因此，当实现的危险概率与优化中使用的风险概率不同时，应对随机TDMPU模型进行超时监控和更新。（16a）（16b）（16c）（15）C.1离散化随机TDP的DP结果我们使用第三节C提出的方法离散（12）中的随机TDM模型，用于退休的同龄男性/女性（M/F）夫妇（K=L=1的MPU）。危险概率来自SSA生命表，时间t=0反映65岁。我们假设MPU是标准形式的。（参考第II-B节）。如有必要，第一次提款尝试将在时间t=1时进行，最后一次提款尝试将在时间t=SMax=48（年）时进行。我们使用精度Pα=1000和PR=5000威瑟尔=0.0%和WR={4%，5%，6%}。将结果与通过模拟发现的性能最佳的固定α策略（N=250万/WR）进行比较。所有0.0至1.0之间的固定α值均以0.05的增量进行评估。使用WR=4%的固定α策略的最佳表现为α=0.45，相应的P（破产）为0.0421（成功率=95.8）。最优策略从时间t=0开始，α=0.356，产生的最小P（破产）为0.0287（成功率=97.1%），提高了31.8%。表III显示了WR={4%，5%，6%}的比较。表IIIP（破产）适用于随机同年龄（65）男/女夫妇TD：最优与固定α策略在该表中，我们对最佳随机TDmodel与最佳执行固定α策略进行了比较，使用相同年龄的男女夫妇WR={4%，5%，6%}的退出率。我们假设退休人员处于标准状态，时间t=0反映65岁。第一次退出尝试发生在t=1时（如果TD≥ 1） 最后一个是t=SMax=48（如果TD=48）。离散时间危险概率P（TD=t | TD≥  t） 来自SSA的生命表。政府对t=0，1，…，48。使用精度Pα=1000和PR=5000（ER=0.0%）对模型进行离散。

通过模拟（N=250万/WR），在测试集{α：α=0.00到1.00乘以0.05}下，找到性能最佳的固定α解。Demo WRINP（破产）P（破产）[最佳固定α]P（破产）[t=0]M/f时的α4%0.0421[0.45]0.0287[0.356]31.8%5%0.1349[0.60]0.0978[0.481]27.5%6%0.2523[0.80]0.2009[0.672]20.4%图8显示了上述随机TDM模型的相应最优解网格，揭示了收益有利时α递减的常见模式，当回报率不好时增加。如第III-C节所述，该模型存在严重的危险风险，需要密切监测，并随着时间的推移进行可能的再优化。图8为随机TD选择离散实施单元：M/F耦合w/ER=0.0%。该图显示了随机TDModel的673799单元最佳解决方案中的46个单元样本，其中Pα=1000，PR=5000，ER=0.0%，SMax=48。MPU instandard表单的第一个资产分配决策是在时间t=0，最后一个是在时间t=47（SMax-1）。在时间t=1时尝试第一次退出（如果TD≥ 1） 最后一个时间t=48（如果TD=48）。图6和图7显示了三条路径的阴影，表明在不同的投资组合绩效下，最优解决方案是如何随时间变化的。V的值反映了未来任何时间点的P（破产），α是相应的最优资产配置。D.随着时间的推移进行调整我们对最佳策略进行如下调整。假设图7或图8中绘制路径1的退休人员不满意递减的α，绘制路径3的退休人员不满意非递减的P（破产）。两人都喜欢在退出时间t=5后切换到路径2。表IV提供了跟踪每条路径的RF（t）桶中点的实际返回r（t，α）。两者都是从时间t=0开始的，WR=4%，账户余额为$A。

在时间t=0美元的情况下，每人每年提取（4%）*（$A）。路径1的退休人员可以通过将t>=6的真实提款金额增加到（4%）*（1.143）*（$A）来转移到路径2。对于t>=6，路径3退休人员可以通过将实际提取金额降低到（4%）*（0.889）*（$A）来改变。因此，如果基于t=0时的$A，新利率分别为WR=（4%）*（1.143）=4.57%和WR=（4%）*（0.889）=3.56%。此时t=6退休人员开始他们的新策略并退出（4.57%）*（$A）*∏1.我我1和（3.56%）*$A.*∏1.我我分别为1。基本上，他们停止了原来的计划，开始了新的计划，时间t=5，新的时间t=0，在图7的情况下，TD=25年。起始余额为（1.143）*（$A）*∏1.我我1.及（0.889）*（一元）*∏1.我我分别为1个（见表四）。通过切换到路径2，两者都使用WR=4%=RF（5），但现在是基于它们的时间t=5平衡。我们在为紧急情况提供服务时遵循相同的流程。表IV从图7或图8生成路径1和3的真实回报该图显示了四舍五入的回报，这些回报将跟踪图7和图8中路径1和3的RF（t）桶中点（使用不同的α）。这些路径假设WR=4%，ER=0.0。在每个时间点，应用实际回报减去实际提款（WR）*（$A），其中$A是时间t=0账户余额。我们可以在任何时间点改变WRat，方法是用新的平衡重新开始，并咨询网格以获得最佳α。追踪路径1的退休人员开始时间t=5，新余额（1.143）*（$A）*∏（1+I）)i=1。这是新时间t=0，时间t=6反映了使用修改后的WR的新时间t=1。时间（t）路径1路径3实际返回r（t，α）实际账户平衡器f（t）实际返回r（t，α）实际账户平衡器f（t）16.56%，039 1.56%，0412 6.53%，038 1.72%，0423 6.50%，037 1.87%，0434 6.48%，036 2.03%，0445 6.46%（1.143）*（$A）.035 2.18%（0.889）*（$A）.045IV。

