gogogo · 2022年12月24日
MVO 方法 最优化 后得出 最优的权重。
reverse optimization approach 反向最优，解决MVO input expected return 不靠谱的缺点。
那就是用reverse optimization approach ，输入 市值权重 将 implied return 可以求出，但是这个方法最终目的是什么呢？ 也是为了找到最优权重么？ 如果是 那各asset class 市值权重 直接就作为 最优权重，这就是结论？？？ 那这个方法很直观阿，干嘛还要再求出最优的expected return ？ 是为了 black 那个模型？
lynn_品职助教 · 2022年12月27日
嗨，爱思考的PZer你好：
我再精简我的问题 ： 那reverse optimization 作用 是啥？ Reverse MVO 只是解决MVO 的input不靠谱这个缺点是吧，只是为了找到implied return（更合理的expected return）？ 找到这个有什么意义呢？ 最后还是要再得到最优权重吗？
对，最后再带入implied returns，通过历史标准差和协方差，做一次MVO，求得最优配置权重(optimal weight)。
----------------------------------------------加油吧，让我们一起遇见更好的自己！
lynn_品职助教 · 2022年12月26日
嗨，努力学习的PZer你好：
我意思Reverse MVO 只是解决MVO 的input 不靠谱这个缺点是吧，只要目的是 得到implied return，而不是找到最优权重。 如果要找到最优权重， 还得reverse MVO 得出的implied return 再结合 investor 观点 形成新的（合理的） expected return 作为input 再输入一遍到MVO 模型 ，得出 最优权重 。这思路 没毛病吧
同学这个思路是BL method，reverse没有“再结合 investor 观点 形成新的（合理的） expected return 作为input 再输入一遍到MVO 模型 ，得出 最优权重 。”这个步骤。
----------------------------------------------就算太阳没有迎着我们而来，我们正在朝着它而去，加油！
lynn_品职助教 · 2022年12月26日
嗨，努力学习的PZer你好：
MVO是AO中最常用的一种，通过将历史数据估计得出的E(R)作为输入变量，得到最优的一组权重。注意这里的收益率是用历史数据估计得到的，是MVO的输入变量，不是结果，这是和另外两种方法（反向MVO和它的改进方法）最重要的区别。
reverse optimization对MVO进行了改进，以市值权重作为输入变量，再加上从历史数据中估计得到的ρ和σ，得到当前市场的implied return，也就是E(R)，旨在解决MVO中用历史数据估计得出的E(R)不靠谱的问题；
但是这个方法最终目的是什么呢？ 也是为了找到最优权重么？ 如果是 那各asset class 市值权重 直接就作为 最优权重， 那这个方法很直观阿，干嘛还要再求出最优的expected return ？ 是为了 black 那个模型？
黑模型？其实说到底都还是离不开最优化，reverse和BL都是为了得到更好的inputs。直接和同学这样说，我自己跑过这个模型，其实你随便换一组数字来试，试n遍，你的MVO也可以试出比较分散化的结果，但是这种试不科学，也很费事，那么reverse MVO就是处理inputs的方法，这样处理后可以得到你满意的结果，按照步骤做就可以了。
----------------------------------------------就算太阳没有迎着我们而来，我们正在朝着它而去，加油！
