投资组合选择中的 Black-Litterman、贝叶斯收缩与因子模型：三者可兼得
投资组合管理
2023-11-27 v2
摘要
均值-方差分析在投资组合管理中被广泛用于识别在预期收益与波动率之间做出最优权衡的最佳投资组合。然而，该方法存在其局限性，尤其易受估计误差影响且依赖历史数据。尽管收缩估计量与因子模型已通过偏差-方差权衡被引入以提高估计精度，且 Black-Litterman 模型已被开发用于整合投资者观点，但将这三种方法结合的统一框架一直缺失。我们的研究首次提出一个贝叶斯蓝图，将收缩估计与观点纳入相融合，并将二者概念化为贝叶斯更新。该模型随后应用于 Fama-French 方法因子模型的语境中，从而整合了各方法的优势。最后，通过对美国股票市场横跨十年的综合实证研究，我们表明该模型优于简单的 投资组合以及基于样本估计量的最优投资组合。
引用
@article{arxiv.2308.09264,
title = {Black-Litterman, Bayesian Shrinkage, and Factor Models in Portfolio Selection: You Can Have It All},
author = {Kwong Yu Chong},
journal= {arXiv preprint arXiv:2308.09264},
year = {2023}
}
备注
not enough originality