This thesis develops a dynamic programming framework for individualized financialadvisory in a Swedish banking context. The study focuses on young adults aged 18–30 who face several competing financial goals, including maintaining an emergencybuffer, saving for a housing down payment, building short-term savings, andaccumulating long-term savings. The purpose is to examine how financial well-being can be represented through measurable financial goals and used in a dynamicoptimization model. The aim is to study whether the model produces financiallyinterpretable allocation behavior under exogenous risks.Financial well-being is represented through measurable components. Thesecomponents are aggregated into alternative utility specifications and embedded ina finite-horizon dynamic programming model. The model incorporates stochasticelements such as unemployment, financial crises, income variation, and short-termspending. Parameter values are calibrated using Swedish public statistics, officialinstitutional sources, return assumptions from Handelsbanken, and relevant literature.The model is solved numerically in Python, and the resulting policy allocations areevaluated using Monte Carlo simulations and sensitivity analysis.The results suggest that the model can represent trade-offs between liquidity,goal attainment, and long-term financial development. Specifications with a strongerweight on housing savings reach the down payment goal more frequently and faster,while more balanced specifications perform better when income is constrained andfinancial resilience becomes more important. The inclusion of a housing-goal bonusfurther strengthens goal-oriented behavior and improves down-payment outcomes.However, the results are sensitive to parameter choices, particularly the utility weightsand the housing bonus.The thesis illustrates how dynamic programming can provide a structured andtransparent framework for analyzing financial allocation decisions across severalcompeting goals. While the model relies on simplifying assumptions and a limiteddefinition of financial well-being, it illustrates how optimization-based methods couldserve as a conceptual basis for more individualized advisory tools in banking practice.

Denna uppsats utvecklar ett dynamiskt programmeringsramverk för individanpassadfinansiell rådgivning i en svensk bankkontext. Studien fokuserar på unga vuxna iåldern 18–30 år, som står inför flera konkurrerande finansiella mål däribland attupprätthålla en buffert, spara till en kontantinsats för bostad, bygga upp kortsiktigtsparande och ackumulera långsiktigt sparande. Syftet är att undersöka hur finansielltvälbefinnande kan representeras genom mätbara finansiella mål och användas i endynamisk optimeringsmodell. Målet är att studera om modellen genererar finansiellttolkningsbara allokeringsbeslut under exogena risker.Finansiellt välbefinnande representeras genom mätbara komponenter. Dessakomponenter aggregeras i alternativa nyttospecifikationer och integreras i endynamisk programmeringsmodell med ändlig tidshorisont. Modellen inkluderarstokastiska inslag såsom arbetslöshet, finansiella kriser, inkomstvariation ochkortsiktigt spenderande. Parametervärden kalibreras med hjälp av svensk offentligstatistik, officiella institutionella källor, avkastningsantaganden från Handelsbankenoch relevant litteratur. Modellen löses numeriskt i Python och de resulterandeallokeringarna utvärderas med hjälp av Monte Carlo-simuleringar och känslig-hetsanalys.Resultaten visar att modellen fångar meningsfulla avvägningar mellan likviditet,måluppfyllelse och långsiktig finansiell utveckling. Specifikationer med en starkarevikt på bostadssparande når kontantinsatsmålet oftare och snabbare medan merbalanserade specifikationer presterar bättre när inkomsten är begränsad och finansiellmotståndskraft blir viktigare. Inkluderingen av en målbonus för uppnådd kontantinsatsförstärker ytterligare målinriktat beteende och förbättrar utfallet för målet. Resultatenär dock känsliga för parameterval, särskilt nyttovikterna och bostadsbonusen.Uppsatsen visar att dynamisk programmering kan utgöra ett strukturerat ochtransparent ramverk för att analysera finansiella allokeringsbeslut mellan flerakonkurrerande mål. Även om modellen bygger på förenklande antaganden och enavgränsad definition av finansiellt välbefinnande, illustrerar den hur optimerings-baserade metoder skulle kunna stödja mer individanpassade rådgivningsverktyg ibankverksamhet.