今天正在查马科维茨模型的基本假设，主要是需要知道它对尾部风险的不注重性从而验证从这方面进行修正的必要性。
然后在知乎上看到了这么个描述：
<pre>
马克维茨资产配置理论在实践应用中，也发现了不少缺陷，如高盛的Fisher Black和Robert Litterman两位大神，在研究中发现，对组合中德国债券预期报酬率做0.1%小幅修正后，竟然该类资产的投资比例由原来的10.0%提高至55.0%，直接被坑出了翔。于是干脆自己搞出个自己名字命名的Black-Litterman模型，被业内广泛使用。
</pre>
一开始一惊，这特么是说均值方差会导致对数据敏感性很高吗，那现在搞的研究不是废了吗？确实在测试过程中很多时候算法提醒了矩阵的条件书很大，可能过于奇异。
但是回过头来一想，组合比例跳变不代表不好啊，优化本身是按照预测来调夏普，如果0.1%的变动会导致比例大幅上升，那证明了其他的资产sharpe确实很差，比例跳变不一定是坑出翔，对于夏普高的资产，多一些少一些又会有什么风险呢？不过还是来看看BL确认一下吧。
BL模型说：
<pre>
The Black-Letterman asset allocation model is a sophisticated portfolio con striation method that overcomes the problem of unintuitive, highly-concentrated portfolios, input-sensitivity, and estimation error maximization.
</pre>
前两个缺点尚且可以理解，后面一个就不是很懂了。BL是用一个贝叶斯方法把投资者观点和市场均衡向量结合，得到一个新的预期收益率。“由于加入了投资者观点，从而克服了均值方差模型的输入敏感性。”Really？
<pre>
They explore several alternative forecasts: historical returns, equal "mean" returns for all assets, and risk-adjusted equal mean returns. They demonstrate that these alternative forecasts lead to extreme portfolios -- when unconstrained, portfolios with large long and short positions; and ,when subject to a long only constraint, portfolios that are concentrated in a relatively small number of assets.
</pre>
What? 这也算问题吗？集中于几个资产并没有不好啊，如果预测到股市未来大跌，为什么还要强行分一部分上去呢？股市价格并不一定是随机游走啊，股市是有趋势性的，这个逻辑有点可笑。
后面的以后再看吧，今天就到这里。
