BL模型由Black和Litterman于1992年提出，是在Markowitz均值-方差模型基础上，结合投资者观点的优化。它通过先验到后验收益率的转换，得到与投资者观点一致的配置权重，解决了MVO模型对输入敏感和过度依赖预测的问题。实证部分展示了如何用Python实现BL模型，并指出其适用于有强大投研能力的团队，如高盛，但在FOF或智能投顾领域可能不适用。
前面我们说到，markoviz的均值-方差模型，第一次，用数学的方式严格证明了投资组合存在最优的权重，但它的学术意义大于实战。主要原因有两个：
1,人们很难有效的预测期望收益率；
2,最优资产组合配置对输入非常敏感，结果往往难以被人理解。
还有就是在投资中，定量只是完成初步构建，同步的定性判断依然非常重要：
第一，投资者的认知偏好：倾向于关注他们认为被低估，但有发展潜力或者可以确定相对交易价值的小部分股票或资产。
第二，MVO模型会下重注，比如单一配置达95%，但由于期望收益只是概率，这样做万一判断出现偏差，则风险很大。
第三，在没有任何市场观点的时候，投资者倾向于使用一些中性的配置方案。如，股/债的60/40法则，或风险均衡（Risk Parity）策略。而一旦某些信号出现，使得投资者对市场产生了主观观点，那么他就希望调整原有的组合权重，并继续保持均值-方差体系下的最优性。
而投资恰恰又是实战的学问，其中Black-Litterman就是实战中应用比较广泛的一个。
Black-Litterman(下称BL)模型是由Fisher Black和Robert Litterman在1992年首先提出，是基于金
最低0.47元/天 解锁文章
扫一扫
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