总结和结论（9）和（12）中提出的离散时间模型产生了最优的退休减少策略。一旦做出关于资产类别回报的分配假设，这些模型就会对最优策略进行估计。按照公式，它们在常见的分布假设下难以处理，必须离散化。因此，离散化解是对最优策略估计的数值近似。由于用户控制离散化的精度，因此近似可以被驱动到任何所需的精度。这就使得分配假设成为决定因素，决定用户的解决方案是否接近真正的最优，不同的用户肯定会做出不同的分配假设。我们强调，这些递减策略的目标是最小化破产概率，而不是最大化最终财富。寻求遗赠财富最大化的退休人员可能会使用这种方法，通过增加财富来获得更多的风险敞口，然后在退休投资组合之外积极投资未动用的资金。然而，对于退休人员来说，采用基于财富最大化目标的模型可能更为谨慎，例如Fan、Murray和Pittman（2013）提出的模型。我们注意到，有证据表明退休人员更倾向于避免损失，而不是财富最大化。退休研究所（RetirementResearch Institute）2012年的一项研究发现，80%的TD基金用户更喜欢保护自己免受损失的投资组合，66%的非TD基金用户同意。寻求采用此处提出的模型的顾问的使用场景如下所示。

顾问根据他们认为最适合未来退休期限的市场回报假设，使用固定或随机TD，以及所需的精度水平，对DP（14）进行编码。结果是一个类似于图5的网格。然后，Advisor会为每位退休人员定制该网格，为退休人员表示进入舒适和不舒适的各个区域添加阴影。然后，在时间t=0时制定一个计划，该计划明确指出，如果退休人员侵占了他们表示无法容忍的区域，将在何时以及进行何种调整。因此，退休人员在知道存在误入歧途的情况下感到安慰，他们仍然完全了解将采取什么行动，以及何时根据投资组合的长期表现来修改策略。通过这项研究，我们证明，在退休开始时下滑路径固定的减支策略是次优的，这在附录G中正式规定。从股票到债券的转移减少了波动性，但也减少了预期回报，并且这种转移是在不考虑退休人员的退出率的情况下进行的。因此，当将风险定义为超过储蓄时，它会增加退休风险。当使用安全退出率策略时，唯一的最佳下滑路径是随着时间的推移对市场回报做出反应的路径。我们已经提出了一种方法，可以将滑翔轨迹近似到任何期望的精度。最后，我们希望这项研究结束了一种看法，即安全退出率是一个简单的规则，没有学术理论的支持。

事实上，安全取款率背后的理论框架非常丰富，它自然地扩展了各种学科中使用的优化原则。霍华德·安东，1988，《解析几何微积分第三版》（纽约州纽约市约翰·威利父子出版社）。William P.Bengen，1994，《利用历史数据确定提款率》，金融规划杂志7（4），171-180。威廉·P·本根，2006年，为退休客户烘焙提款计划“分层蛋糕”，金融规划杂志19（8），44-51。David M.Blanchett，2007，《分销组合的动态分配策略：确定最优分销下滑路径》，金融规划杂志20（12），68-81。鲍克斯、乔治·E.P.、格威林·M·詹金斯和格雷戈里·C·莱因塞尔，1994年，时间序列分析预测和控制第三版（新泽西州恩格尔伍德悬崖普伦蒂斯厅）。Bradley，Stephen P.，Arnoldo C.Hax和Thomas L.Magnanti，1977，应用数学编程（马萨诸塞州雷丁市Addison-Wesley出版公司）。Brigham，Eugene F.，Michael C.Ehrhardt，2008，财务管理理论与实践指导（俄亥俄州梅森市西南岑格学习）。Charlson、Josh、Michael Herbst、Kailin Liu、Laura P.Lutton和John Rekenthaler，2009年，《目标日期系列研究论文：行业调查》（Morningstar，Inc.，伊利诺伊州芝加哥）。科恩，J.，格兰特·加德纳，袁安凡，2010，日期辩论：目标日期基金下滑路径应该“到”还是“通过”退休？（罗素研究公司，罗素投资公司，华盛顿州西雅图）。Cooley，Philip L.，Carl M.Hubbard和Daniel T.Walz，1998，《退休储蓄：选择可持续的提取率》，美国个人投资者协会期刊10（3），16-21。库利、菲利普·L、卡尔·M·哈伯德和丹尼尔·T。

