嗨,从没放弃的小努力你好:
同学你好。
是不一样的。
High sensitive to inputs可以理解成为结果不稳定,很容易受输入变量(主要是expected return变动影响)。
我们做资产配置,是要基于对未来收益的预期来确定该类资产的配置比重。MVO方法是用历史收益作为未来收益的预期,显然是不靠谱的,比如,2005-2015年某个资产的平均return与2010-2020年某个资产的平均return很可能是两个不同的值,这样得到的资产配置方案也是截然不同的,这就是highly sensitive to inputs所表达的含义。
而reverse optimization用现在资产市值做权重,得到的expected return是implied expected return,市值反映市场预期,那么用市值得到的return也就反映了市场参与者对未来expected return的预期,与history data作为未来收益的预期相比,它更稳定,更准确。
一般会把reverse optimization与black litterman方法一起使用,在implied return的基础上,加上分析师自己的判断,比如市场implied return=3%,分析师认为应该加上0.5%,那么就用3.5%作为expected return,重新进行最优化过程,此时,由于输入的expected return更加稳定(来源于全市场预期),所以得到的结果也更加稳定,less senvitive to input。
----------------------------------------------加油吧,让我们一起遇见更好的自己!