोकेस्टिक विनिमय दर, और अंत में विनिमय दर के ड्रिफ्ट को स्टोकेस्टिक बनाती है। यह चरणबद्ध दृष्टिकोण HJB समीकरण को सुगम और अंतिम समाधान को व्याख्यायोग्य बनाता है। समाधान निवेश निर्णय को एक अल्पदृष्टि माध्य-विचरण पद, तात्कालिक मुद्रा जोखिम के लिए एक स्थैतिक हेज, और विकसित हो रहे ड्रिफ्ट के लिए एक गतिशील हेज में विघटित करता है—यह विघटन स्टोकेस्टिक निवेश अवसरों वाले Merton के पोर्टफोलियो समस्या की याद दिलाता है।

Strengths & Flaws: Strengths: 1) Realism: $\theta(t)$ के लिए OU प्रक्रिया स्थिर ड्रिफ्ट मॉडलों पर मॉडलिंग यथार्थवाद में एक महत्वपूर्ण उन्नयन है। 2) सुगम्यता: इस तरह की एक बहु-कारक स्टोकेस्टिक नियंत्रण समस्या के लिए एक बंद-रूप समाधान प्राप्त करना एक उल्लेखनीय तकनीकी उपलब्धि है। 3) क्रियान्वयनीय आउटपुट: इष्टतम रणनीति $\pi^*(t)$ प्रेक्षणीय या आकलनीय मापदंडों के संदर्भ में व्यक्त की जाती है। Flaws & Limitations: 1) प्रसार सन्निकटन: मुख्य बीमा जोखिम को एक प्रसार (डिफ्यूज़न) के रूप में सरलीकृत किया गया है, जिससे उछाल जोखिम (बड़े दावे) समाप्त हो जाते हैं, जो बीमा के लिए केंद्रीय हैं। यह प्रबंधनीयता के लिए एक प्रमुख रियायत है, जैसा कि Schmidli (2008) जैसे कार्यों में स्वीकार किया गया है। 2) एकल जोखिमपूर्ण परिसंपत्ति: मॉडल केवल एक विदेशी जोखिमपूर्ण परिसंपत्ति पर विचार करता है। एक बहु-परिसंपत्ति विस्तार, हालांकि गणितीय रूप से अधिक जटिल, व्यावहारिक पोर्टफोलियो निर्माण के लिए आवश्यक है। 3) पैरामीटर संवेदनशीलता: रणनीति OU प्रक्रिया ($\kappa, \bar{\theta}, \sigma_\theta$) के मापदंडों का सटीक अनुमान लगाने पर काफी हद तक निर्भर करती है, जो वित्त में कुख्यात रूप से कठिन है। गलत अनुमान से गंभीर रूप से अविश्वसनीय निर्णय हो सकते हैं। 4) कोई घर्षण नहीं: यह लेन-देन लागत और करों को नजरअंदाज करता है, जो सीमा-पार निवेश में महत्वपूर्ण हैं।

क्रियान्वयन योग्य अंतर्दृष्टि: एक वैश्विक बीमाकर्ता के मुख्य निवेश अधिकारी के लिए, यह शोध गतिशील मुद्रा हेजिंग कार्यक्रमों को उचित ठहराने के लिए एक औपचारिक मात्रात्मक ढांचा प्रदान करता है। मॉडल बताता है कि हेजिंग स्थिर नहीं होनी चाहिए बल्कि मुद्रा बाजार के कथित "मोमेंटम" के साथ बदलनी चाहिए। व्यावहारिक रूप से, इसका मतलब है:

वास्तविक समय डेटा पर इकोनोमेट्रिक मॉडल का उपयोग करके स्टेट वेरिएबल $\theta(t)$ (करेंसी ड्रिफ्ट) का अनुमान लगाने के लिए एक मात्रात्मक प्रक्रिया स्थापित करें।
एक स्थिर हेज अनुपात के बजाय, एक गतिशील हेज अनुपात की गणना करने के लिए व्युत्पन्न सूत्र का उपयोग करें।
जंप रिस्क के संबंध में मॉडल की सीमा को पहचानें। डिफ्यूजन एप्रॉक्सिमेशन द्वारा छूटे बड़े क्लेम इवेंट्स से सुरक्षा के लिए इस रणनीति को टेल-रिस्क हेजिंग इंस्ट्रूमेंट्स (जैसे, ऑप्शंस) के साथ पूरक करें।
मॉडल के आउटपुट को शाब्दिक ट्रेडिंग संकेत के बजाय एक रणनीतिक बेंचमार्क के रूप में मानें, और वास्तविक दुनिया की घर्षण तथा बहु-संपत्ति बाधाओं के लिए समायोजित करें।

