一个先验、一些观点,以及一个你可以重建的后验

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

Black-Litterman 解决的问题

Black-Litterman 用一个后验替代原始收益估计:一个市场隐含的先验,由明确观点更新。工作簿从组成部分重建后验,并检查这个混合表现得像加权平均,观点权重在 0.17 到 0.75 之间。

均值-方差优化需要预期收益。这些收益是整个模型里最不可靠的输入,而优化器把它们的误差放大成极端权重。

Black-Litterman 用一个后验替代原始估计:一个由市场权重隐含的先验,由明确观点更新。输出是一个收益率向量,它从市场相信的东西出发,只在观点能证明的范围内移动。

那是一个建模选择,而工作簿里的检查测试混合的算术是否正确。

三个输入

先验由协方差矩阵和市值权重推导,再按风险厌恶参数缩放。它是让市场组合成为最优的那个收益率向量。这个反向优化是有效前沿 的镜像,后者把收益当作给定并求解权重。

观点是带不确定性的陈述:一项资产将比另一项多赚某个幅度,并带有明说的信心水平。

混合是一个矩阵运算,按先验和观点的相对不确定性给它们加权。工作簿计算它并报告后验。

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.

四项检查

检查确立了什么
后验从先验和观点重建矩阵运算按设定实现
先验与观点权重之和为 1混合是加权平均,不是重新缩放
最小观点权重 ≥ 0没有哪个资产的后验权重来自负贡献的外推
最大观点权重 ≤ 1没有资产完全由观点驱动、绕过先验

最强的是重建检查:从组成部分重算后验,再与报告的向量比较。在工作簿的容差下,最大残差为零。

权重检查是结构性的。它们断言混合表现得像加权平均,这正是 Black-Litterman 的本质,而不是一个碰巧产生合理数字的任意变换。

后验长什么样

对英国股票,后验月超额收益是 0.637%。观点权重从 0.170 到 0.748,意味着没有资产的后验超过四分之三由观点驱动,也没有资产低于六分之一。

这个范围是本节信息量最大的输出。一个 95% 由观点构成的后验,是一个披着先验外衣的观点向量;一个 5% 由观点构成的后验,完全忽略了分析师。工作簿报告范围而不是点估计,让读者看到答案里有多少是判断。

检查不能告诉你什么

先验是否正确。它由市场权重和协方差矩阵隐含。如果市场组合不是最优的——现实中它并不是——先验就只是一种惯例。

观点是否正确。它们是带信心水平的输入。一个自信的错误观点,会把后验推得比一个不确定的正确观点更远。

后验是否改善组合。工作簿停在收益率向量。它没有用它重新优化,所以没有衡量得到的权重是否优于原始估计的权重。

最后一个缺口值得补上。Black-Litterman 的卖点是它的权重比原始均值-方差更稳定、更能分散;工作簿的 24 项检查确立混合的算术,把表现问题原样留着。

后验只有在优化器能对它采取行动时才有用:KKT 一文 是会在重新优化后的权重上跑的东西,约束扫描 是可行性一侧。等风险的替代方案是风险平价,想逐项复跑这 24 项检查,可以从组合页面 开始。

先验、观点和混合权重各占一个独立区块,后验因此可以逐格重建;Mica 搭表时没有把它们揉在一起。分成独立区块,重建检查才做得到;这是工作簿布局。

本模型验证系列使用合成案例进行方法演示,不构成投资、税务或法律建议。

最后更新:2026-11-01 · 内部检查,非独立审计。 · 方法与审阅

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

本地运行的 AI,让表格更聪明。用自然语言自动化 Excel 工作流。

联系我们

邮箱: service@mindlink.tools

公司:MINDLINK TEC LTD

© 2026 MINDLINK TEC LTD 保留所有权利。