black-littermanasset-allocationbayesianexpected-returnequilibriumcapm

Black-Litterman 模型 (Black-Litterman Model)

一句话：把 CAPM 均衡反推出的期望收益当作先验，让投资者只表达少量相对观点并标注置信度，用贝叶斯方式把两者合成后者的期望收益，再拿去做均值-方差优化——在不硬估 \mu 的前提下得到组合。

它要解决的问题：MVO 对 \mu 过敏

均值-方差优化的最优权重是 w^*\propto\Sigma^{-1}\mu。\Sigma 有 N(N+1)/2 个自由参数，误差被 \Sigma^{-1} 放大，这是马科维茨诅咒讲的一半。另一半更麻烦：\mu 的估计误差。Black 与 Litterman 在七国（美、德、法、日、英、加、澳）股票/债券/货币模型里演示过：只把美国债券的年化期望超额收益上调 0.8 个百分点、美国股票下调 2.5 个百分点（其余全不变），最优权重就出现剧烈变化——资金从美国股票转向美国债券，还顺手做空了加拿大与德国债券。这种"观点与生成组合之间缺乏明显联系"是标准 MVO 的通病，因为 \mu 与波动率、相关性之间的耦合被 \Sigma^{-1} 放大了。

Black-Litterman 的思路：不要从零估 \mu，而是从一个"中性起点"出发，只让组合朝观点方向有限度地倾斜。

均衡反推先验 \Pi

模型的第一半来自均衡定价。设市场组合权重 w_{\text{mkt}}，协方差 \Sigma，风险厌恶系数 \delta（投资者愿意为承担一单位超额波动索取的溢价），则均衡的超额收益向量为

\Pi = \delta\,\Sigma\,w_{\text{mkt}}

这就是逆优化 (reverse optimization)：不假设 \Pi 是"真值"，而是由市值加权组合反推出的、使得市值加权组合恰好是最优组合的那一组 \mu。这一步的意义在于——市值加权组合成了模型的中性起点，不需要额外假设。

Black 与 Litterman 1992 年的原始版本把股票、债券、货币三类资产统一放进一个全球 CAPM，均衡组合定义为市值加权、80% 货币对冲的组合；论文明确指出：当投资者没有观点时，模型给出的最优组合就是这个均衡组合。

观点矩阵 P、置信度 \Omega 与贝叶斯合成

模型的第二半是投资者的观点。投资者不必写全套 \mu，只需写相对观点（"A 比 B 高 Q"）或绝对观点（偏多/偏空于中性）。多个观点写成矩阵形式：

P\,\mathbb E[R]' = Q + \varepsilon,\qquad \varepsilon \sim (0,\ \Omega)

P 是观点矩阵（每行一个观点），Q 是观点值向量，\Omega 是观点的误差协方差矩阵，通常取对角（各观点偏差相互独立）。\Omega 越小表示越确信。

置信度有两种等价写法：一种是"相当于从未来收益分布里抽了多少个观测"（Theil 的混合估计），一种是"主观分布的标准差是多少"——论文说两者给出同一结果。

后验期望收益的标准形式为

\mathbb E[R] = \left[(\tau\Sigma)^{-1} + P'\Omega^{-1}P\right]^{-1}\left[(\tau\Sigma)^{-1}\Pi + P'\Omega^{-1}Q\right]

其中 \tau 是先验 \Pi 的不确定度标量。\Omega \to 0 时结果收敛到把观点当作硬约束的条件均值；\Omega \to \infty 时退回到先验 \Pi。论文用一个三资产例子走完这条逻辑：投资者认为 A 比 B 高 2%、而该观点的方差为 1 时，条件均值降到 1.6%，被拉回均衡的 0；而且由于观点本身不确定，共同因子对第三个资产的影响也随之变小。

从后验 \mu 到组合

拿到后验 \mathbb E[R] 后，标准做法是仍用均值-方差优化，只是把 \mu 换成后验。此时组合从市值加权出发、朝观点方向倾斜，不会出现标准 MVO 那种大额头寸。

论文还引入了"平衡度 (balance)"这个额外维度：定义为组合与全局均衡组合之间收益差的波动。置信度越低，组合越靠近均衡、越平衡；不同观点可以给不同置信度，让弱观点被更快稀释。论文比较了三种替代方案——加约束、设基准、调整置信度——认为置信度这一路最灵活。

反向构造：隐含观点

同一个模型可以反过来用（论文 Table XVI–XVII）：给定一个当前持有的组合，反解出隐含的观点——先算组合相对各基准（市值加权基准或国内加权基准）的年化期望超额收益，再把它读成一组观点。这是把"我现在持有什么"翻译成"我实际上在赌什么"的操作。

与市值加权的关系

BL 相对市值加权不是替代而是包裹：市值加权是模型的中性起点（无观点时的输出），BL 用观点与置信度在这个起点附近做受控偏移。这与市值加权的两侧分裂讨论的问题相关——市值加权本身的结构缺陷 BL 并不直接修复。

局限与开放问题

  • 观点的权重最终由投资者给定：模型不判断观点对错，置信度是主观输入。
  • 不假设世界永远处于 CAPM 均衡，只假设"期望收益不会偏离均衡太远"，偏离时市场会把它们拉回去。
  • 先验 \Pi 的 \delta 需要标定；论文自己承认这是模型的弱环节。
  • 历史模拟（1981 年 7 月起逐月滚动 10 年）显示：做多高收益货币、做多高股息率/债券收益率比的国家股票两种策略表现突出，高收益率债券策略没有创造价值；作者明说这些模拟不构成对任何策略的推荐。
  • 全球分散化的度量口径假设无额外交易成本、假设市场有效，因而捕捉不到"有信息的观点"创造的那部分价值。
  • 归档说明：raw/papers/199209-global-portfolio-optimization/ 是扫描件，OCR 质量差，均衡风险溢价的具体数值与表格里的组合权重无法从 extracted.md 可靠读出，引用数字须回看 paper.pdf。

与其他概念的关系

来源