关于反向最优化和BL MODEL的问题

嗨，努力学习的PZer你好：

问题1：resample的方法 通过画多条EF解决了 单条EF敏感和不稳定的问题，对吧？

对。

问题2：反向最优化和BL MODEL 是否解决了 单条EF敏感和不稳定的问题，如何解决的？

是这样的，实际上对MVO改进的这些方法，是解决了不止（书上/讲义中写的那一条问题的），但是这两个准确来说解决的是sensitive to inputs。可以这样理解，问题解决了，但是描述的角度不同，单条EF敏感和对inputs敏感，原因和出发点不同。

反向最优化过程是以市值权重作为输入变量，再加上从历史数据中估计得到的ρ和σ，得到当前市场的implied return，也就是E(R)，旨在解决MVO中用历史数据估计得出的E(R)不靠谱的问题。

第一步是根据市场组合基金的权重反求出暗含的E(r)，简单说就是以市值权重作为输入变量，然后得到implied return。

第二步跟MVO的过程是一样的，根据第一步求出的E(r)和历史统计得来的标准差和correlation进行正向最优化。

BL模型是在reverse MVO的基础上发展，运用贝叶斯方法来组成一个混合模型，具体的数学过程较为复杂，但它调整幅度并没有很大，仍然保留了reverse MVO分散化的优点，它最大的改进是加入了经理自己的观点。

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