15:33 (2X)
之前说了MCS，虽然 MCS 通过随机模拟生成未来多期预期收益率E (r)的分布，试图让预期收益率的估计更贴合实际情况，但在进行 MVO 时，使用的相关性（ρ）和标准差（σ）这些参数通常还是基于历史数据计算得出的，所以Input其实是不准的。
对于Resampled mean-variance optimization来说，即使有Input的改变，但最终会被平滑掉，最后造成的影响不大，是这样的吗？
西红柿面 · 2025年05月10日
15:33 (2X)
之前说了MCS，虽然 MCS 通过随机模拟生成未来多期预期收益率E (r)的分布，试图让预期收益率的估计更贴合实际情况，但在进行 MVO 时，使用的相关性（ρ）和标准差（σ）这些参数通常还是基于历史数据计算得出的，所以Input其实是不准的。
对于Resampled mean-variance optimization来说，即使有Input的改变，但最终会被平滑掉，最后造成的影响不大，是这样的吗？
再补充一下，如果Input有问题（随机数不符合正态分布），则EF会有Estimation Error的吗？
Lucky_品职助教 · 2025年05月12日
嗨，从没放弃的小努力你好：
RMVO可以在一定程度上缓解 Input 不准的问题，但不能完全解决。MCS虽通过随机模拟生成未来多期预期收益率 E (r) 的分布让预期收益率估计更贴合实际，但 MVO 中使用的相关性（ρ）和标准差（σ）等参数常基于历史数据计算，存在 Input 不准的情况。RMVO 通过多次对输入参数进行随机扰动，用蒙特卡洛模拟生成多组参数并分别运行 MVO 得到多个有效前沿，再取这些前沿上点的平均值来确定最优投资组合，这种方式能平滑输入参数的误差，降低极端解的影响，使最终投资组合更分散、稳健，减少对特定参数的过度依赖。然而，RMVO 的输入参数仍基于历史数据，若未来市场结构变化，如资产间相关性突变，模型可能失效；若输入参数存在系统性偏差，RMVO 多次抽样在错误基础上平均，误差可能保留；而且 RMVO 计算成本高，最终投资组合是多个解的综合结果，解释性相对复杂 。
若输入随机数不符合正态分布，EF会有估计误差。构建 EF 的 MVO 模型常假设资产收益正态分布，影响预期收益率、方差和协方差计算。随机数非正态时，预期收益率估计不准，方差、协方差计算偏差，投资组合分散化效果误判，最终导致 EF 偏离真实最优组合集合，误导投资决策。
----------------------------------------------
就算太阳没有迎着我们而来，我们正在朝着它而去，加油！