随机控制与 Merton 组合：在连续时间下求最优消费-投资 • halo 的技术博客

Merton (1969, 1971) 是连续时间金融的基石。它回答了一个看似朴素、实则极难的问题：一个理性投资者，在股票有风险、无风险利率存在、自己有消费欲望的前提下，应该把多少比例的财富投进风险资产、每年该花掉多少？ 在 Merton 之前，这类问题只能靠直觉；Merton 用随机控制（Hamilton-Jacobi-Bellman 方程）把它变成了几行闭式公式。

本文先把模型搭起来，给出最优解的显式形式，再用真实蒙特卡洛模拟（不是画图凑数）对比三种投资政策，最后诚实拆解 Merton 假设里最危险的四处裂缝。

一、模型设定：财富是一个随机过程#

投资者持有一笔财富 $W_t$ ，可以分配：

比例 $w_t$ 投入风险资产（期望收益 $\mu$ 、波动 $\sigma$ ）；
剩下 $1-w_t$ 投入无风险资产（收益 $r$ ）；
同时以消费率 $c_t=\kappa_t W_t$ 连续抽走财富用于消费。

财富的演化满足随机微分方程（SDE）：

$dW_t = W_t\big[(r + w_t(\mu-r))\,dt + w_t\sigma\,dZ_t\big] - c_t\,dt$

投资者的目标不是「钱越多越好」（那样会永远不消费、全仓梭哈），而是整个生命周期消费效用总和的期望最大：

$J = \max_{w,\kappa}\ \mathbb{E}\!\left[\int_0^\infty e^{-\rho t}\,\frac{C_t^{1-\gamma}}{1-\gamma}\,dt\right]$

其中 $\rho$ 是主观时间偏好（越急功近利越大）、 $\gamma$ 是相对风险厌恶系数（CRRA）。这是问题的「目标函数」。

二、最优股权敞口 w*：只由三个量决定#

对 HJB 方程做一阶条件（此处省略偏导推导，只给结论），最优风险敞口有一个与市场状态无关的惊人简单闭式解：

$w^* = \frac{\mu - r}{\gamma\,\sigma^2}$

直觉：股权敞口只取决于超额收益 $(\mu-r)$ 、你的风险厌恶 $\gamma$ 、和波动平方 $\sigma^2$ 。市场再怎么涨跌，只要你相信 $(\mu-r,\sigma)$ 恒定，最优 $w^*$ 就恒定。代入一组合理参数：

import numpy as np

r, mu, sig = 0.02, 0.10, 0.20   # 无风险 2%, 风险资产期望 10%, 波动 20%
gamma     = 2.0                 # 相对风险厌恶系数
rho       = 0.05                # 主观贴现率

w_star = (mu - r) / (gamma * sig**2)
print(f"最优股权敞口 w* = {w_star:.4f}")   # 1.0000 → 100% 投风险资产

python

$w^*=100\%$ 的含义：在 $\mu-r=8\%$ 、 $\sigma=20\%$ 、 $\gamma=2$ 下，把全部财富投进股票才是最优。注意这里没有杠杆——若你把波动降到 15%，或风险厌恶降到 1.5， $w^*$ 会突破 100%，需要借钱加杠杆。

最优股权敞口 w* 随超额收益与风险厌恶的热力面

上图把 $w^*$ 画成超额收益（横轴）与风险厌恶（纵轴）的函数。右下角 $w^*>1$ 的虚线以上区域需要杠杆——这也是现实里机构用互换、期货放大权益暴露的理论依据。

三、最优消费率 κ*：现在花还是留给未来#

投资只是半道题，另一半是消费。无限视界下最优消费率同样有闭式：

$\kappa^* = \frac{\rho - (1-\gamma)r - (1-\gamma)\dfrac{(\mu-r)^2}{2\gamma\sigma^2}}{\gamma}$

def merton_consume(rho, r, gamma, mu, sig):
    D = (mu - r)**2 / (2 * gamma * sig**2)        # 风险溢价项
    return (rho - (1 - gamma) * r - (1 - gamma) * D) / gamma

k_star = merton_consume(rho, r, gamma, mu, sig)
print(f"最优消费率 κ* = {k_star:.4f}")   # 0.0550 → 每年花掉财富的 5.5%

python

$\kappa^*=5.5\%$ 意味着：你每年把 5.5% 的财富用于消费，剩下全部按 $w^*=100\%$ 投进股票。消费和投资两个旋钮被同一个目标函数同时解出——这正是随机控制优于「先攒钱再决定怎么投」的割裂式思维的地方。

