This dissertation studies backgrounds and methodologies to develop modeling and computational techniques for personalized financial decision making problems.
First, we construct a scalable coupon personalization model for a credit card company. The main challenges include dealing with a large number of target stores and customers, as well as encoding the diverse customer and store data into meaningful latent features. Our machine-learning based model address these challenges, and is practically integrated into the real-world coupon targeting system for a credit card company in South Korea.
Second, we analyze a portfolio choice problem for a couple with tax-deferred accounts (TDAs) and survival-contingent products (SCPs). Unlike previous research that focused on only one type of product, we explore both TDAs and SCPs, which are commonly used in practice. To address curse of dimensionality issue due to high-dimensional state space and long planning horizon, we apply the stochastic dual dynamic programming (SDDP) algorithm with modified sampling strategies.
Lastly, we introduce a novel goal-based investing (GBI) model with goal postponement using a multistage mixed-integer stochastic program. Unlike conventional approaches, our model allows individuals the flexibility to defer goal fulfillment within a specific timeframe. Our study presents both theoretical and empirical findings associated with goal postponement in the context of GBI. We also introduce the stochastic dual dynamic integer programming (SDDiP) algorithm to solve practical large-scale GBI problem.
We expect our studies will provide efficient computational methodologies and practical findings in complex and large-scale personalized financial decision making problems.
본 학위 논문은 개인화된 재무의사결정과 관련된 문제들과 이를 해결하기 위한 계산적 방법론을 연구한다.
먼저, 신용카드사를 위한 확장 가능한 쿠폰 개인화 모델을 제시한다. 주된 어려움은 수많은 대상 매장과 고객을 처리하고, 다양한 고객 및 매장 데이터를 의미 있는 잠재 변수로 인코딩하는 것이다. 제시한 머신러닝 기반 모델은 이러한 어려움을 해결하며, 실제 국내 카드사의 쿠폰 타겟팅 시스템과 통합되었다.
둘째, 과세이연계좌(TDA)와 생존조건부상품(SCP)을 고려하는 부부의 포트폴리오 선택 문제를 분석한다. 한 가지 유형의 상품에만 초점을 맞춘 기존 연구와 달리, 본 연구는 실제로 흔히 사용되는 과세이연계좌와 생존조건부상품 모두를 고려한다. 고차원 상태 공간과 긴 기간으로 인한 차원의 저주 문제를 해결하기 위해 샘플링 전략을 수정한 추계적 쌍대 동적 계획법(SDDP) 알고리즘을 적용한다.
마지막으로 다기간 혼합 정수 추계 계획법(MSMIP)을 사용하여 목표를 연기할 수 있는 결정을 포함한 새로운 목표 기반 투자(GBI) 모델을 소개한다. 기존 접근 방식과 달리, 이 모델은 개인이 특정 기간 내에 목표 달성을 연기할 수 있는 유연성을 제공한다. 본 연구는 목표 기반 투자의 맥락에서 목표 연기와 관련된 이론적 및 실증적 결과를 모두 제시한다. 또한, 실용적인 대규모 목표 기반 투자 문제를 해결하기 위해 추계적 쌍대 동적 정수계획법(SDDiP) 알고리즘을 적용한다.
우리는 본 연구가 복잡하고 대규모의 개인화된 재무 의사결정 문제에서 효율적인 계산 방법론과 실용적인 결과를 제공할 것으로 기대한다.
