Un prior, des vues, et un posterior reconstructible

Tam
Tam
·Founder & AI Builder·2026-09-27
Black-Litterman Prior Convergence cover

Le problème que Black-Litterman résout

Black-Litterman remplace une estimation brute de rendement par un posterior : un prior impliqué par le marché, mis à jour par des vues explicites. Le classeur reconstruit le posterior à partir de ses composantes et contrôle que le mélange se comporte comme une moyenne pondérée, avec des pondérations de vues entre 0,17 et 0,75.

L'optimisation moyenne-variance a besoin de rendements attendus. Ces rendements sont l'entrée la moins fiable de tout le modèle, et l'optimiseur amplifie leurs erreurs en pondérations extrêmes.

Black-Litterman remplace l'estimation brute par un posterior : un prior impliqué par les pondérations de marché, mis à jour par des vues explicites. La sortie est un vecteur de rendements qui part de ce que le marché croit et ne bouge que dans la mesure où les vues le justifient.

C'est un choix de modélisation, et les contrôles du classeur testent que l'arithmétique du mélange est juste.

Les trois entrées

Le prior est dérivé de la matrice de covariance et des pondérations de capitalisation boursière, mis à l'échelle par un paramètre d'aversion au risque. C'est le vecteur de rendements qui rendrait le portefeuille de marché optimal. Cette optimisation inverse est le miroir de la frontière efficiente, qui prend les rendements comme donnés et résout les pondérations.

Les vues sont des affirmations avec incertitude : un actif surperformera un autre d'un certain montant, avec une confiance énoncée.

Le mélange est une opération matricielle qui pondère prior et vues par leur incertitude relative. Le classeur la calcule et rapporte le posterior.

MODEL sheet, Black-Litterman posterior: the prior, the three views, the two blend-weight matrices and the rebuilt posterior
The posterior rebuilt from prior and views. View weights run from 0.170 to 0.748, so no asset is more than three-quarters driven by views.

Les quatre contrôles

ContrôleCe qu'il établit
Le posterior se reconstruit à partir du prior et des vuesL'opération matricielle est mise en œuvre conformément à la spécification
La somme des pondérations du prior et des vues est égale à 1Le mélange est une moyenne pondérée, pas une remise à l'échelle
Pondération de vue minimale positive ou nulleLe posterior d'aucun actif n'est extrapolé à partir d'une contribution négative
Pondération de vue maximale inférieure ou égale à 1Aucun actif n'est entièrement déterminé par les vues, en contournant le prior

Le contrôle de reconstruction est le plus fort : recalculez le posterior à partir de ses composantes et comparez avec le vecteur annoncé. Le résidu maximal est nul à la tolérance du classeur.

Les contrôles de pondération sont structurels. Ils affirment que le mélange se comporte comme une moyenne pondérée, ce qu'est Black-Litterman, plutôt que comme une transformation arbitraire qui produit par hasard des chiffres plausibles.

À quoi ressemble le posterior

Pour les actions britanniques, le rendement excédentaire mensuel du posterior est de 0,637 %. Les pondérations de vues vont de 0,170 à 0,748, ce qui signifie que le posterior d'aucun actif n'est déterminé à plus de trois quarts par les vues et qu'aucun ne l'est à moins d'un sixième.

Cette plage est la sortie la plus informative de la section. Un posterior à 95 % de vues est un vecteur de vues habillé en prior ; un posterior à 5 % de vues ignore entièrement l'analyste. Le classeur rapporte la plage plutôt que les estimations ponctuelles, ce qui permet au lecteur de voir quelle part de la réponse est du jugement.

Ce que les contrôles ne peuvent pas vous dire

Si le prior est juste. Il est impliqué par les pondérations de marché et la matrice de covariance. Si le portefeuille de marché n'est pas optimal, et il ne l'est pas, le prior est une convention.

Si les vues sont justes. Ce sont des entrées avec des niveaux de confiance. Une vue fausse et confiante déplace le posterior plus loin qu'une vue juste et incertaine.

Si le posterior améliore le portefeuille. Le classeur s'arrête au vecteur de rendements. Il ne réoptimise pas avec, donc il ne mesure pas si les pondérations résultantes sont meilleures que celles de l'estimation brute.

C'est le manque qu'il faudrait combler en priorité. La justification de Black-Litterman est que ses pondérations sont plus stables et mieux diversifiées que celles de la moyenne-variance brute ; les 24 contrôles du classeur établissent l'arithmétique du mélange et laissent la question de performance intacte.

Un posterior n'est utile que si l'optimiseur peut agir dessus : l'article KKT est ce qui tournerait sur les pondérations réoptimisées, et le balayage des contraintes est le volet réalisabilité. L'alternative à risque égal est la parité de risque, et pour les 24 contrôles dans leur ensemble, voir la page du portefeuille.

Prior, vues et pondérations mélangées restent des blocs séparés dans Mica ; le posterior peut donc être reconstruit cellule par cellule. Cette séparation est la disposition de classeur qui rend un contrôle de reconstruction possible.

Cette série de validation de modèles utilise des cas synthétiques à des fins de démonstration méthodologique. Elle ne constitue pas un conseil en investissement, fiscal ou juridique.

Dernière mise à jour : 2026-11-01 · Vérifié en interne ; non audité indépendamment. · Méthodologie et revue

Tam
Tam

Tam is the Founder & CEO of MINDLINK TEC LTD, an AI creator and product builder building creative AI tools including Mica and Bobi.


Mica

IA locale pour des feuilles de calcul plus intelligentes. Automatisez vos flux de travail Excel en langage naturel.

Contact

E-mail : service@mindlink.tools

Société : MINDLINK TEC LTD

© 2026 MINDLINK TEC LTD. Tous droits réservés.