asset allocation in AO

对对对，最后一句话是我说的不对。BL 和reverse optimization 解决是 return估计不靠谱的问题。MVO 使用了正向最优化，求出来的是一组最优化的权重，这样的权重主要问题是过于集中，可正可负。增加constraints，比如禁止short sell，可以使权重都为正。这是一方面。

另一方面，BL 和reverse optimization的return是implied return，implied return是通过反向最优化求出来的，输入的变量是权重，标准差和相关性系数，那么权重我们通常使用的就是资产的市值权重，所以从这一点来看，所以BL 和reverse optimization的分散化效果也会更好， 因为输入变量更准，得到的有效前沿就更准确，也更加稳定。这一点在讲义中，BL的优点里也是有的。

关于对上面回答进行评论，如图

BL不是为了解决return估计不会靠谱，other constraints不难道才是解决分散化不足的问题吗？然后怎么对上面回答进行评论啊？

表格中间一列明确了是模型中的资产配置，题目问的也是用了什么模型。如果是BL模型，中间一列的数字就不会集中在某几个资产中了。因为BL和reverse optimization解决的就是MVO结果分散化不足的问题。