沃尔兹，2011，《投资组合成功率：托德的底线在哪里》，金融规划杂志24（4），48-60。Damodaran，Aswath，历史股票和债券收益的金融数据库（纽约大学，纽约）<http://pages.stern.nyu.edu/~adamodar/>范元安、史蒂夫·默里和山姆·皮特曼，2013，优化退休收入：基于资产和负债的自适应方法，退休杂志1（1），124-135。明尼阿波利斯联邦储备银行，1913年至今的CPI-U数据<http://www.minneapolisfed.org/community_education/teacher/calc/hist1913.cfm>Finke，Michael，Wade D.Pfau和David M.Blanchett，2013年，《金融规划杂志》26（6），46-55，4%规则在低收益率世界中不安全。Jonathan T.Guyton，2004，《退休人员的决策规则和投资组合管理：“安全”的初始提款率是否太安全？财务规划杂志17（10），54-62。ING投资管理和ING退休研究所，2012，《目标日期基金的参与者偏好：检查目标日期使用者和非使用者的认知和期望》<http://graphics8.nytimes.com/packages/pdf/tdf_white_paper.pdf>Irlam、Gordon和Joseph Tomlinson，2014，《退休收入研究：我们能从经济学中学到什么？退休杂志1（4），118-128。Kitches，Michael E.，2012，《金融规划中的效用函数——决策的新框架？》？《书呆子的视线》，4月3日<http://www.kitces.com/blog/utility-functions-infinancial-planning-a-new-framework-for-decision-making/>劳伦斯·J·科特利科夫，2008，经济学的财务规划方法。

《金融规划杂志》21（3），42-52。哈利·马科维茨，1952年，投资组合选择，金融杂志7（1），77-91。Milevsky，Moshe A.和Huahaong Huang，2010，在vulcan星球上度过退休生活：长寿风险规避对最优提款率的影响，金融分析师期刊67（2），45-58。Milevsky，Moshe A.和Chris Robinson，2005，无模拟的可持续支出率，金融分析师期刊61（6），89-100。Mitchell、Olivia S.和Kent Smetters，2013，《退休金融咨询市场》（养老金研究委员会）（牛津大学出版社，牛津）。Pfau，Wade D.和Michael E.Kitches，2014年，通过不断上升的股票下滑路径降低退休风险。《财务规划杂志》27（1），38-45。Pye，Gordon B.，2000，可持续投资撤回，投资组合管理杂志26（4），73-83。Ross，Sheldon M.，2007，《概率模型导论》，第9版（纽约州纽约市学术出版社）。斯科特、杰森·S、威廉·F·夏普和约翰·G·沃森，4%规则——以什么价格？投资管理杂志7（3），31-48。Stout，R.Gene，2008，退休投资组合资产分配和提取的随机优化。金融服务评论17（1），1-15。这些和类似的数字经常在媒体上报道。例如，请参见皮尤研究中心的D.科恩和P.泰勒的《婴儿潮一代即将65岁——闷闷不乐》。（2010年12月20日）。网址：http://www.pewsocialtrends.org/2010/12/20/baby-boomers-approach-65-glumly/The证据微不足道。时间t=1提取金额（W）*（$B）*（1+I）维持退休人员的购买力。将$B替换为$A/（1-W），将WWW替换为WR/（1+WR），然后进行简化。

结果是（WR）*（A）*（1+I），这正是模型的标准形式表示假定的时间t=1取款金额。附录H中提供了完整的C++实现。2014年10月15日(c)最小化退休破产概率Christopher J.ROOK*互联网附录*作者是史蒂文斯理工学院系统工程系的统计程序员和研究顾问。本文档与主要研究论文一起提供，包括版本、派生、源代码和杂项。内容表附录A.t时实际账户余额的推导。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。1.附录B.破产标准（t）给定破产标准C（t-1）。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。2.附录C.固定TD的诱导。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。3.C.1 t=TD时的诱导。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。3.C.2 t=TD-1时的诱导。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。3.C.3 t=TD-2时的诱导。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。4.C.4 t=TD-3时的诱导。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。7.C.5 t=TD-k时的诱导。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。9附录D.随机TD的诱导。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。11D.1 t=SMax时的诱导。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。

