MandyMa2019-04-20 16:35:35
MandyMa老师好，请问reverse optimization和 BL model是如何解决对input敏感和过于集中的问题的?这两个优化的模型都是adjust了一个implied return，这个return也许会更准确，但return的准确性的提升是怎么解决input敏感和资产集中的问题的，这个逻辑在哪里?
回答（1）
Irene2019-04-22 16:50:10
Irene同学你好。
因为reverse optimization是用beta倒求出期望收益率，而beta是用多个数据回归出来的，所以相对来说是比较稳定的，不容易受到异常值的影响，所以对于input的敏感性降低。
又因为减少了异常值的影响，所以就不会出现某一个收益率特别大的资产，自然就不会过于集中了。
同理，BL模型通过加入了分析师的观点，也可以有效剔除异常值得影响。那么敏感性降低，也不会过于集中。
- 评论（0）
- 追问（2）
- 追问
-
老师好，谢谢回答。
请问您说的用β倒求，是课上老师说的用global market的weight来倒求的含义吗？能不能再解释下怎样用β倒求
- 追答
-
是的。我这里是举了一个例子，假设用CAPM模型倒求期望收益率。那么就是要知道beta，market Portfolio的收益率，也就是上课说的market Portfolio各成分股的权重，以及无风险收益率。此时可以倒过去计算出期望收益率，作为EF的纵坐标。
评论
0/1000
追答
0/1000
+上传图片