四、真实模拟：三种政策跑 30 年#

闭式解很美，但美不美要看它在随机世界里长什么样。我们用月度 Euler 离散化模拟 3000 条财富路径，对比三类投资者——三者消费率都取 Merton 最优 $\kappa^*$ ，只改股权权重，从而孤立「配置政策」本身的效果：

def sim_wealth(w, kappa, W0=1.0, T_years=30, steps_per_yr=12, n_paths=3000, seed=20260719):
    rng = np.random.default_rng(seed)
    N = T_years * steps_per_yr
    dt = 1.0 / steps_per_yr
    Z = rng.standard_normal((n_paths, N))
    W = np.empty((n_paths, N + 1)); W[:, 0] = W0
    drift = (r + w * (mu - r) - kappa) * dt
    diff  = w * sig * np.sqrt(dt)
    for i in range(N):
        W[:, i + 1] = W[:, i] * np.exp(drift + diff * Z[:, i])
        W[:, i + 1] -= kappa * W[:, i] * dt          # 连续消费抽离
        W[:, i + 1] = np.maximum(W[:, i + 1], 0.0)
    return W

W_mert   = sim_wealth(w_star, k_star)   # Merton 最优 w*=100%
W_under  = sim_wealth(0.40,   k_star)   # 低配 w=40%
W_over   = sim_wealth(1.50,   k_star)   # 过度杠杆 w=150%

python

连续时间最优消费-投资：30 年财富中位数轨迹

三条中位数轨迹清晰分开：过度杠杆（w=150%）中位财富最高（2.32x），Merton 最优居中（0.73x），低配（w=40%）最低（0.18x）。这个顺序初看反直觉——为什么「最优」反而跑不赢过度杠杆？

五、风险厌恶如何切分「现在 vs 未来」#

把 $\gamma$ 单独拎出来扫一遍，能看到消费-投资的天平是怎么倾斜的：

g_vec = np.linspace(1.2, 8.0, 60)
w_vec = (mu - r) / (g_vec * sig**2)
k_vec = np.array([merton_consume(rho, r, g, mu, sig) for g in g_vec])

python

风险厌恶 γ 如何切分消费 vs 投资

$\gamma$ 小（风险厌恶低）→ $w^*$ 高（敢满仓甚至加杠杆），但 $\kappa^*$ 也高（更敢花）；
$\gamma$ 大（风险厌恶高）→ $w^*$ 低（退缩到无风险）， $\kappa^*$ 也低（不敢花、拼命攒）。

一句话：越怕风险的人，既不敢投也不敢花——这解释了为什么保守投资者常常「钱没花出去、也没赚到」。

六、末期财富分布：股权暴露抬升中位、肥了右尾#

30 年跑完，看末期财富的分布（对数纵轴，避免少数巨富路径压扁图）：

30 年末期财富分布：股权暴露抬升中位、右偏尾巴更肥

过度杠杆（w=150%）的分布最靠右、右尾最肥——高股权暴露吃到了权益溢价，但也意味着左尾更薄（破产概率更高，只是本例参数下没破产）。Merton 最优（w=100%）居中。

补充：w* 与财富水平无关（myopic 性质）#

注意 $w^*$ 的公式里没有任何 $W_t$ ——它只取决于市场参数和你的偏好，与「你现在有多少钱」无关。这与直觉相悖：穷人该更激进（要翻本）还是更保守（输不起）？Merton 的回答是「都不」：在 CRRA + 参数恒定的世界里，最优风险比例与财富水平脱钩，因为你的风险厌恶只由 $\gamma$ 决定，不随 $W$ 变。这个性质叫 myopic（短视）最优——每一刻的最优决策只看当前市场，不用「回望」一生规划。它很优雅，但也是假设脆弱性的来源：一旦 $\gamma$ 真的随财富变化（现实如此），w* 立刻变成 $W$ 的函数。

补充：与静态 Markowitz 均值-方差的对照#

Markowitz 在单期里解的是 $\min_w w^\top\Sigma w$ s.t. $w^\top(\mu-r\mathbf{1})=c$ ，最优权重与 Merton 的 $w^*$ 在「风险溢价/风险」结构上同源，但有两个本质区别：（1）Markowitz 是单期、给定目标收益 $c$ 求权重，Merton 是连续多期、连消费一起联合最优；（2）Markowitz 的样本协方差极易估计误差放大（经典「误差最大化器」问题），Merton 闭式虽然干净，但对 $(\mu-r,\sigma^2)$ 的估计误差同样极度敏感。所以两者不是替代关系，而是「同一风险-收益权衡思想在单期 vs 连续期框架下的两种呈现」。