11D.2 t=SMax-1时的诱导。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。11D.3 t=SMax-2时的诱导。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。12D.4 t=SMax-3时的诱导。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。15D.5 t=SMax-k时的诱导。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。17附录E.破产系数桶概率的推导。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。20附录F.历史股票和债券分配的推导。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。22附录G.杂项。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。27G.1股权下滑路径辩论。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。27G.2在反向诱导过程中分离关节PDF。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。29附录H.完整的C++实现。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。33附录A.tLEMMA A1时实际账户余额的推导：C(≤ t） ，以下等式成立：（t，α）=RF（t-1）*[1+1/RF（t）]证明：根据定义，RF（t）=RF（t-1）/[（t，α）-RF（t-1）]→  [（t，α）–RF（t-1）]*RF（t）=RF（t-1）→  [（t，α）–RF（t-1）]=RF（t-1）/RF（t）→  （t，α）=RF（t-1）/RF（t）+RF（t-1）→  （t，α）=RF（t-1）*[1+1/RF（t）]命题A1：给定C(≤ t） ，t时的实际账户余额为（$A）*RF（0）/RF（t）。证明：通过归纳，我们证明这个命题适用于基本情况时间t={0，1}。

实际账户余额（t=0）0（RF（0）*（1+1/1）射频（1）10/1（1）无线射频（1）10/1（1）微波（1）无线（1）无线（1）射频（0）射频（0）射频（0）射频（0）射频（0）射频（0）射频（0）射频（0）射频（0）射频（0）实际账户余额（0）射频（0）射频（0）射频（0）射频（0）真实账户余额（0）射频（0）真实账户余额（0）真实账户余额（0）真实账户余额（t（t（t（t）射频（0）射频（0）射频（0）实际账户（t（0）实际账户（t）实际账户余额（t（t）10）10）10）数字（t（t（t（t=1）1）1）1）1）1）1）1）1）10）10）数字（t（t（t（t（t（t（t=1）1）1：（$A）*RF（0）/RF（t-1）实际账户余额（t=t）：[（$A）*RF（0）/RF（t-1）]*（（t，α））–（$A）*WR）引理A1。（A.3）（A.3）（A.3）（A.3）（A.3）（A.3）（A.3）（A.3）（A.3）（A.3）（A.3）（A.4）（A.4）（A.1）（A.1）（A.1）（A.1）（A.1）（A.1）（A.2）（A.2）（A.2）（A.2）（A.2）（A.2）（A.2）（A.2）（A.2）（A.2）（A.2）（A.2）（A.2）（A.2）（A.2）（A.2）（A.2）（A.2）（A.2）（A.2）（A.2）（A.2）（A.2）（A.2）（A.2）（A.2）（A.2）（A.2）（A.2）（A.2）（A.2）（A.2）（A.2）（A.2）（A.2）（A.2）（A.2）（A.2）（A.2）（A.2）（A.2）（剩下的是肌萎缩侧索硬化症。这句话是A1命题的直接结果。也就是说，1/RF（t）=在时间t剩余的实际提款的#，和RF（t）=1/（在时间t剩余的实际提款的#）。附录B.给定破产标准C（t-1）命题B1：给定破产标准C(≤ t-1），破产（t）发生在（t，α）≤ 射频（t-1）。证明：实际账户余额（t=t-1）：（$A）*RF（0）/RF（t-1）实际账户余额（t=t-1）：[（$A）*RF（0）/RF（t-1）]*∏1.我我1实际账户余额（t=t）：[（$A）*RF（0）/RF（t-1）]*∏1.我我1*（1+R（t，α））*（1–ER）实际提款金额（t=t）：（$A）*（WR）*∏1.我我1破产所需的条件（t）：≤（1+R（t，α））*（1-ER）*[（$A）*RF（0）/RF（t-1）]*∏1.我我1. ≤  （$A）*（WR）*∏1.我我1.<-> （1+r（t，α））*（1-ER）*[1/RF（t-1）] ≤  1.<-> （t，α） ≤  RF（t-1）该值是提取前的值。引理A1。（A.7a）（A.7b）（A.7c）（A.7d）由提案A1提出。账户余额（t=t）提款金额（t=t）（A.8a）（A.8b）（A.8c）（A.8d）（A.8e）（A.8f）（A.8g）附录C.固定TDC的归纳法。1时间t=t的入职假设退休人员在时间t=t到达并进行最后一次退出。

受限样本空间S={C(≤ TD）}包含单个事件，如右图所示。退休人员无需计算RF（TD），因为不再有提款，但自RUNC以来，RF（TD）>0（如果计算）(≤ TD）已经发生。当t=TD，P（破产（>TD））=0，且值函数的充分条件（bc.）为V（TD，RF（TD））=0，RF（TD）>0。C.2 t=TD时入职——假设退休人员在t=TD-1时到达，进行第二次最后退出，并有一次剩余。破产因子RF（TD1）（>0）是根据刚刚观察到的投资组合收益率（TD-1，α）计算得出的。退休人员现在面临限制样本空间S={ruint（TD），RuinC(≤ 如图所示，并寻求使P（破产（TD））最小化的α。这个直接的决定是使用第II-F节中介绍的框架做出的。也就是说，TheRetrie比较了各种资产配置的尾部概率，并选择了使P（破产（TD））最小的一个。这种优化可以表示为：V（TD-1，RF（TD-1））=Min  P（破产（TD）→ V（TD-1，RF（TD-1））=Min  1-P（C（TD））→ V（TD-1，RF（TD-1））=Min  1-P（（TD，α）>RF（TD-1））→ V（TD-1，RF（TD-1））=Min  1–（1–F（TD，α）（RF（TD-1）），已知破产因子RF（TD-1）。这里，F（TD，α）（·）表示（TD，α）的已知/估计CDF。注意，由于V（TD，RF（TD））=0，我们可以将V（TD-1，RF（TD-1））等价地表示为：（C.1b）（C.1c）（C.1a）（C.1d）V（TD-1，RF（TD-1））=Min1–（1–F（TD，α）（RF（TD-1）））*（1–E（TD，α）+[V（TD，RF（TD））），具有最佳的=α（TD-1，RF（TD-1））。C.3 t=TD时入职–2假设退休人员在t=TD-2时到达，最后一次退出，并有两次剩余。破产系数rf（TD-2）（>0）是根据刚刚观察到的投资组合收益率（TD-2，α）计算得出的。

