基于市场情绪挖掘的PSM_Black_Litterman资产配置模型

投资中自上而下的分析方式是被广泛认可的,资产在行业间的配置问题,对整体投资效果的影响举足轻重。Black_Litterman模型改进于传统的Markowitz模型,自提出后逐渐为人们所接受,并得到推广。本文结合计算机技术,提出一种基于文本挖掘算法,使用网络爬虫抓取互联网中行业热点情绪,形成Black_Litterman模型的投资者观点矩阵、以及观点置信度,进而确定行业资产配置权重的PSM_Black_Litterman(public sentiment mining Black_Litterman)模型。进行实证分析,以申万行业作为行业分类标准,进行资产行业间配置,与流通市值行业配置、传统Markowitz模型资产配置进行比较。实证结果表明,本文所提模型可有效提高资产配置的平均收益率与几何收益率,并减小方差。