开发者:上海品职教育科技有限公司 隐私政策详情

应用版本:4.2.11(IOS)|3.2.5(安卓)APP下载

katherine2008 · 2021年04月19日

AA: R 13 MVO缺点(基础课P111)

MVO 缺点里面有一条说的是The outputs are highly sensitive to small changes in the inputs


老师上课时讲的是 1) E(R) 估计的不靠谱

2)因为对input(E(R), standard deviation, correlation)比较敏感,所以efficient frontier not stable


因为这里这个缺点是针对MVO讲的,如果是reverse optimization, black litterman, resampled EF,j 就没有这个问题了吗?


是因为这三种方法里面E(R)估计得更靠谱吗?为什么估计的更靠谱 outputs因为small changes in the inputs不会那么sensitive?


我觉得不管是什么input,只要input变化,都会对output造成影响,为什么会存在more sensitive和less sensitive


麻烦老师解答下,谢谢!

2 个答案

郭静_品职助教 · 2021年04月23日

嗨,从没放弃的小努力你好:


同学这个sensitive 不要把他理解的太过于精细化,不要把他精确到弹性或者久期这种变动一单位另一个变量变动多少的概念,这个就是input比较稳定,output的变动不会太大的意思~

----------------------------------------------
虽然现在很辛苦,但努力过的感觉真的很好,加油!

郭静_品职助教 · 2021年04月19日

嗨,努力学习的PZer你好:


同学你最后一句话其实说的是没有问题的,只要input变化,output一定是有变化的,那MVO和reverse optimization的差别又在哪里呢?

MVO中的E(R)预期收益率是输入变量,通常是基于历史数据的,我给你举个实际的例子,比如我们就用过去五年沪深300的平均收益做为明年股市的预期收益,这个结果显然是不准确的,所以输入变量都不准确,肯定最后的output,也就是组合的最优权重也是不准的。

reverse optimization就不是通过历史估计粗糙地得到E(R)了,而是将市值权重最为一组最优权重,反向求解得到隐含的E(R)。那为什么这样得到的E(R)就准呢?

因为市值权重是市场上所有参与者交易得到的一个均衡结果,反映了市场均衡状态下的预期,所以这样得到的E(R)就更准确,把一个更准确的E(R)再作为输入变量,补充基金经理的个人观点,就是black litterman,以更准确的E(R)再求解最优权重,一定比粗糙的历史估计得到的E(R)输入更准确~

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

katherine2008 · 2021年04月21日

请问下为什么input更加准确的话,EF 会less sensitive呢,谢谢

katherine2008 · 2021年04月23日

请问下为什么input更加准确的话,EF 会less sensitive呢,谢谢

  • 2

    回答
  • 0

    关注
  • 344

    浏览
相关问题