退休人员现在面临限制样本空间S={ruint（TD-1），ruint（TD），RuinC(≤ 如图所示，并寻求做出最优资产配置决策，以最小化P（破产（>TD-2））=P（破产（TD-1）∪破产（TD）），即未来任何时间点破产的可能性。使用（6b）和（6c），我们将P（破产（>TD-2））表示为：P（破产（TD-1）∪破产（TD））=1-P（破产C（TD-1）∩ RuinC（TD））=1-P（RuinC（TD-1））*P（RuinC（TD）|RuinC（TD-1））。值函数表示为：V（TD-2，RF（TD-2））=Min1-P（RUNC（TD-1））*P（RUNC（TD）| RUNC（TD-1））→  V（TD-2，RF（TD-2））=Min  1-P（（TD-1，α）>RF（TD-2））*P（（TD，)> RF（TD-1）|（TD-1，α）>RF（TD-2））→ V（TD-2，RF（TD-2））=Min  1-P（（TD-1，α）>RF（TD-2））*,∩,,为了便于标注，添加了最右边的术语。回想一下，V（TD，RF（TD））=0RF（TD）>0，因此它是0的期望值。此外，如第II-G.1节所示，（TD，α）+=（（TD，α）|（TD，α）>RF（TD-1）。我们的惯例是让 指的是在未来某个时间点处于最佳状态的α，并让α表示在当前时间点处于最佳状态的α。最优 始终需要将电流V（·）降至最低。（C.3a）（C.3b）（C.4a）（C.4b）（C.4c）对于所有RF（t）>0的情况，该概率的最佳值刚刚在时间t=TD-1时推导出来。时间t=TD时诺鲁因的概率。预期的问题。考虑到破产c（TD），在t=TD之后没有破产。（C.2）（C.4c）中比率的分子反映了在t=TD-1和TD时避免破产的概率。根据定义，这是联合PDF f（（TD-1，α），（TD，)) 概率论中定义的区域。该区域存在于（TD-1，α）–（TD，)平面和关节PDF定义了一个位于平面上的三维对象。

我们通过对给定区域上的联合PDF进行积分来计算所需体积。由于（TD）的积分限制，)依赖于（TD-1，α），我们必须处理（TD，)首先，（TD，)范围从RF（TD-1）到∞.  在这个诱导步骤中，（TD-1，α）的范围从恒定的RF（TD-2）到∞.  （TD-1，α）–（TD，)平面如图A1的横剖面线所示。假设转弯是钟形的，那么一个三维山丘物体（见右图）描绘了SF（（TD-1，α），（TD，)).  所需的概率是该物体在所示区域上的体积，我们必须在时间t=TD-2时对所有α进行评估。改变α会改变山丘的形状和位置，从而改变概率。（C.4c）中比率的分母是RF（TD-2）右侧同一固体的体积。我们寻求使（C.4c）中的整体表达式最小化的α，其中这些概率是两个分量，见下文（C.4d）。图A1。

f（（TD-1，α），（TD，)) 对于（C.4c）中分子和分母的导数→ V（TD-2，RF（TD-2））=Min    1-（1-F（TD-1，α）（RF（TD-2）））*,,,,,,,通过调节并假设各时间点之间的回报率是独立的，我们在比率的分子中拆分jointPDF（见附录G.2）：→ V（TD-2，RF（TD-2））=Min 1-（1-F（TD-1，α）（RF（TD-2）））*,,,,,,→ V（TD-2，RF（TD-2））=分钟 1-（1-F（TD-1，α）（RF（TD-2）））*,,,,,现在，由于RF（TD-1）是（TD-1，α）的函数，即RF（TD-1）=,（C.4f）中的值函数可以写成，一个直观的解释是，对于所有正因子X，V（TD-1，X）已经被发现，将X视为常数。在当前的诱导步骤中，我们通过α发现X是随机的，我们的控制是已知的。在对α的优化中，EX[V（TD-1，X）]然后在X.（C.4d）（C.4e）（C.4f）（C.5）的各种PDF中进行评估。根据定义，该积分是R.V.（TD-1，α）+上[1–V（·）]的期望值。这个术语是[1–V（TD-1，RF（TD-1））]之前发现的。