यह पेपर चर्चा को मुद्रा जोखिम को हेज करने के "क्या" से हटाकर, मुद्रा मूलभूत सिद्धांतों के स्टोकेस्टिक दृष्टिकोण पर आधारित "कितनी गतिशीलता से" हेज करने की ओर ले जाता है।

7. Technical Details & Mathematical Formulation

The wealth process $W(t)$ in domestic currency, given strategy $\pi(t)$, evolves as: $$dW(t) = [W(t) - \pi(t)] r_d dt + \pi(t) \frac{dS_f(t)}{S_f(t)} + \pi(t) \frac{dX(t)}{X(t)} + dR(t)$$ Substituting the dynamics for $S_f(t)$, $X(t)$, and $R(t)$, and applying Itô's lemma for correlated processes, gives the full SDE for $W(t)$. The HJB equation becomes: $$ \begin{aligned} 0 = \sup_{\pi} \Bigg\{ & V_t + \left[ w r_d + \pi(\mu_f - r_d + \theta) + \mu \right] V_w + \kappa(\bar{\theta} - \theta) V_\theta \\ & + \frac{1}{2}\left[ \pi^2(\sigma_f^2 + \sigma_X^2 + 2\rho_{fX}\sigma_f\sigma_X) + \sigma_R^2 + 2\pi(\rho_{fR}\sigma_f\sigma_R + \rho_{XR}\sigma_X\sigma_R) \right] V_{ww} \\ & + \frac{1}{2}\sigma_\theta^2 V_{\theta\theta} + \pi \sigma_\theta (\rho_{f\theta}\sigma_f + \rho_{X\theta}\sigma_X) V_{w\theta} \Bigg\} \end{aligned} $$ The first-order condition for the supremum yields the expression for $\pi^*(t)$ shown in Section 4.1. Substituting $\pi^*$ back into the HJB equation and assuming the exponential affine form for $V$ leads to the Riccati ODEs for $A(t)$, $B(t)$, $C(t)$.

8. विश्लेषण ढांचा: एक व्यावहारिक मामला

परिदृश्य: A Japanese non-life insurer (domestic currency: JPY) holds capital reserves and wishes to invest a portion in the US equity market (S&P 500 index, denominated in USD) to seek higher returns. The insurer faces liability claims in JPY.

फ्रेमवर्क लागू करना:

मॉडल अंशशोधन:
- अधिशेष (R): ऐतिहासिक अंडरराइटिंग लाभ/हानि डेटा से $\mu$ और $\sigma_R$ का अनुमान लगाएं।
- Foreign Asset (S&P 500): ऐतिहासिक रिटर्न का उपयोग करके $\mu_f$ और $\sigma_f$ का अनुमान लगाएं।
- विनिमय दर (USD/JPY): मॉडल $X(t)$। FX volatility से $\sigma_X$ का अनुमान लगाएं। मुख्य बात $\theta(t)$ के लिए OU प्रक्रिया का अनुमान लगाना है। यह ऐतिहासिक FX रिटर्न पर Kalman filtering या maximum likelihood estimation का उपयोग करके किया जा सकता है, जहाँ $\theta(t)$ को एक अव्यक्त अवस्था चर के रूप में माना जाता है जो US-Japan inflation differential और trade balance जैसे macroeconomic कारकों से प्रेरित होता है।
- सहसंबंध: Estimate correlations ($\rho_{fX}, \rho_{fR},$ etc.) from historical data between S&P 500 returns, USD/JPY changes, and the insurer's claim payout periods.
- जोखिम परिहार ($\gamma$): कंपनी की जोखिम सहनशीलता के आधार पर निर्धारित करें, संभावित रूप से इसके लक्ष्य क्रेडिट रेटिंग या पूंजी पर्याप्तता अनुपात से प्राप्त।
रणनीति कार्यान्वयन: प्रत्येक निर्णय बिंदु पर (उदाहरण के लिए, त्रैमासिक):
1. अव्यक्त अवस्था $\theta(t)$ (वर्तमान USD ड्रिफ्ट) के अनुमान को अद्यतन करें।
2. सभी कैलिब्रेटेड पैरामीटर्स और वर्तमान $\theta(t)$ को $\pi^*(t)$ के फॉर्मूले में प्लग करें।
3. USD इक्विटी एक्सपोजर को वर्तमान संपत्ति $W(t)$ के प्रतिशत के रूप में $\pi^*(t)$ से मेल खाने के लिए समायोजित करें।
Performance Monitoring: विभिन्न विदेशी मुद्रा व्यवस्थाओं (जैसे, अमेरिकी डॉलर के मजबूत होने बनाम कमजोर होने के रुझान) वाली ऐतिहासिक अवधियों में एक स्थिर बेंचमार्क (जैसे, अमेरिकी इक्विटी में 20% का निश्चित आवंटन) के विरुद्ध रणनीति का बैक-टेस्ट करें। प्रमुख मैट्रिक्स: टर्मिनल वेल्थ यूटिलिटी, शार्प अनुपात, अधिकतम ड्रॉडाउन, और वैल्यू-एट-रिस्क।

