Black—Litterman模型与同等权量组合（equal—weight portfolio）：哪个更好？pretty
作者：何思源 DH1 3LE
ruy来源：《财讯》2018年第02期
broth>emiri
Black-litterman模型 同等权量组合 （equal-weight portfolio）
utg 引言北大青鸟培训课程
长期以来，关于最优组合和同等权量组合的比较的争论一直存在。很长一段时间内，
平均数方差（MV）最优组合在资产分配中占据着重要地位，该模型提供给投资者组合收益的平均数和方差。然而，由于其相对于单纯的多样化的较差的表现，一些学者开始质疑该模型。本文首先会评估两篇文献对于最优组合和1/N策略（即同等权量组合）的比较，其次会重点关注Black-Litterman模型的表现（此模型可以被归为Bayesian模型），并进一步与多样化策略和实施该模型的原始文章作比较。
文献的简要综述
found DeMiguel，Garlappi和Uppal（2009）进行了关于14个不同的样本外组合模型的表现与基于七个实际的每月回报数据集合的单纯多样化模型的比较。根据七个实验数据集合得出的结果，任何一个最优模型都没有1/N策略的表现优异，因为1/N模型中有最高的夏普比率值和CEQ值并且只有同等价值的市场模型的流通量大于1/N的流通量。1/N策略之所以比其他模型在给定的数据集中有较好表现的原因有两点：1/N策略中的权衡误差比其他模型中要小；1/N模型是用来分散股票组合的价值而不是单独股票的价值，这就降低了组合中特定的波动性。在评估了14个模型之后，三位学者得出了结论：通过比较夏普比率，CEQ值和流通量以后，没有一个模型比1/N策略表现更优异。当分析决定性的估计窗口时，仅仅包含
蜜蜂的英文单词25种资产的一个组合需要选取30000个月的数据，依据美国股票市场调整的数据参数得出，一个含有50中资产的组合应该选取超过5000个月的数据；然而，只需要60个月到120个月之间的来估计这些造成1/N策略优于平均数方差的组合的参数。对于有估计误差的无限制策略，他们要差于有限制策略和1/N策略，这也就意味着基于样本时，将模型予以限制会提高最优组合的表现。限制只在提高较小的估计窗口的表现起作用，反之亦然；可是，这些模型就算加以限制也没有1/N策略更优。出国留学费用一览表