在DP的每个阶段都必须遵循一个优化策略。由于RF（TD-1）是（TD-1，α）的函数，因此这些积分必须保持嵌套，且排序不能互换。V（TD-2，RF（TD-2））=Min1-（1-F（TD-1，α）（RF（TD-2））*（1-E（TD-1，α）+五、T1.,)在达到最佳状态时=α（TD-2，RF（TD-2））和条件RV（TD-1，α）+=（（TD-1，α）（TD-1，α）>RF（TD-2））上的期望，其中{（TD-1，α）>RF（TD-2）}≡ {RF（TD-1）>0}。C.4 t=TD时入职–3假设退休人员在t=TD-3时到达，进行第四次最后退出，并剩余3次。破产系数rrf（TD-3）（>0）是根据刚刚观察到的投资组合收益率（TD-3，α）计算得出的。退休人员面临限制样本空间S={ruint（TD-2），ruint（TD-1），ruint（TD），ruint C(≤ 并寻求做出最优资产配置决策，以最小化P（破产（TD-2）∪废墟（TD-1）∪破产（TD）），即未来任何时间点的破产概率。

在有限样本空间下，P（破产（>TD-3））现在定义为：P（破产（TD-2）∪废墟（TD-1）∪破产（TD））=1-P（破产C（TD-2）∩ RUNC（TD-1）∩ RuinC（TD））=1-P（RuinC（TD-2））*P（RuinC（TD-1）∩ RuinC（TD）|RuinC（TD-2））值函数为：V（TD-3，RF（TD-3））=Min 1-P（RUNC（TD-2））*P（RUNC（TD-1）∩ t=TD-3时的诱导与t=TD-2时的诱导几乎相同，下一步将该过程推广到t=TD-k时，然后在第II-G.1节中报告任何时间t。注意，对于所有RF（t）>0的情况，该概率的最佳值是在t=TD-2时得出的。（C.6）（C.7a）（C.7b）（C.8a）射频（TD-1）→ V（TD-3，RF（TD-3））=Min  1-P（（TD-2，α）>RF（TD-3））*P（（TD-1，)> 射频（TD-2）∩ （TD，)> RF（TD-1）|（TD-2，α）>RF（TD-3））→ V（TD-3，RF（TD-3））=Min  1-P（（TD-2，α）>RF（TD-3））*,∩,∩,,→ V（TD-3，RF（TD-3））=Min  1-（1-F（TD-2，α）（RF（TD-3）））*,,,,,,,,,,→ V（TD-3，RF（TD-3））=Min  1-（1-F（TD-2，α）（RF（TD-3）））*,,,,,,,,,→ V（TD-3，RF（TD-3））=Min  1-（1-F（TD-2，α）（RF（TD-3）））*,,,,,我们要求在未来的每个阶段都要遵循一个最优的政策反映这些最佳值。

否则，V（·）不能取最小值。应用条件概率的定义。在无破产的条件下，下3个真实收益的多元密度积分。通过调节和独立性，我们将联合PDF拆分（见附录G.2）。注意，在这个时间点，退休人员可以通过选择α来控制下一个破产因子。（C.8b）（C.8c）（C.8d）（C.8e）（C.8f），因为RF（TD-2）是（TD-2，α）的函数，即RF（TD-2）=,根据定义，上面的表达式是[1-V（TD-2，RF（TD-2））]在条件RV（TD-2，α）+上的期望值，值函数可以写成：V（TD-3，RF（TD-3））=Min1-（1-F（TD-2，α）（RF（TD-3））*（1-E（TD-2，α）+五、T2.,)最优性是在=α（TD-3，RF（TD-3））和期望在条件RV（TD-2，α）+=（（TD-2，α）（TD-2，α）>RF（TD-3））上，其中{（TD-2，α）>RF（TD-3）}≡ {RF（TD-2）>0}。C.5 t=TD时的入职培训——kAssume退休人员在t=TD-k时到达，对于k=0,1，…，TD-1，并在剩余k的情况下进行（k+1）次最后退出。破产因子RF（TD-k）（>0）是根据刚刚观察到的投资组合收益率（TD-k，α）计算出来的。退休人员面临着严格的样本空间S={ruint（TD-k+1），ruint（TD-k+2），…，ruint（TD），RuinC(≤ 并寻求最优资产配置以最小化P（破产（>TD-k））=P（破产（TD-k+1）∪废墟（TD-k+2）∪… ∪ 破产（TD）），即未来任何时间点的破产概率。