यह मामला दर्शाता है कि कैसे सैद्धांतिक मॉडल एक वैश्विक बीमाकर्ता के लिए एक व्यवस्थित, पुनरावर्ती निवेश प्रक्रिया में परिवर्तित होता है।

9. Future Applications & Research Directions

अनुप्रयोग:

बहुराष्ट्रीय बीमाकर्ताओं के लिए गतिशील ALM: बहु-मुद्राओं में दायित्व और निवेश वाले बीमाकर्ताओं के लिए प्रत्यक्ष आवेदन।
अंतर्राष्ट्रीय एक्सपोजर वाले पेंशन फंड: विभिन्न देशों में सदस्यों को लाभान्वित करने वाले पेंशन फंड के लिए भी ऐसी ही दायित्व-संचालित निवेश समस्याएँ मौजूद हैं।
मुद्रा-हेज्ड निवेश उत्पादों का डिज़ाइन: परिसंपत्ति प्रबंधक मॉडल के तर्क का उपयोग संस्थागत ग्राहकों जैसे बीमाकर्ताओं के लिए अनुरूपित, गतिशील रूप से हेज्ड अंतरराष्ट्रीय इक्विटी या बॉन्ड फंड डिजाइन करने के लिए कर सकते हैं।
नियामक पूंजी मॉडलिंग: यह ढांचा Solvency II जैसी व्यवस्थाओं के तहत, विशेष रूप से विदेशी मुद्रा जोखिम मॉड्यूल के लिए, बाजार जोखिम हेतु Solvency Capital Requirement (SCR) की गणना करने वाले आंतरिक मॉडलों के डिजाइन को सूचित कर सकता है।

अनुसंधान दिशाएँ:

जंप जोखिमों को शामिल करना: The most critical extension is reintegrating jump processes for insurance claims, moving from the diffusion approximation back to a model like a compound Poisson or a Lévy process. This would align with recent works in insurance mathematics, such as those summarized in Asmussen & Albrecher (2010).
एकाधिक जोखिमपूर्ण संपत्तियाँ और मुद्राएँ: Extending the model to a basket of foreign assets across different currencies would increase practical relevance.
Learning and Ambiguity: Incorporating parameter uncertainty and learning, where the insurer does not know the true parameters of the OU process but updates beliefs over time (Bayesian learning), as explored in models of ambiguity aversion.
स्पष्ट रूप से मैक्रोइकॉनॉमिक ड्राइवर्स का मॉडलिंग: $\theta(t)$ के लिए एक अव्यक्त OU प्रक्रिया के बजाय, सीधे इसे प्रेक्षणीय मैक्रोइकॉनॉमिक चर (मुद्रास्फीति अंतर, ब्याज दर प्रसार, व्यापार संतुलन) के एक फलन के रूप में मॉडल करें, जिससे एक अधिक मौलिक और परीक्षण योग्य मॉडल बनता है।
घर्षणों का समावेश: आनुपातिक लेनदेन लागत या कर जोड़ने से रणनीति अधिक यथार्थवादी हो जाएगी, जिससे संभवतः इष्टतम आवंटन के आसपास एक "नो-ट्रेड" क्षेत्र बन जाएगा।

10. References

Zhou, Q., & Guo, J. (2020). Optimal Control of Investment for an Insurer in Two Currency Markets. arXiv preprint arXiv:2006.02857.
Browne, S. (1995). Optimal investment policies for a firm with a random risk process: exponential utility and minimizing the probability of ruin. Mathematics of Operations Research, 20(4), 937-958.
Schmidli, H. (2008). बीमा में स्टोकेस्टिक नियंत्रण. Springer Science & Business Media.
Merton, R. C. (1971). Optimum consumption and portfolio rules in a continuous-time model. Journal of Economic Theory, 3(4), 373-413.
Asmussen, S., & Albrecher, H. (2010). Ruin Probabilities (द्वितीय संस्करण)। विश्व वैज्ञानिक।
Yang, H., & Zhang, L. (2005). Optimal investment for insurer with jump-diffusion risk process. इंश्योरेंस: मैथमेटिक्स एंड इकोनॉमिक्स, 37(3), 615-634.
Bai, L., & Guo, J. (2008). Optimal proportional reinsurance and investment with multiple risky assets and no-shorting constraint. इंश्योरेंस: मैथमेटिक्स एंड इकोनॉमिक्स, 42(3), 968-975.
Hipp, C., & Plum, M. (2000). Optimal investment for insurers. इंश्योरेंस: मैथमेटिक्स एंड इकोनॉमिक्स, 27(2), 215-228.