MandyMa
2019-04-20 16:35老師好，請問reverse optimization和 BL model是如何解決對input敏感和過于集中的問題的?這兩個優(yōu)化的模型都是adjust了一個implied return，這個return也許會更準確，但return的準確性的提升是怎么解決input敏感和資產(chǎn)集中的問題的，這個邏輯在哪里?
所屬：CFA Level III > Equity Portfolio Management 視頻位置 相關試題
來源： 視頻位置 相關試題
1個回答
Irene助教
2019-04-22 16:50
該回答已被題主采納
同學你好。
因為reverse optimization是用beta倒求出期望收益率，而beta是用多個數(shù)據(jù)回歸出來的，所以相對來說是比較穩(wěn)定的，不容易受到異常值的影響，所以對于input的敏感性降低。
又因為減少了異常值的影響，所以就不會出現(xiàn)某一個收益率特別大的資產(chǎn)，自然就不會過于集中了。
同理，BL模型通過加入了分析師的觀點，也可以有效剔除異常值得影響。那么敏感性降低，也不會過于集中。
-
追問
老師好，謝謝回答。
請問您說的用β倒求，是課上老師說的用global market的weight來倒求的含義嗎？能不能再解釋下怎樣用β倒求 -
追答
是的。我這里是舉了一個例子，假設用CAPM模型倒求期望收益率。那么就是要知道beta，market Portfolio的收益率，也就是上課說的market Portfolio各成分股的權重，以及無風險收益率。此時可以倒過去計算出期望收益率，作為EF的縱坐標。
0
0
0
0