在有限样本空间下，我们将P（破产（>TD-k））表示为：P（破产（TD-k+1）∪废墟（TD-k+2）∪… ∪ 破产（TD））=1-P（破产C（TD-k+1）∩ RUNC（TD-k+2）∩ … ∩ RuinC（TD））=1-P（RuinC（TD-k+1））*P（RuinC（TD-k+2）∩ … ∩ RuinC（TD）|RuinC（TD-k+1））（C.8g）（C.9）RF（TD-2）（C.10a）（C.10b）对于所有RF（t）>0的情况，在时间t=TD-k+1时得出该概率的最佳值。值函数由以下公式给出：V（TD-k，RF（TD-k））=Min 1-P（RUNC（TD-k+1））*P（RUNC（TD-k+2）∩ … ∩ 瑞恩克（TD）|瑞恩克（TD-k+1））让我来吧,=,,,,  和,:,射频T1..在t=TD-k时，向量（TD-k+2，TD）将在t=TDk+1之后的所有时间点保持随机回报，假设使用了最佳资产配置。

布景,将以k-2维表示空间，在该空间上（TD-k+2，TD）满足RuinC（>TD-k+1）的条件。→ V（TD-k，RF（TD-k））=Min  1-P（（TD-k+1，α）>RF（TD-k））*P（,∈,| （TD-k+1，α）>RF（TD-k））→ V（TD-k，RF（TD-k））=Min  1-P（（TD-k+1，α）>RF（TD-k））*,∩,∈,,→ V（TD-k，RF（TD-k））=Min  1-（1-F（TD-k+1，α）（RF（TD-k）））*,,,,,,,,（C.10c）（C.10e）应用条件概率的定义。（C.10f）在无破产条件下积分的下一个k实收益的多元密度。（C.10g）（C.10d）→ V（TD-k，RF（TD-k））=Min1-（1-F（TD-k+1，α）（RF（TD-k）））*,,,,,,,→ V（TD-k，RF（TD-k））=Min  1-（1-F（TD-k+1，α）（RF（TD-k）））*,,,,,→ V（TD-k，RF（TD-k））=Min1-（1-F（TD-k+1，α）（RF（TD-k）））*（1-E（TD-k+1，α）+五、TK1.,)最优性是在=α（TD-k，RF（TD-k））和期望在条件RV（TD-k+1，α）+=（（TD-k+1，α）（TD-k+1，α）>RF（TD-k））上，其中{（TD-k+1，α）>RF（TD-k）}≡ {RF（TD-k+1）>0}。附录D.随机TDD的归纳法。1在t=smax时入职假设退休人员在t=smax时到达并进行最后一次退出。无需计算RF（SMax）（>0），因为不再有取款和破产(≤ SMax）已经发生。时间t=SMax，P（破产（>SMax））=0，a B.C。

对于值函数为VR（SMax，RF（SMax））=0，射频（SMax）>0。D.2 t=SMax时的入职培训——假设退休人员在t=SMax-1时到达，退出，最多1次复职培训。RF（SMax-1）（>0）是根据刚刚观察到的投资组合收益率（SMax-1，α）计算得出的。根据定义，括号内的终端（C.10h）是P（runc（>TD-k+1））。（C.10i）通过调节和独立性（见附录G.2）。（C.10h）（C.10j）RF（TD-k+1）退休人员寻求α最小化P（破产（>SMax-1））=P（破产（SMax）），我们表示为：VR（SMax-1，RF（SMax-1））=Min P（破产（SMax））→ VR（SMax-1，RF（SMax-1））=Min 1-P（RUNC（SMax））→ VR（SMax-1，RF（SMax-1））=Min1–[P（TD=SMax-1 | TD≥ SMax-1）*（1）+P（TD>SMax-1 | TD≥ SMax-1）*P（（SMax，α）>RF（SMax-1））]→ VR（SMax-1，RF（SMax-1））=Min P（TD>SMax-1 | TD≥ SMax-1）*[1-P（（SMax，α）>RF（SMax-1））]→ VR（SMax-1，RF（SMax-1））=Min P（TD>SMax-1 | TD≥ SMax-1）*[1–（1–F（SMax，α）（RF（SMax-1））]，已知破产因子RF（SMax-1）。我们也可以将VR（SMax-1，RF（SMax-1））表示为：VR（SMax-1，RF（SMax-1））=Min  P（TD>SMax-1 | TD≥ SMax-1）*[1–（1–F（SMax，α）（RF（SMax-1）））*（1–E（SMax，α）+[VR（SMax，RF（SMax））]）]具有最佳=αR（SMax-1，RF（SMax-1））。D.3 t=SMax时的入职培训——假设退休人员在t=SMax-2时到达，退出，最多2次复职培训。RF（SMax-2）（>0）是根据刚刚观察到的投资组合收益率（SMax-2，α）计算得出的。P（runc（SMax））给定d>SMax-1。预期的问题。时间t=SMax后无破坏的概率，给定Runc（SMax）。