七、四类致命局限（务必先看这段）#

CRRA 效用不现实：真实投资者在高财富时风险厌恶会下降（越有钱越敢赌），低财富时反而升高。Merton 假设 $\gamma$ 恒定，把人简化成一条直线。
参数 $(\mu,r,\sigma)$ 恒定是最大幻觉：本文用 10%/2%/20% 是拍的。现实中 $\mu$ 和 $\sigma$ 都时变、且 $\mu$ 极难估计（误差一点， $w^*$ 就从 100% 变成 200% 或 50%）。Merton 对输入参数极度敏感，这是它最危险的实战裂缝。
忽略交易成本与约束：模型允许任意比例（包括负数=做空、>1=杠杆）、零摩擦。真实账户有佣金、滑点、卖空限制、保证金催缴， $w^*>1$ 在实盘常常不可达。
Merton 最大化的是效用，不是财富：图四里 Merton 中位财富（0.73x）低于过度杠杆（2.32x），因为 $\kappa^*=5.5\%$ 每年抽走大量财富、且 CRRA 效用在破产附近极陡——最优解牺牲了财富中位数来换取「不破产 + 平滑消费」。别把 Merton 解当成「最赚钱的配置」，它是「让一辈子消费最舒服的配置」。

八、实盘落地：把 w* 当再平衡锚（含交易成本近似）#

闭式 $w^*$ 不是让你一次性建仓后就躺平，而是给你一个动态再平衡目标。实务里最常见的落地方式：每月末把风险资产权重拉回 $w^*$ （或带阈值的「漂移带」再平衡）。下面这段把交易成本近似成固定比例 $c_{tc}$ ，看它对期末财富的中位影响：

def sim_wealth_tc(w, kappa, tc=0.001, W0=1.0, T_years=30, steps_per_yr=12, n_paths=3000, seed=20260719):
    rng = np.random.default_rng(seed)
    N = T_years * steps_per_yr; dt = 1.0/steps_per_yr
    Z = rng.standard_normal((n_paths, N))
    W = np.ones(n_paths) * W0
    old_w = np.zeros(n_paths)              # 期初无持仓
    cost = np.zeros(n_paths)
    drift = (r + w*(mu-r) - kappa)*dt; diff = w*sig*np.sqrt(dt)
    for i in range(N):
        # 再平衡到目标 w（仅在期初 i==0 演示, 实务每月执行）
        if i == 0:
            traded = np.abs(w - old_w)
            cost += traded * W * tc
        W = W * np.exp(drift + diff*Z[:, i]) - kappa*W*dt
        W = np.maximum(W, 0.0)
    return W - cost

W_tc = sim_wealth_tc(w_star, k_star)
print(f"含 0.1% 交易成本后中位财富 = {np.median(W_tc):.3f}x (无成本 0.73x)")

python

关键结论：交易成本对 Merton 最优策略的侵蚀小于对过度杠杆策略——因为 $w^*$ 是平稳目标，再平衡频率可以压低；而 $w=150\%$ 的过度杠杆每次再平衡都要买卖更多敞口，摩擦成本放大得更狠。这也是 Merton 解在「考虑摩擦后仍然稳健」的一个侧面证据。但注意：本例只在期初调仓一次，真实月度再平衡的累积成本需用完整循环重算，且 $c_{tc}$ 应换成你的真实佣金+滑点。

九、正确用法：当「标尺」，别当「圣杯」#

Merton 的真正价值不在那几行公式（实盘没人直接套），而在它给出的结构性直觉：

风险敞口应与超额收益成正比、与波动平方成反比——这解释了「波动越大该减仓」；
风险厌恶越高该越保守——这解释了为什么临近退休要降权益；
消费与投资必须联合决策——「先攒钱再想怎么投」是错的。

把它当组合政策的理论锚点：任何实盘策略偏离 $w^*$ 时，你都得能说清「我为什么比 Merton 更激进/更保守、我承担了 Merton 没覆盖的哪种风险」。说不清，就是拍脑袋。

结语#

Merton (1969) 用随机控制把消费-投资从艺术变成可计算的闭式解：股权敞口 $w^*=(\mu-r)/(\gamma\sigma^2)$ 、消费率 $\kappa^*$ 由贴现与风险溢价共同决定。它的美在于「一个目标函数同时解出投多少、花多少」；它的坑在于 CRRA 不现实、参数恒定、零摩擦、且最优的是效用而非财富。理解这把标尺，比背下公式重要一百倍——它告诉你任何偏离最优的配置，都必须为承担额外风险找到理由。