今天正在查馬科維茨模型的基本假設(shè)敢茁，主要是需要知道它對尾部風(fēng)險的不注重性從而驗(yàn)證從這方面進(jìn)行修正的必要性佑淀。
然后在知乎上看到了這么個描述：
<pre>
馬克維茨資產(chǎn)配置理論在實(shí)踐應(yīng)用中，也發(fā)現(xiàn)了不少缺陷彰檬，如高盛的Fisher Black和Robert Litterman兩位大神伸刃，在研究中發(fā)現(xiàn)，對組合中德國債券預(yù)期報酬率做0.1%小幅修正后逢倍，竟然該類資產(chǎn)的投資比例由原來的10.0%提高至55.0%捧颅，直接被坑出了翔。于是干脆自己搞出個自己名字命名的Black-Litterman模型较雕，被業(yè)內(nèi)廣泛使用碉哑。
</pre>
一開始一驚，這特么是說均值方差會導(dǎo)致對數(shù)據(jù)敏感性很高嗎，那現(xiàn)在搞的研究不是廢了嗎扣典？確實(shí)在測試過程中很多時候算法提醒了矩陣的條件書很大妆毕，可能過于奇異。
但是回過頭來一想贮尖，組合比例跳變不代表不好啊设塔，優(yōu)化本身是按照預(yù)測來調(diào)夏普，如果0.1%的變動會導(dǎo)致比例大幅上升远舅，那證明了其他的資產(chǎn)sharpe確實(shí)很差闰蛔，比例跳變不一定是坑出翔，對于夏普高的資產(chǎn)图柏，多一些少一些又會有什么風(fēng)險呢序六？不過還是來看看BL確認(rèn)一下吧。
BL模型說：
<pre>
The Black-Letterman asset allocation model is a sophisticated portfolio con striation method that overcomes the problem of unintuitive, highly-concentrated portfolios, input-sensitivity, and estimation error maximization.
</pre>
前兩個缺點(diǎn)尚且可以理解蚤吹，后面一個就不是很懂了例诀。BL是用一個貝葉斯方法把投資者觀點(diǎn)和市場均衡向量結(jié)合，得到一個新的預(yù)期收益率裁着》蓖浚“由于加入了投資者觀點(diǎn)，從而克服了均值方差模型的輸入敏感性二驰∪幼铮”Really？
<pre>
They explore several alternative forecasts: historical returns, equal "mean" returns for all assets, and risk-adjusted equal mean returns. They demonstrate that these alternative forecasts lead to extreme portfolios -- when unconstrained, portfolios with large long and short positions; and ,when subject to a long only constraint, portfolios that are concentrated in a relatively small number of assets.
</pre>
What? 這也算問題嗎桶雀？集中于幾個資產(chǎn)并沒有不好啊矿酵，如果預(yù)測到股市未來大跌，為什么還要強(qiáng)行分一部分上去呢矗积？股市價格并不一定是隨機(jī)游走啊全肮，股市是有趨勢性的，這個邏輯有點(diǎn)可笑棘捣。
后面的以后再看吧辜腺，今天就到這里。