（此表达式=1。）（D.1b）（D.1c）（D.1a）（D.1d）（D.1e）（D.1f）RF（SMax）=RF（SMax-1）/（（SMax，α）-RF（SMax-1））本项=P（TD=SMax | TD≥ SMax-1）Runc（SMax）≡ （时间t之前死亡=SMAX退出尝试）∪ （活到t=SMax并成功退出）退休人员寻求α最小化P（破产（>SMax-2））=P（破产（SMax-1）∪破产（SMax）），对于agivenα，可以表示为：P（破产（>SMax-2））=P（破产（SMax-1）∪破产（SMax））=1-P（破产c（SMax-1）∩Runc（SMax））=1–P（TD=SMax-2 | TD≥ SMax-2）*（1）+P（TD>SMax-2 | TD≥ SMax-2）*P（（SMax-1，α）>RF（SMax-2）∩ Runc（SMax））=P（TD>SMax-2 | TD≥ SMax-2）*[1-P（（SMax-1，α）>RF（SMax-2））*P（runc（SMax）（SMax-1，α）>RF（SMax-2））]P（runc（SMax）|（SMax-1，α）>RF（SMax-2））=,*P（（SMax-1，α）>RF（SMax-2）∩ RuinC（SMax））P（（SMax-1，α）>RF（SMax-2）∩ RuinC（SMax））=P[（（SMax-1，α）>RF（SMax-2）∩ （TD=SMax-1 | TD>SMax-2））∪（（SMax-1，α）>RF（SMax-2）∩ （TD=SMax | TD>SMax-2）∩ （SMax，)> RF（SMax-1））]事件在TDand（（SMax-1，α），（SMax，)) 是独立的，因为随机市场回报与退休人员最终退出的随机时间无关。此外，需要TD=SMax-1和TD=SMax的事件的联合是相互排斥的，因为两者都不可能发生（D.2a）（D.2c）（D.2d）。在SMax-1退出并避免在SMax破产的事件可以通过两种方式发生：在SMax-1退出并在SMax之前经历死亡，或者在SMax-1退出，然后再次在SMax退出。请注意，如果TD>SMax-2，所有这些都会展开≡TD≥ SMax-1，见（D.2c）。这两个事件是独立的，因为（SMax-1，α）和Td是独立的R.V.s。这两个事件相互排斥。这两个事件不是独立的，因为SMax-1是（SMax-1，α）的函数。同时最后，事件（SMax-1，α）>RF（SMax-2）和（SMax，)> RF（SMax-1）不是独立的，因为RF（SMax-1）=RF（SMax-2）/[（SMax-1，α）-RF（SMax-2）]。

因此，我们将（D.2f）表示为：P（（SMax-1，α）>RF（SMax-2）∩ RuinC（SMax））=P（（SMax-1，α）>RF（SMax-2））*P（TD=SMax-1 | TD≥ SMax-1）+P（（SMax-1，α）>RF（SMax-2）∩ （SMax，)> RF（SMax-1））*P（TD=SMax | TD≥ SMax-1=P（TD=SMax-1 | TD≥ SMax-1）*,,+ P（TD=SMax | TD≥ SMax-1）*,,,,,=,*,P（TD=SMax-1 | TD≥ SMax-1）+P（TD=SMax | TD≥ SMax-1）*,,将（D.2i）中的术语替换回（D.2e）表明它只不过是[1–VR（SMax-1，RF（SMax-1））]对条件RV（SMax-1，α）+的期望。如果使用α= 在t=SMax-1时，我们可以将给定α在t=SMax-2时的原始概率（D.2a）表示为：P（破产（>SMax-2））=P（TD>SMax-2 | TD≥ SMax-2）*[1-P（SMax-1，α）>RF（SMax-2））*（1-E（SMax-1，α）+五、s1.,)]如果最优α= 如果退休人员到达t=SMax-1并成功退出，则该术语正好是Maxα[P（runc（SMax）），根据定义为1–VR（SMax-1，RF（SMax-1）），参见（D.1c）。

下面将显示α=必须在t=SMax-1时使用，以最小化t=SMax-2时的VR（SMax-2，RF（SMax-2））。（D.2g）（D.2h）（D.2i）（D.2j）RF（SMax-1）对于P（破产（>SMax-2））要在t=SMax-2的所有α上最小化，[·]中的函数必须在每个RF（SMax-1）处取其最小值，这恰好发生在VR（SMax-1，RF（SMax-1））处。联合PDF被拆分（见附录G.2）。最后，我们将t=SMax-2时的值函数表示为：VR（SMax-2，RF（SMax-2））=Min P（TD>SMax-2 | TD≥ SMax-2）*{1-（1-F（SMax-1，α）（RF（SMax-2））*（1-E（SMax-1，α）+[VR（SMax-1，RF（SMax-1））]），在=αR（SMax-2，RF（SMax-2））。D.4 t=SMax时的入职培训–3假设退休人员在t=SMax-3时到达，退出（最多保留3次），并根据刚刚观察到的投资组合回报率（SMax-3，α）更新RF（SMax-3）（>0）。