Greenhouse-Gas-Emission-Aware Portfolio Optimization with Deep Reinforcement Learning
This paper introduces a dynamic portfolio optimization model for an investor that is averse to both financial risk and the greenhouse gas (GHG) emissions footprint from the portfolio. The asset allocation is obtained by solving for the optimal mean-variance-emission trade-off with deep reinforcement learning. As an application of the model, we consider the case of an investor seeking the optimal allocation across the eleven sectors of the S&P 500. We conduct an analysis for multiple investors, each with varying levels of risk and GHG aversion. Optimal dynamic portfolios are shown to substantially outperform static and equal-weigthed benchmarks by (i) properly identifying sectors offering favorable trade-off between financial and environmental performance that are in-line with the investor's preferences, and (ii) adjusting the allocation dynamically to reflect changes in market and emission conditions.
Optimisation de portefeuille consciencieux des émissions de gaz à effet de serre grâce à l'apprentissage par renforcement profond
Cet article présente un modèle dynamique d'optimisation de portefeuille pour un investisseur qui a une aversion à la fois pour le risque financier et pour l'empreinte des émissions de gaz à effet de serre (GES) du portefeuille. L'allocation d'actifs est obtenue en résolvant le compromis optimal moyenne-variance-émission avec l'apprentissage par renforcement profond. Comme application du modèle, nous considérons le cas d'un investisseur cherchant la répartition optimale entre les onze secteurs du S&P 500. Nous effectuons une analyse pour plusieurs investisseurs, chacun ayant des niveaux variables de risque et d'aversion pour les GES. Il est démontré que les portefeuilles dynamiques optimaux surpassent largement les indices de référence statiques et à pondération égale (i) en identifiant correctement les secteurs offrant un compromis favorable entre les performances financières et environnementales qui sont en ligne avec les préférences de l'investisseur, et (ii) en ajustant l'allocation de manière dynamique pour refléter les changements dans les conditions de marché et d'émission.
Date and Time
-
Langue de la présentation orale
Anglais
Langue des supports visuels
Anglais