开发者:上海品职教育科技有限公司 隐私政策详情

应用版本:4.2.11(IOS)|3.2.5(安卓)APP下载

Shawnxz · 2023年01月25日

这题我可以这么理解吗?

* 问题详情,请 查看题干

NO.PZ201803130100000101

问题如下:

The asset allocation in Exhibit 1 most likely resulted from a mean–variance optimization using:

选项:

A.

historical data.

B.

reverse optimization.

C.

Black–Litterman inputs.

解释:

A is correct.

The allocations in Exhibit 1 are most likely from an MVO model using historical data inputs. MVO tends to result in asset allocations that are concentrated in a subset of the available asset classes. The allocations in Exhibit 1 have heavy concentrations in four of the asset classes and no investment in the other four asset classes, and the weights differ greatly from global market weights. Compared to the use of historical inputs, the Black–Litterman and reverse-optimization models most likely would be less concentrated in a few asset classes and less distant from the global weights.

  1. investable global market weights和asset allocation的权重差别非常大,因此我认为是由于加入了基金经理自己的大量观点,作为inputs,才导致这个权重。
  2. 我觉得是不是AA中,单一资产权重占比很高,才可以算过分集中?
1 个答案
已采纳答案

lynn_品职助教 · 2023年01月26日

嗨,从没放弃的小努力你好:


是的,权重的差别就是因为使用了不同的方法。


可以这么看,因为集中这个性质很主观,单一资产权重占比过高肯定是集中,这个判断标准我们通过题干的描述、题目的问题都可以判断的。比如十个资产类别,有三个加起来占比超过80%,也算是集中了。


MVO的缺点之一是分散化不足,配置的权重会集中于某些资产类型。表格中的模型与市场权重相比,模型的权重集中于US bonds,Emerging market equity和US equity 三大类资产,所以最有可能的就是用了MVO的方法。


而reverse optimization与Black-Litterman,由于这两种方法是通过已知权重、标准差、相关性,反向求出implied return,这里的权重通常使用的是资产的市值权重,所以求出来的implied return更稳定、更准确,因此得出的资产配置分散化效果也更好。


C 是Black-Litterman在reverse optimization 基础上加入分析师自己的观点。这俩都更分散化,可以从表一的数字中(比较集中)看出来不选B、C。

----------------------------------------------
就算太阳没有迎着我们而来,我们正在朝着它而去,加油!