基于改进Black-Litterman模型的投资组合优化

考虑到金融市场“非完全有效性”且投资者“非完全理性”,通过贝叶斯框架建立了投资者观点与多渠道信息相结合的改进Black-Litterman模型,由此确定了最优的个性化投资策略.在中国股票市场的实证研究中,利用SVM-ARIMA-GARCH模型解决了投资者观点量化的问题.对比几类参考策略,改进Black-Litterman模型所确定的最优投资策略的样本外绩效表现更加稳健,在不同市场行情下均能获得较高的夏普比率和较低的换手率.

基于Black-Litterman模型的基金投资组合策略研究

基金投资交易规模随着我国金融市场的发展不断壮大,基金经理的资产配置和选股能力成为投资者购买基金产品时主要的关注因素。本文将基金经理个人特征指标纳入基金业绩评价指标中,构建基金综合评价指标,采用集成学习模型(Xgboost,Catboost和LightGBM)并选择预测误差(MSE)最小的模型,结合纳入主观因素的Black-Litterman模型进行资产配置,实证检验基金综合业绩指标是否能在B-L模型构建的资产配置策略中获得超过市场的收益率。实证结果表明,集成学习模型中,Xgboost对数据的预测效果较好,使用Xgboost进行基金收益率预测并使用四种资产配置模型(等权重模型、风险平价模型、最小方差模型、基于集成学习优化后的Black-Litterman模型)进行投资,发现Black-Litterman模型与风险平价模型具有较好的收益回报,而等权重模型、风险平价模型并不能带来超过市场指数的收益。

基于量化观点和Black-Litterman模型的期货投资组合

在Black-Litterman模型的基础上,利用GJR-GARCH-M模型,由历史数据获得数量化的观点,对期货投资中卖空限制进行优化处理,形成新的量化投资组合模型.检验结果表明,该模型给出的投资策略能获得一定超额收益,具有一定的优越性.

基于熵补偿的Black-Litterman模型的投资组合

Black-Litterman模型在传统的投资组合模型中加入了投资者的主观判断,在金融市场上获得了一定的认可.在该模型基础上,提出了一种基于熵补偿的最优化方法.首先根据历史数据,利用AR-TGARCH模型预测收益率和波动率,作为模型的输入变量,代替了纯粹意义上分析师的主观决定;其次加入信息熵,改进了传统最优化效用函数,通过求解非线性规划问题得到资产的最优组合权重.实证研究表明,该模型较之其他投资组合模型,能够获得更高的收益,具有更强的应用性.

投资时钟原理及战术资产配置在投资组合管理中的应用——基于修正Black-Litterman模型

Black-Litterman模型一定程度上改善了均值-方差模型对输入参数过于敏感的弊端,在现实中得到了广泛应用,但现有研究大部分聚焦于模型本身的应用及对主观观点的选择上,却很少有研究将视角放在市场基准组合的选择上。笔者利用投资时钟原理构造了BL模型的主观观点收益向量,并利用战术资产配置思想形成了模型的市场基准组合,通过修正后的BL模型考察了市场基准组合对投资组合绩效的关键影响。研究结果表明:相对于等权重组合、MV组合、最小化方差组合、最小化CVaR组合及风险平价组合作为市场基准,采用战术资产配置组合为基准的BL-Faber模型获得了显著超过其他组合的绩效,验证了市场基准组合对BL模型绩效的关键性作用;改变战术配置策略的均线参数及经济周期的划分方法,BL-Faber模型仍然能获得显著的超额绩效,说明投资时钟原理及战术资产配置思想能够有效地捕捉未来的市场信息,从而提升投资组合的有效性。

对Black-Litterman模型加入主观收益方法的改进

Black-Litterman模型是高盛公司提出的确定加入主观观念的资产组合模型。目前文献研究显示,模型加入投资人主观收益的方法依然是武断确定,会加剧主观投资组合模型使用的随意性,也必将影响其使用效果,给投资造成巨大损失。本文提出使用BMA(贝叶斯移动平均法)模型预测投资者主观收益,文中利用中国上海A股市场数据,对主观资产组合模型进行了实证分析,结果表明预测效果得到了明显改善。

动量思想与大宗商品的战术配置价值——基于Black-Litterman模型

本文讨论了大宗商品的战术资产配置价值。通过利用1973—2016年的季度数据,笔者提出了基于动量思想的Black-Litterman配置模型。该配置模型表明,在传统股票债券组合中加入GSCI大宗商品指数会明显改善组合的回报。在适当的策略周期下,加入大宗商品指数还能够提高组合的夏普比。这表明,大宗商品指数的战术配置价值明显。与其他常见的配置模型相比,本文提出的基于动量思想的Black-Litterman模型表现相对较好。上述发现在经过交易成本调整后仍然成立。

