cfa ESG

嗨，爱思考的PZer你好：

它这里确定了一个偏离的范围0.01，然后用实际的加上这个范围，得到一个目标值。

这部分在ESG考试不会涉及，同学可以不必纠结。

----------------------------------------------
加油吧，让我们一起遇见更好的自己！

嗨，从没放弃的小努力你好：

反向最优并不是输入wi，得出E(r)

而是从市场数据（如实际的组合回报）中估计出预期回报率 E(Ri​)。这种方法的关键在于从现实世界的数据中提取信息，然后基于这些更客观的数据来确定投资组合的最佳配置。

反向最优化的流程：

1. 市场数据分析：首先，收集市场数据，如实际的投资组合回报、市场指数、各类资产的历史表现等。
2. 估计预期回报率：通过对市场数据的分析，估计各个资产或资产类别的预期回报率 E(Ri​)。这可以通过多种统计方法实现，如历史平均回报率、回归分析等。
3. 优化投资组合：得到估计的预期回报率后，再运用正向最优化的方法，即通过优化算法（如夏普模型、马科维茨模型等），确定每个资产在投资组合中的权重 Wi

----------------------------------------------
努力的时光都是限量版，加油！

嗨，爱思考的PZer你好：

右下角的“暴露偏离”是指投资组合实际暴露与目标暴露之间的差异。这通常是通过以下步骤计算的：

1. 计算当前投资组合的实际暴露（Expo），这通常是投资组合中各资产的权重（W）乘以各资产对因子的敏感性（B）。
2. 确定目标暴露（Target），这是投资者基于策略目标设定的理想因子暴露。
3. 暴露偏离（Exposure Deviation）是实际暴露（Expo）与目标暴露（Target）之间的差异。这可以通过简单地从目标暴露中减去实际暴露来计算。

实际暴露可以通过 Expo=W×B 计算，然后计算偏离 Deviation=Target−Expo。

----------------------------------------------
努力的时光都是限量版，加油！

嗨，努力学习的PZer你好：

正向最优中，是根据某些输入（如预期回报率 E(Ri​)，各资产的风险（方差） σ，以及其他因子来确定每个投资的权重 Wi。 这里面的 E(Ri​)非常主观。

所以在反向最优中，就调整这个E(Ri​)。反向得到 E(Ri​)”意味着首先从市场数据中（组合的回报等）估计出预期回报率，然后再正向求 Wi

这时候的 “E(Ri​)​”就不是主观确定的，而是市场数据反映出的，由此再确定Wi，并不是自己输入Wi

​

----------------------------------------------
加油吧，让我们一起遇见更好的自己！