黑-利特曼、贝叶斯收缩和因子模型在组合选择中：你可以拥有全部
摘要：基于均值方差分析的投资组合管理方法在寻找预期回报和波动性之间最佳平衡的投资组合方面得到了广泛应用。然而，该方法存在一些局限性，尤其是对于估计误差的敏感性和对历史数据的依赖性。虽然缩小估计和因子模型已经被引入以通过偏差-方差权衡改善估计准确性，而Black-Litterman模型已经被开发用于整合投资者意见，但是缺乏一个将三种方法结合起来的统一框架。本研究提出了一个贝叶斯蓝图，将缩小估计与观点包含作为贝叶斯更新进行融合。然后，该模型在Fama-French因子模型的背景下应用，从而集成了每种方法的优点。最后，通过对美国股票市场进行为期十年的综合实证研究，我们证明该模型优于简单的$1/N$投资组合和基于样本估计器的最优投资组合。
作者：Kwong Yu Chong
论文ID：2308.09264
分类：Portfolio Management
分类简称：q-fin.PM
提交时间：2023-08-21