有点儿不理解reverse optimization是在做什么？我理解这个方法解决了MVO input不靠谱的问题，但这样反向操作，我先随便假设了一个weight，最后反求出一个expected return，这个return又不是我做资产配置的目的呀，我的目的还是通过这个方法得到一个最优的权重配置呀，所以理论上求出expected return之后应该还有步骤吧？
Lucky_品职助教 · 2024年08月05日
嗨，从没放弃的小努力你好：
不是我没理解你的问题，是你没有认真看我的答案。
reverse optimization与Black-Litterman 是一个整体，这两种方法的出现，就是为了解决MVO的缺点的。你说的没错，asset allocation的目的是得到一个最优的资产配置weight，但是问题就在于，使用传统的MVO方法来进行AA的时候，它的一个很重要的缺点就是，在开始对expected return进行预估的时候，这些expected return就是非常不靠谱的，所以也就导致得出的结果也不靠谱。所以才会有reverse optimization与Black-Litterman的方法，这两种方法的逻辑就是反其道而行之，先用市场的权重，估出来Implied return，这个Implied return 要比 MVO 用的expected return靠谱多了，然后再用这些Implied return，在加入一些基金经理自己的判断和理解，从而得出一个更加符合实际的资产配置权重配比。
以上这整个逻辑，都是AA这个科目中，非常重要的点，因为MVO有缺掉，所有产生了那些其他的AA方式，至于每种方式对应的是MVO的哪个缺点，以及如何解决的逻辑，都是AA这个科目中非常重要的考点，如果同学这个地方的知识点没有弄清楚的话，还建议再抽出一点时间，把这部分的强化课听一下就好，最多也就1个小时，磨刀不误砍柴工。
最后想说的就是，临近考试了，大家都会比较急躁和焦虑，还希望同学能够稳定心态，做好最好的冲刺，你一定没问题的。
----------------------------------------------加油吧，让我们一起遇见更好的自己！
Frankkk · 2024年08月05日
谢谢老师，“再用这些Implied return，在加入一些基金经理自己的判断和理解，从而得出一个更加符合实际的资产配置权重配比”，这个指的是black litterman方法吧？就单看reverse optimization方法，是不是就是得到implied return就停住了呢？如果是的话，我不就还是没有得到一个最优的AA配置吗？
Lucky_品职助教 · 2024年08月04日
嗨，努力学习的PZer你好：
同学你好：
你这个问题涉及的内容比较多，所以我啰嗦一点，咱们从头开始，也就是先系统的分析下，MVO的两个比较重要的缺点。
第一个，是highly sensitive to small changes in the input。
MVO方法要画有效前沿，不同资产的E(Ri)、σi、资产之间的相关系数ρ是有效前沿的input，给定公式 U= E(R) – 0.005 λσ2，再交给电脑去做 U的最大化求解。不同的input会带来不同的output，所以efficient frontier highly sensitive to small changes in the input especially expected return.
简单地说就是，MVO画出的有效前沿对输入变量（尤其是expected return)高度敏感。输入变量一点点变化都会被放大。
而reverse optimization与Black-Litterman，解决的就是MVO方法highly sensitive to the inputs的问题，所以跟MVO方法相比，reverse optimization is more stable。
reverse optimization一个很重要的特点就是，它采用了implied return而不是资产的expected return，那如果想要计算出implied return，方法就是，第一步要根据市场组合基金的权重，来反求出的implied return，因为只有市场的权重，才是真正能够反映出投资者对某类资产的真实预期，从而求出的收益率，才是隐含收益率。
MVO的另一个缺点是分散化不足，配置的权重会集中于某些资产类型。也就是MVO可能会concentrate on一些特定的asset class，可以通过adding constraints, risk budgeting, factor-based AA来解决。
其实这两个缺点之间并不是独立的，而是互相联系的。
highly sensitive to small changes in the input 可以算是资产配置过于集中highly concentrated 的原因，也可以看做这两个会同时出现，亦会是 highly concentrated 这个现象反映了 input sensitivity的特征，这也是MVO方法的缺点，针对这个缺点，我们可以用reverse optimization和BL来改进。
reverse optimization与Black-Litterman，由于这两种方法是通过已知权重、标准差、相关性，反向求出implied return，这里的权重通常使用的是资产的市值权重，所以求出来的implied return更稳定、更准确，因此得出的资产配置分散化效果也更好。
所以如果一个题目的答案，想要指向reverse optimization或者BL model的话，它会有更多的暗示。比方说它先根据指数得出权重，再根据权重得出了资产的expected return，然后还加入了基金经理的观点。
----------------------------------------------加油吧，让我们一起遇见更好的自己！
Frankkk · 2024年08月04日
您没理解我的问题，reverse的优点我都能明白，我只是不理解，asset allocation的目的是得到一个最优的资产配置weight对吧，但是reverse optimization得到的是一个return，我求这个return是做什么呀？那我直接用假设的market value weiht做配置不就完事了吗？reverse optimization说到底也是一个资产配置的方法，而不是一个求return的方法呀？