基于Black-Litterman模型的资产配置研究

资产配置在金融投资中起着举足轻重的作用,通过合理而有效的资产配置,投资者可以在不同的金融工具间进行比例的调节,从而获得同等风险下的最大收益.将Black-Litterman方法应用于股票资产配置中,通过对国内若干行业股票收益率的分析,获得比传统投资收益更大的收益.

基于Copula观点整合策略的大类资产组合管理——与Black-Litterman模型的比较研究

Black-Litterman模型克服了均值—方差模型对输入参数过于敏感的弊端,但是其假设市场和主观观点均符合正态分布,却与资本市场常见的尖峰厚尾现象相悖。Copula观点整合策略(COP)在Black-Litterman模型的基础上引入Copula函数,可以有效解决市场和主观观点的非正态分布现象。根据股票、商品和债券等大类资产的历史收益率形成主观观点,采用等权重组合作为市场基准组合,比较研究了COP组合与BL组合及传统等权重组合间的绩效差异,研究结果表明:COP组合和BL组合通过融合投资者主观观点,在控制投资组合风险、降低净值曲线波动方面表现得远优于传统投资组合;由于考虑了资产的非正态分布,COP组合相对BL组合能够获得更高的动态配置绩效,研究结论在控制了时间窗口、风险规避系数及信心水平后仍然稳健。

贝叶斯推断下Black-litterman模型的推导及运用

本文指出了均值方差模型存在的问题,在贝叶斯理论下推导了Black-litterman模型,贝叶斯推断过程本身也表明投资者还可以通过对先念分布做不同假定来实现预期收益率的生成,提高模型的稳定性。

基于Black-Litterman模型的保险资产配置研究

Black-Litterman模型是基于MPT基础上的资产配置理论。BL模型在隐含市场收益率和分析师主观预测信息的基础上,成功解决了MPT模型中假设条件不成立,参数敏感等问题。本文通过考虑神经网络模型的Black-Litterman模型进行实证研究,用于解决保险资产的配置问题。在我国利率水平不高,国际经济形势复杂的情况下,有着重要意义。研究结果表明,用Black-Litterman模型预测得到的均衡状态下市场各资产的收益率优于历史收益率,同时兼顾了资产历史收益率数据和投资者的主观观点,更加符合实际情况。并通过对模型资产配置比例的有效性分析,表明Black-Litterman模型用于保险资产配置具有重要的实证意义。

基于多指标排序信息下Black-Litterman模型的研究

针对Black-Litterman模型中投资者观点难以量化的问题,本文提出一种基于TOPSIS方法的多指标排序信息下的Black-Litterman模型.首先通过TOPSIS方法对具有多个指标属性的资产进行排序,从而获得量化的观点.然后采用最新的随机最优化思想求解最优化问题,确定资产的组合权重.最后对构建的模型进行实证研究,选取上海证券交易所交易的十只个股进行资产配置.实证结果显示:与传统的投资组合方法相比,新方法可以有效的将价格以外的信息结合进来,从而提高了模型的稳健性和运用范围.

基于ARMA-GARCH-t和Black-Litterman模型的资产投资组合研究

本文选取上海证券交易所不同行业3只市值热度较高的股票运用ARMA-GARCH-t模型对其日收益率与波动性进行预测,在推广的Black-Litterman(BL)模型的框架下,将投资者主观收益分布与资产的先验均衡分布相结合,计算资产的配置权重,并与传统的马科维兹均值-方差(MV)模型给出的组合权重进行对比,发现投资者对资产收益的信心水平越高,BL模型在投资组合中赋予相应资产的权重越高,且投资组合的收益也得到提高。最后,通过融资融券分析验证3只股票市场配置的有效性,说明BL模型给出的配置更符合投资者预期。该研究可以为资产管理者和投资者在资产配置方面提供更多借鉴。

Black-Litterman模型在大类资产配置中的应用:基于货币周期及风险平价策略的改进

Black-Litterman模型能够有效的解决均值-方差模型对输入(尤其是预期收益率)过于敏感的问题,从而使得其在实践中得到了广泛的应用。采用风险平价策略构造市场均衡组合,并采用基于货币周期的资产轮动收益构造主观观点组合,在将主观观点信心水平进行适当简化后,形成了改进后的Black-Litterman模型。利用我国资本市场上股票、商品和债券三种大类资产数据对改进后的Black-Litterman模型进行实证检验后发现:通过相对信心水平的调节,改进后的Black-Litterman模型能够对市场均衡组合和主观观点组合进行有效的平衡,且相对于其他资产配置组合及单种资产买入持有策略,Black-Litterman组合无论是在风险控制还是收益率上都表现的更为出色。实证结论充分说明了Black-Litterman模型的有效性,同时也从市场均衡组合、主观观点及信心水平三个方向指明了模型改进的方向。

Black-Litterman模型的参数优化及其在行业资产配置中的应用

针对Black-Litterman模型中投资者观点的量化问题,运用梯度提升回归树(gradient boosting regression tree,GBRT)算法对收益率进行预测,将预测值作为观点收益的替代变量,算法迭代收敛时的均方误差作为观点误差。采用上证380的10个行业指数数据检验文中提出的参数优化方法的有效性及合理性。结果表明,结合GBRT算法的Black-Litterman模型的投资绩效优于市场策略和Markowitz模型。

保险资产组合配置最优化分析——基于Black-Litterman模型

投资组合理论的发展对于金融市场投资有着至关重要的作用。投资者通过有效资产配置,能够有效地分散风险获取投资收益最大化。Black-Litterman模型对于传统的投资组合理论进行有效的修正,将其应用于保险资产配置分析中,相比于传统方法能够获得更大收益。

允许卖空情况下基于Black-Litterman模型和GARCH族模型的投资组合研究

本文考虑在允许卖空的情况下,结合投资者对未来收益的绝对估计和考虑投资者偏好的马科维茨投资组合模型,对两种模型的结果进行比较,简要描述投资者的主观估计对投资组合结果的影响,发现模型参数估计的偏差会引起结果的较大偏差,进而分别引入TGARCH模型和DCC-GARCH模型对收益率和波动率进行预测比较,运用该模型给出投资者对未来市场收益情况的绝对估计,得到结果发现,对实证采用数据拟合两种GARCH模型,投资组合的相对损失小于原先的马科维茨模型,但两种模型对波动率描述的侧重不同,仍有不同程度的不足。

基于Black-litterman模型的外汇储备资产投资策略研究——基于行为金融观点

外汇储备的安全与增值问题是一个重大问题,本文分析了我国外汇储备的资产结构,发现我国资产结构严重偏倚美元,存在一定风险。诸多的研究也认识到投资多元化可以规避风险,增加储备收益,但是投资方法却略显粗糙,投资更多倚重于历史数据,本文依据行为金融理论分析,投资决策应该在传统优化资产组合方法的方法上加入主观观念,如此可以显著降低风险并且提高外汇投资收益,本文利用外汇数据进行投资模拟交易,通过加入主观预期的Black-Litterman模型进行了实证,实证结果显著支持本文的结论。

Treynor-Black和Black-Litterman模型构建分析与实际检验

对比两个著名的定量金融模型,Treynor-Black模型和Black-Litterman模型,本文通过复制这两个核心的投资组合的概念构建两个模型。此外,还对Black-Litterman模型中的关键参数进行了敏感性分析。研究发现这两个模型都是为了解决资产配置问题而设计的,然而在构造投资组合的最优组合时却有不同的侧重点Black-Litterman模型投资组合的表现优于Treynor-Black模型。通过敏感性分析风险厌恶和τ的变化表明:投资者观点的变化更大的影响Black-litterman模型的绩效。由于这些因素的变化可能会改变最终结论,研究还存在一些局限性,包括时间周期、数据不足、实验不足、再平衡的频率。

基于Black-Litterman模型的因子投资组合

近年来,风险因子投资受到学术研究人员和市场从业者的青睐,但仅关注因子既无法充分反映投资者的观点,也不足以生成有竞争力的投资组合.Black-Litterman模型同时考虑了市场状况和投资者的主观判断,有更高的灵活性.本文采用不同的优化策略来构建含因子的混合投资组合,探索市场、因子和投资组合之间的关系.通过分析因子关于市场的Beta值以及投资组合关于因子的Beta值来解释隐含模式.文中选择S&P 500和PAAIX作为市场基准数据集,选择的时间区间为2018年1月至2022年12月.总体而言,最大化Sharpe比率优化优于其他投资组合,且其风险敏感性保持在可接受的水平.